一种基于道路网络层次拓扑结构的分层路径规划算法

鉴于平面最短路径算法应用于大规模网络规划中的效率不高,而分层算法引入"分而治之"策略,则能有效解决此难题。为了利用分层算法进行路径规划,首先研究了分层算法的数据基础——道路网络层次拓扑结构,其涉及基于道路等级的路网分层抽象、道路数据分区组织、以区域为单位的路网层次拓扑关系模型;接着提出了一种适用于LBS(基于位置的服务)的分层路径规划算法。该算法先通过距离值判断是否切换到上一层;然后利用启发式A*算法搜索入口和出口;最后使用双向策略搜索层内两点之间的最短路径。利用现实道路网络进行的实验分析结果表明,该算法能从本质上提高大规模网络中路径规划的效率。     

改进型A*算法在物流配送网络中的应用

A＊算法是目前路径搜索中应用最广泛的算法,最短路径搜索算法效率是研究人员普遍关注的重点,本文在分析A＊算法的基础上,重点介绍了一种改进型A＊启发式搜索算法,实验结果表明：提出的改进方法极大地减少算法搜索区域,提高了算法的效率,更加适合交通网络的路径导航。     

数字化交通地图中最短路径算法的改进

本文对数字化交通地图中最短路径算法设计进行了研究和探讨，在传统的Dijkstra算法的基础上提出了一些合理的改进方案，并将改进后的A^＊算法和邻接表结构与原有Dijkstra算法及传统的数据存储结构进行了比较。在A^＊算法中，任意两点之间最短路径的搜索具备一定的方向性，即搜索的结点数明显地少于Dijkstra算法的搜索结点数，系统响应速度明显快于采用原始Dijkstra算法的响应速度，A^＊算法的效率明显提高。     

国际航线网络中K条最短路径算法改进与仿真

K条最短路径(KSP)问题是国际航线网络实际路径优化问题。通过对航线网络特征与K条最短路径算法的分析,研究了解决KSP问题的典型Yen算法。针对Yen算法求解候选路径占用大量运算时间的问题,提出一种改进Yen算法。改进Yen算法通过借助A*算法的启发式策略,减少了产生候选航线路径的时间,从而提高了算法的搜索效率并减小了算法搜索的规模。通过对国际航线网络实例的仿真,实验结果表明改进Yen算法能够快速求解国际航线网络中的KSP问题;同时,与Yen算法相比,运算效率提升了75.19%以上,能够为航线路径优化提供决策支持。     

面向城市交通网络的A*算法优化与应用

交通路网中最优路径的选取是电子地图导航中最基础的应用之一,如果规划路径选取的合理,能够大大提高行车的效率,为用户方便出行提供便利。本文根据城市交通网络的特点对A＊算法进行研究与优化。针对交通规则对有向图的数据模型进行改进,同时将道路通行能力属性赋予路段,建立路段权值的计算模型,从而实现导航过程中的最优路线规划。     

一种动态限制搜索区域的最短路径规划算法*

提出一种动态限制搜索区域的最短路径规划算法,它是根据实际道路网络的空间分布特性,动态限制搜索区域,以降低算法的搜索规模,降低算法的时间复杂度和空间复杂度,提高算法的运行效率.实验证明,对于实际城市道路网络结构相对比较规则的最短路径规划,此算法极大地提高了规划的效率.     

A*算法在Shortest-Path方面的优化研究

在游戏和地理信息系统开发等领域中,专门针对最短路径搜索方面的优化研究较多,尤其是最短路径中启发式搜索算法中的A*算法的效率优化研究.本文将针对在人工智能或算法研究中的使用的地图大多数是基于任意图而不是网格图的状况,通过任意图与网格图及方向的相结合,提出了三种优化A*算法的启发式函数搜索策略,较好地减小了算法搜索的范围和规模,有效地提高了A*算法的运行效率.最后的实验结果显示,与传统的A*算法相比较,优化启发搜索策略后的A*算法寻径更快速,更准确,计算效率更高.     

