基于粒子群优化算法的动态停车路径诱导技术

首先分析了停车诱导系统(PGIS)中动态路径诱导的特点;为了达到实时诱导技术要求,介绍了一种生物界仿真算法——粒子群优化算法的特点及其应用在最优路径搜索中的基本方法;仿真实验表明该方法搜索速度非常快,适合用于动态停车路径诱导技术中。     

交通诱导系统中动态路径诱导算法的研究

动态交通网络中两节点之间最优路径的选择是目前的一个重要难题。通过对比不同的静态路径算法,并结合实际交通网络的特点,最终选择以A＊算法为基础,并在此之上研究出实现动态交通网络中路径诱导的方案。     

基于蚂蚁算法的车辆路径问题应用研究

引入了蚂蚁算法来解决基本车辆路径问题,设计了合适的算法程序,通过实验表明了蚂蚁算法能够有效地求解VRP问题。     

基于蚂蚁路径的多故障诊断算法研究

提出了一种针对VLSI电路多故障ATPG(Automatic Test Pattern Generation)的新算法。该算法引入蚂蚁路径定义，将多个故障点的前向传榆和回溯归结到一条单一路径之上，从而解决了以往多故障ATPG算法中搜索重复导致的计算冗余问题。     

基于蚂蚁路径的时序电路故障诊断算法

提出了一种VLSI时序电路自动测试型生成(Automatic test pattern generation，ATPG)的新算法。传统ATPG算法采用局部状态转换图或收集门级电路的知识以及提取电路规则来解决时序电路ATPG的困难。本算法引入新的模型，着重解决了ATPG中的计算冗余问题。在蚂蚁路径模型的基础上，前向搜索得到了重建，故障点的前向传输和回溯归结到了单一路径之上．而该路径上可能分布着许多待测的故障点，从而改善了以往时序电路ATPG算法中搜索重复而导致的计算冗余问题，同时，最小测试向量的获取为数学定理所证明。最后在Benchmark电路上进行的与ILP算法的比较试验表明，本算法具备同样的故障覆盖率，且速度更快。     

高维多目标动态停车场选择及路径诱导研究

现有停车诱导系统中采用的停车场选择及路径诱导方法多局限于提供用户出行前多目标最优的停车场选择方案及路径诱导方案,无法实现用户行进过程中动态的多目标停车场及路径优化选择,此外由于现有多目标优化算法性能受限,无法快速获得真正高维多目标最优的决策方案.针对上述问题,提出一种综合用户出行前静态的和行进中动态的高维多目标停车场选择及路径诱导模型,并设计了高维多目标优化算法KS-MODE保证模型的高效求解.实验结果表明,KS-MODE在4～15目标优化问题上的收敛性能相比较于现有多种算法具有明显优势,基于KS-MODE的模型求解能够在城市交通网中实现出行前及行进中的五目标最优的动态停车场选择及路径诱导,证明了高维多目标优化算法是求解停车场选择及路径诱导的有效方法,能够提高现有停车诱导系统的诱导精度及智能化程度.     

基于最大最小蚂蚁系统的动态车辆路径问题研究

在描述动态车辆路径问题的基础上,通过对计划周期分片,将动态车辆路径问题转换为一系列的静态子问题,并采用改进的最大最小蚂蚁系统对静态子问题进行求解。在最大最小蚂蚁系统中,针对聚类分布和随机分布的客户,分别采用顺序法和并行法构建路线,信息素的更新量随着可选客户数量的不同而改变,同时在算法执行过程中对期望启发式因子、选择概率、信息素持续因子和蚂蚁数量等参数进行自适应调整。以整个路线的行驶距离作为目标,采用该算法对9个算例进行测试,与其他文献中算法的计算结果相比较,在使用车辆数量基本一致的情况下,9个问题都得到了最好解和最好平均解,表明了算法的有效性。     

基于遗传算法的动态网络中最短路径问题算法

提出了一种以随机Dijkstra最短路径算法为基础,运用遗传算法来求解动态路径诱导系统 中最短路径问题(ShortestPathproblemonDynamicRouteGuidanceSystem,SPDRGS)的算法。通过运用 该随机Dijkstra算法解决了将遗传算法应用与最短路径问题中初始种群的产生问题。考虑到目前动态 路径诱导系统(DynamicRouteGuidanceSystem,DRGS)对路径诱导算法的时间复杂度和网络约束条件 的要求,此算法不仅能够较快地求出较优的路径而且对网络没有任何的约束条件,同时对离散和连续的 动态网络模型有效,因此符合DRGS的要求。     

基于自适应蚂蚁算法的动态最优路由选择

蚂蚁算法具有很强的随机性和自适应性，基于蚂蚁圈模型和MMAS模型构造的自适应蚂蚁算法，将网络的容量限制、流量变化和最短距离结合起来讨论，通过在找到的最短路径上设置障碍物来模拟网络拥塞，找到源结点→目的结点的多条最优路由序列，以便在实际中实时地、自适应地进行动态路由选择。     

