基于PCNN的迷宫路径搜索的评估函数优化研究

在前人对PCNN模型的研究及应用的基础上,结合启发式的搜索策略--A*搜索策略,设计了基于改进型的PCNN迷宫智能优化算法,并将其应用解决实际迷宫问题。主要工作为：（1）通过对PCNN模型内在机理的研究,并根据PCNN的自身特点,选择合适的模型参数以适合求解迷宫最短路径问题。（2）选择与改进了的PCNN模型相结合的A*搜索算法,并证明该算法是可靠的,具有一定的自适应能力和所求得的解是最优解。（3）通过IEEE标准迷宫和MATLAB平台,对该算法的评估函数进行设计、仿真和验证等,不仅论证了（2）的结论,同时也论证了该算法的高效性。相关研究工作的实验结果表明,该算法不仅可以尽快找到目标,而且可以在相对少的搜索区域里得到相对满意的路径。     

一种基于脉冲耦合神经网络的最短路径算法

提出了一种基于脉冲耦合神经网(Pulse—Coupled Neural Network，PCNN)的最短路径算法。通过对PCNN做很小的改变，该算法不但具有和Hopfield神经网络相同的并行处理特性，适用于求解大规模实时问题，而且还能一次求出源点到其它所有目的点的最短路径．根据PCNN的模型和运算规则，本文证明了该方法的正确性并分析了其复杂度．文中还将该算法运用于通信网络的路由选择．     

一种并行模糊神经网络最短路径算法

给出了模糊网络期望最短路径问题的定义,提出一种并行模糊神经网络最短路径（PFNNSP）算法解决模糊网络最短路径问题。PFNNSP算法首先通过模糊模拟对网络中的边权进行估计,接下来脉冲波在神经元之间的并行传播,相互激活搜寻任意一对结点之间的最短路径,最后,算法回溯输出路径表示和路径长度。在随机生成的小规模数据集上的仿真实验表明,PFNNSP算法在边权服从三角模糊分布的网络中执行时间优于Dijkstra算法,在大规模路网信息数据集上的仿真实验表明,PFNNSP算法能够有效求解网络中的最短路径,并且算法在迭代次数和收敛速度上要优于Dijkstra算法和A*搜索算法。     

基于改进PCNN算法的光网络RWA问题的研究

针对波分复用光网络在动态业务下的路由和波长分配问题,本文将一种改进的脉冲耦合神经网络(PCNN——Pulse Coupled Neural Networks)算法引入到光网络路由选择中,并将波长分配与分层图模型相结合,通过改变PCNN神经元的点火方式以及控制自动波的传播时间模拟路径代价,使得网络路由选择具有了PCNN的并行处理特性。结合波长分配算法进行仿真,结果表明,本算法与传统的最短路径算法相比,总能得到全局最优解且计算量小,降低了网络的呼叫阻塞率,提高了对网络资源的利用。     

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。     

基于蚁群算法的最短路径问题的研究和应用

求解交通路网中两点间的最短路径是智能交通系统中一个重要的功能,为了更为准确快速的找到最优解,本文尝试采用带有方向引导信息的蚁群算法来实现此功能。实验结果表明,该方法能较为准确的找到交通路网中两点间最短路径的最优解,搜索效率高、搜索最优解的能力强,对于智能交通系统中最短路径搜索的功能实现问题有一定的参考价值和实际意义。     

基于路径检测的航空器动态滑行路径优化模型北大核心

为了优化航空器在场面的滑行路径,提出基于路径检测的航空器动态滑行路径优化模型,使航空器在安全的前提下滑行总时间最短。首先明确包括冲突检测和拥堵检测的路径检测方法,然后将航班波滑行总时间最短作为目标,结合路径检测的约束建立多航空器滑行路径优化模型。采用蚁群算法求解,并针对优化模型将蚁群算法进行改进,采用双向搜索和引入奖惩因子,以提高全局搜索能力。算例分析中选取某机场滑行系统,对其某段时间内的真实航班波进行仿真,经验证:采用优化模型可以有效缩短航班波滑行总时间,滑行道的使用情况较为合理。     

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。     

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。     

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.

     

大规模通信网络带宽优化分配问题研究

提出一种大规模通信网络带宽分配的新方法．作者将大系统理论中的分解—协调方法运用于解决大规模通信网络带宽分配的优化问题，大型网络的优化问题被分解成一些互相关联的小型子网的优化问题．整个带宽优化分配问题的解决分为三个阶段：分解、协调优化及合并优化．计算结果表明，与现有算法相比，分解—协调大规模带宽管理算法(DCLPBM)既保证了很高的计算精度，又降低了时间与空间复杂度．由于算法中用到的协调机制较简单，DCLPBM易于推广到分布式计算环境，从以网络来治理网络的角度看，它具有较广的前景．     

新型PSO算法在停车场车位诱导问题中的研究

针对现有停车场管理系统中存在的车位诱导问题,提出了一种新型的粒子群算法。该算法对粒子群算法加入交叉、变异算子,用神经网络构造适应度函数,该适应度函数描述了环境约束及路径的距离信息,该算法克服了粒子群算法在后期出现的粒子“早熟”现象。仿真结果表明了该方法的正确性和有效性。     