A*算法及其在地理信息系统中的应用

最短路径问题是地理信息系统的关键问题，A＊算法是解决有附加条件的最短路问题的有效算法。本文在详细分析A＊算法的基础上，编程实现了A＊算法。最后对A＊算法运行结果进行分析。     

游戏开发中智能路径搜索算法的研究

路径搜索是许多游戏特别是即时战略游戏的核心组成部分，首先介绍了游戏中路径搜索的相关概念。路径搜索的算法有很多，不同的搜索算法有其不同的搜索策略、时间效率、空间消耗与应用场合。分析对比了多种路径搜索算法的运行数据之后，详细讨论了A^＊算法。由于游戏中的路径搜索有其自身的特点，针对游戏中路径搜索的具体要求从搜索效率、路径的真实平滑性和动态变化状态空间的适应性等方面对A^＊算法进行了优化和改进。     

引入必经点约束的路径规划算法研究

针对传统A*算法存在搜索范围广、运行效率低的问题,提出了一种引入必经点约束的路径规划算法。该算法结合障碍物分布特点,通过寻找最短路径必经点,实现对A*搜索方向的约束,再对最短路径段进行拼接得到最短路径。最后,在100×100网格地图中进行对比实验,结果表明,引入必经点约束的改进算法比传统A*算法的结点访问量大幅降低,运行效率得到显著提高。     

基于最短路径的道路网络k近邻查询处理

针对基于空间道路网络的k近部查询处理,提出了分布式移动对象更新策略以有效减少服务器计算代价,利用基于内存的空间道路网络部接矩阵、最短路径矩阵结构和移动对象哈希表索引分别对道路网络无向图与移动对象进行存储管理。提出了基于最短路径度量的网络扩展搜索(SPNE)算法,以通过裁剪网络搜索空间来减少k近部查询搜索代价。实验表明,SPNE算法的性能优于传统的NE和MKNN等k近邻查询处理算法。     

基于MapX最短路径搜索算法研究

在深入分析现有最短路径搜索算法和MapX空间特性的基础上,提出了一种基于MapX的局部最短路径搜索算法.该算法依据最短路径沿起点、终点连线方向可能性最大的特征,在小矩形范围内搜索,避免了因道路"振荡"而产生结果失真的问题,减少了搜索的节点数目,降低了搜索规模.实验结果表明,该算法搜索速度快,道路网络结构越复杂,其运行效率越高,具有很强的实用性.     

一类标准矩形网络节点间最短路径的求解方法

针对常见的交通道路最短路径问题, 提出标准矩形网络的概念, 分析其节点间最短路径的性质, 并在此基础上给出一种新颖的最短路径求解算法. 该算法利用标准矩形网络的几何性质, 简化了搜索方向和步长的判断, 同时指出常见的交通道路网络一般均可以整体或部分化为标准矩形网络. 与常见的求取最短路径的Dijkstra、Floyd、ACO、A* 等算法进行仿真实验比较, 实验结果表明, 对于大规模标准矩形道路网络, 所提出算法具有更好的寻优精度、稳定性和寻优速度.

     

一种改进的分层路网的路径规划算法应用

为了提高路径规划效率,提出一种改进的分层路网的路径规划算法。首先,城市路网进行分层处理,以经典A*算法为核心,在高层路网上使用改进机制,评估函数做相应调整,然后,对其权值设置上下限阈值,提高算法的搜索精度及搜索效率。实验结果表明,规划的路径并非Dijkstra算法的最短,但是改进的算法使快速路段所占比例达90%以上,实际运行最优。     