一种改进的机器人路径规划蚂蚁算法

传统蚂蚁算法存在路径点转移方向未能快速确保为收敛方向，所有路径点同时转移容易导致各点配合不好而使总距离产生振荡的缺陷。根据蚂蚁嗅觉引导行为的原理．使蚂蚁路径点位置转移方向在迭代计算中能保证为收敛方向，减少概率选择公式的求和项数，加快了收敛速度：对迭代算法进行改进，按需要转移的迫切程度来选择路径点．避免了总距离出现振荡。     

改进Dijkstra算法在PGIS中的应用

传统Dijkstra算法用于路径诱导会使路网节点的数量增多、搜索范围扩大,从而耗费大量时间和空间,降低停车诱导信息系统(PGIS)的运行效率和实时性。针对城市路网的特定环境和路径诱导需求,根据2点之间直线最短的原理,在Dijkstra算法的基础上,提出一种应用于PGIS、基于矩形搜索范围的改进Dijkstra算法,设计并实现城市路网模型中单行、禁行、交叉点时间延误等问题的解决方案。实验结果表明,改进Dijkstra算法可以减少路网节点搜索范围和计算复杂度,提高用户搜索路径的实时性。     

改进的蚁群算法在动态路径诱导中的应用研究

针对基本蚁群算法收敛速度慢和易陷入局部最优的缺点,在对信息素和启发信息进行标准化以消除量纲和取值范围影响的基础上,提出带方向的信息素更新和混沌选择策略来改进蚁群算法。将路网节点间的相对位置信息引入信息素更新,以加快搜索速度;使用混沌扰动改进选择策略,以避免出现早熟停滞现象。并将其用于城市交通动态路径诱导的研究中,以重庆市渝中半岛的路网为实例计算以最短行程时间为目标的最优路径,结果表明该算法是有效、可行的,比基本蚁群算法具有更好的全局搜索能力。     

基于模糊控制的停车诱导信息板信息显示方法

针对目前实施的多数停车诱导系统可变信息板动态车位信息显示较单调的现状,探讨了以模糊控制方法来进行信息警示。综合考虑各种因素（停车场当前空位数、当前驶入率与驶出率、信息板离目标停车场的远近等）,由系统根据事先拟定的规则进行模糊推理决定合理信息显示（红、黄或绿）,从而达到高效、准确与人性化的停车行为诱导,并从系统管理的角度平衡各停车场的负荷,做到停车场均衡利用。     

CAN总线在停车场车位引导系统中的应用

本文介绍了基于CAN总线的停车场车位引导系统的设计方案,阐述了系统结构、CAN节点总线接口电路设计。根据本系统的实际需求,制定了一个简洁实用的应用层协议。详细描述了应用层协议的设计中,报文标识符的分配及各节点验收滤波器的设置。     

基于选路优化的改进蚁群算法

蚁群算法在处理大规模优化问题时效率很低。为此对蚁群算法提出了基于选路优化的两点改进:(1)引入选路优化策略,减少了算法中蚁群的选路次数,显著提高了算法的执行效率。(2)在选路操作中,只根据当前城市的前C个距离最近的且未经过城市为候选城市计算选择概率,从而减少单个蚂蚁选路的计算量。尤其对于以往较难处理的大规模TSP问题,改进算法在执行效率上有明显的优势。模拟实验结果表明改进算法较之基本蚁群算法在收敛速度有明显提高。     

改进蚁群算法在旅游路线规划中的应用研究

在研究了基本蚁群算法后提出了偶遇算法,提高了蚁群算法蚂蚁一次周游的质量。针对旅游路线规划的问题,改进了路径的求法,使蚁群算法可以实现动态规划,从而实现旅游景区的负载均衡。提出一种基于改进蚁群算法的旅游路线规划问题求解的有效方法。实验结果表明该方法具有较好的有效性和实用性。     

基于蚁群算法的Petri网最优路径序列寻找

根据蚁群算法和时间Petri网的特点提出了一种网络元素可以记录少量信息的记忆扩展时间Petri网(METPN)。当METPN运行时，使用充足量的托肯在网络中行走并在行走过程中留下信息素来调整托肯的路径选择，从而使大量蚂蚁的行走路线不断逼近Petri网中时间延迟更短的变迁序列，最终在最短变迁序列上形成清晰的蚁路，从而在一定程度上解决了复杂Petri网的最优路径寻找问题。仿真结果表明，托肯可以有效地在最短延时路径上形成蚁路，能够求得从初始库所到网络中任意库所的最短路径。     

智能式动态路线诱导系统诱导单元决策方法

诱导单元决策方法的研究是实现智能交通系统的一个关键环节,其实现方法的好坏对诱导效果有直接的影响.为此,提出一种智能动态路线诱导系统诱导信息的模式,对诱导信息所在路段的多目标终点交通流构成比例以及到下游路段的转弯率的预测方法进行研究,并在此基础上提出了智能动态路线诱导系统诱导单元的综合决策方法.实验结果及分析表明了所提出的诱导单元决策方法的有效性.