针对复杂多环网络拓扑的路由改进算法

网络运营商为用户提供的光纤接入主干网大多以环型网络的方式提供服务,然而目前对于大规模、环数众多、连接方式多样化的复杂多环网络缺乏性能优良的路由算法。为解决传统环网结构网络延迟高和传输效率低的问题,提出一种针对复杂多环网络拓扑的路由改进算法,将多环网络中的复杂路由问题转化为单环网中的简单路由问题。在此基础上,通过设计源溯节点还原以及路径还原算法,将单一环网改进为增强环网网络结构,使同一环内通信节点间的路径还原为完整最短路径,并从理论上证明该算法得到的最优路径是无差错的。实验结果表明,相比于现有的优化Dijkstra算法,该算法的搜索空间比提升约13%,具有更好的改进效果,且算法运行时间缩短79%,更适合复杂多环网络的路由计算。     

基于轨迹大数据的动态最优路径规划

以轨迹大数据为基础,结合城市交通状态与用户个性化需求,提出一种基于改进Viterbi算法的动态最优路径规划算法。首先融合交通状态和真实路网拓扑结构,构建基于有向多重加权复杂网络的交通网络模型。采用基于层次分析法和熵权法相结合的综合赋权法对交通网络模型的多权重属性进行权重分配,得到新的有向加权复杂网络模型。进一步采用改进的Viterbi算法求解最优路径。最后,以兰州市为例,对最优路径规划进行分析,并将该算法与静态规划方法进行比较,验证城市最优路径规划算法的有效性与实时性。实验结果表明,结合城市交通状态与用户偏向的路径规划更加科学合理,能够为兰州市驾车出行、交通管理部门决策提供决策支持和参考。     

基于模式转变蚁群算法的波浪滑翔机路径规划

随着陆地资源短缺,环境恶化等问题的日益严峻,海洋资源的开发成为缓解陆地资源匮乏的重要途径。这时基于海洋观测大尺度长时序以及恶劣环境等特点的波浪滑翔机应运而生,波浪滑翔机在海洋环境中的路径规划也至关重要。具有良好的正反馈机制和环境互动性的蚁群算法作为波浪滑翔机的路径规划算法,让个体在不同时期根据自身位置和环境的不同来执行不同的方案,并在状态转移公式中加入可以模拟实际环境的海洋环境因素及方向记忆因子,通过不同个体的自身情况来筛选出最佳个体并规划出高效合理的最佳航线。结果表明,与传统蚁群算法相比,给出的改进蚁群算法在规划路径方面效率更高、用时更短,而且可以根据海洋环境的不同及时调节并作出最合理的航线规划。     

基于k-shell的复杂网络最短路径近似算法

复杂网络最短路径经典算法的处理效率较低，不适用于大规模复杂网络，而现有近似算法通用性有限，且计算准确率不理想，不能满足规模日益扩大的复杂网络中的最短路径计算需求。针对于此，提出基于[k]-shell的复杂网络最短路径近似算法。算法利用节点的[k]-shell值进行网络划分并引导搜索路径，利用超点聚合处理[k]-shell子网来降低路径搜索中节点和连边的规模，通过在路径搜索过程使用双向搜索树方法提高算法的计算效率和准确率。实验结果表明，算法通用性较好，在现实与仿真大规模复杂网络中均具有较高的计算效率和准确率。     

考虑网络流量的最优路径求解模型和算法

本文旨在解决交通网络中群体车辆的路径选择问题．即为每个车辆寻求最优行驶路径．使之在起迄点间的旅行时间最短．考虑到网络流量对路段旅行时间的影响，先进行流量分配，再同时为各个车辆寻求最短路径．为此，首先给出了考虑流量影响的网络模型，然后建立了基于路段的用于流量分配的变分不等式模型．该模型的解给出了车辆按照最优路径行驶时分配到各路段上的车辆数目．由于该模型是完全基于路段的，从而克服了基于路径方法必须进行路径穷举的缺陷．最后给出了最优路径选择算法，并证明了算法的正确性．本文给出的模型和算法适用于交通畅通、交通拥挤等各种情况．实验结果表明本文提出的模型和算法是非常有效的．     

基于改进蚁群算法的钻井救援车辆路径规划

为了解决救援车辆路途时间过长导致钻井事故应急救援不及时的问题, 提出一种基于改进蚁群算法的钻井救援车辆路径规划方法. 首先针对基本蚁群算法易陷入局部最优, 且在求解转移概率时仅依据信息素含量和路径长度, 未考虑实际路网中影响道路通行的外界因素等不足, 通过引入路径权重因子和改进路径选择策略, 对基本蚁群算法进行了改进; 然后利用改进的蚁群算法, 以用时最少为目标建立了救援车辆路径规划模型; 最后进行了救援车路径规划仿真实验和实际应用测试, 结果表明本文提出的方法可以合理规划出一条全局最优的救援路径, 能有效地解决钻井救援车辆路径规划问题.     

基于免疫遗传算法的移动机器人全局路径规划

提出了基于免疫遗传算法的静态环境下移动机器人全局路径规划方法。该方法首先建立机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,将免碰撞要求和路径最优要求融合成免疫遗传算法的一个简单适应度函数。将抗体选择概率表示成一个基于抗体矢量距和抗体浓度的融合函数,同时保证了抗体的多样性和成熟收敛。通过仿真,并与遗传算法相比,性能有很大提高,证明了该全局路径规划方法的正确性和有效性。