双向搜索机制的改进A*算法研究

针对大规模环境下传统A*算法路径寻优存在的内存占有率高、计算效率低下的问题,提出了一种改进A*算法。引入了双向搜索机制,以原始起点、终点和对向搜索所处的当前节点作为目标点进行搜索操作,使AGV的路径寻优具备更加合理的方向性;优化评价函数,改进了评价函数的传统计算方式,通过测试为评价函数选择了合适的权重系数,减少路径寻优过程中的冗余点,提升路径寻优的计算效率,节约内存占有率。为了验证改进A*算法的有效性,在Matlab平台中进行编程,在不同尺寸的含障碍栅格地图中进行了仿真。仿真结果表明：改进A*算法在路径寻优过程中所遍历的节点数量较少,搜索过程中的计算效率更高,并且可获得到达目标点的最短路径。     

改进Dijkstra算法在GIS导航应用中最短路径搜索研究

研究GIS在电子导航系统应用中的最短路径搜索效率问题。在电子导航系统中对最短路径的搜索效率要求很高。随着城市发展交通线路剧增,传统的基于Dijkstra算法的GIS导航系统不能适应日益复杂的交通线路,存在最短路径搜索效率过低的问题。考虑到GIS空间分布的特性,提出了改进的Dijkstra算法用以解决GIS导航中的最短路径搜索问题。改进算法不仅避免了传统Dijkstra算法逐个节点遍历搜索,而且根据方向优先特性缩小搜索范围,大大减少了搜索工作量,并通过改变搜索节点存储的数据结构提高了最短路径的搜索效率。实验表明,这种改进算法较之传统算法能够有效提高最短路径的搜索效率,满足了电子导航系统对最短路径搜索效率的要求,取得了满意的结果。     

隐马尔可夫模型的道路拥堵时间预测

道路车辆拥堵问题导致交通事故增加,降低了居民的出行效率,长时间的道路拥堵更是加重了环境污染,造成国家经济损失等诸多问题。为缓解城市道路交通的拥堵问题,提高出行效率,基于隐马尔可夫模型,针对已有道路拥堵时间数据进行采集与建模,并对该隐马尔可夫模型进行训练,通过算法计算与分析,预测未来一段时间的道路拥堵情况,为人们的出行提供拥堵时间预测,而后提出不同时段通过道路用时最短的最优路径。对韦尔奇算法进行改进,在原算法基础上增加考虑前[n]时刻状态。利用改进型韦尔奇算法,使得训练集参数更精确,达到预测精度更高的目的。实验结果表明,预测数据结果与真实数据相比,误差不超过3%,该模型预测结果具有较高准确性。     

基于RFID手持式盲人导航系统的路径规划

提出了一种物联网技术下盲人导航系统的路径规划算法.采用Dijkstra最短路径算法作为基础算法,以关系数据库作为存储模式,通过多因素模糊算法来确定道路网络中的权值,并根据道路网络的空间分布特性,合理利用矩形限制搜索算法来限制搜索范围.结合算法在盲人导航系统中的应用,给出了算法的应用实例,仿真实验和实例分析结果表明了算法的正确性.     

K则最短路径算法效率与精度评估

精度和效率是决定最短路径算法实用价值的重要依据。对于K则最短路径问题,各种理论严密算法和有损算法的实用性分析是目前研究的薄弱环节。理论严密算法的实际运行效率比较及其有损算法的精度损耗与效率提高幅度的定量化一直未得到深入研究。针对这一问题,在对K则最短路径算法进行系统分类的基础上,分析了各种经典的理论严密算法和精度有损算法的特征与时间复杂度,结合实际城市路网数据对各种K则最短路径算法的运行效率和精度进行了测试和比较。结果显示,与有损算法相比,理论严密的K则最短路径算法普遍缺乏实用性,只有多重标号算法适合于某些要求精度无损的应用;而一些有损K则最短路径算法以较小的精度损失换取了较大幅度的效率提高,尤以双向搜索算法最具应用推广价值。     

复杂网络中最短路径问题的求解算法研究

本文以时间代价作为目标函数,针对复杂网络的优化问题进行研究,给出了目标评价函数模型的建立过程,提出了改进的A＊算法求解复杂网络中最短路径问题的算法,并以城市交通为例,对算法进行了验证,实验结果表明所提出的算法可适用于一般多重图中最短路径问题的快速求解,具有广泛的应用价值。