城市交通最优路径算法

城市智能交通系统中,最优路径算法及其优化是研究热点之一,是整个交通系统较为核心的部分.结合图论中最短路径算法,研究了城市交通可达路径算法,并对其进行了有效优化.通过图论中的路径代价函数,提出了城市最优路径算法,在此基础上,通过优化搜索区域、可达路径的搜索方向以及路网分层搜索等优化策略,达到了优化城市最优路径算法的目的,提出的城市最优路径及其优化算法能够给出行者提供多条参考的时间最优路线,方便出行者选择.通过算法的应用实例,验证了城市最优路径及其优化算法的有效性与实时性.     

多维代价图模型上最优路径查询问题的研究

近年来,图数据模型被广泛地用于刻画现实世界中各种各样的实体间的复杂关系.最短路径查询是图研究领域中一类非常重要的查询并有着广泛的应用.然而,目前大多数关于最短路径的查询都是定义在单代价(权重)图模型下的.现实世界中,基于单一代价所选择的最短路径并不明智,比如路程最短的路径需要花费极高的费用.该文中,作者介绍了多维代价图模型的概念,并给出了多维代价图模型下基于函数的最优路径的定义.现有的计算最短路径的方法都利用了最短路径的子路径最优的性质:最短路径上的任意两点间的子路径是这两点的最短路径.因此,在计算最短路径的过程中,对访问过的每个顶点,只需保留起点到该点的最短路径即可.不幸的是,多维代价图模型下,当评分函数是非线性的时候,子路径最优的性质并不成立.因此,目前的方法均不能应用于多维代价图模型下基于函数的最优路径查询问题.该文给出了一个best-first search分支界限法并给出3种优化策略.进一步,给出了一个顶点过滤算法,该算法能从图中过滤掉大部分不属于最优路径的顶点.最后,用真实数据集上的实验验证了算法的有效性.     

基于粒子群优化算法的移动机器人全局路径规划

提出了一种基于粒子群优化算法的移动机器人全局路径规划方法.该方法首先进行环境地图建模,通过坐标变换在路径的起点与终点之间建立新地图,然后利用粒子群优化算法获得一条全局最优路径.该方法模型简单,算法复杂度低,收敛速度快,而且模型不依赖于障碍物的形状.仿真实验证实了该方法的有效性.     

一种基于离散Morse理论的优化模型及其应用

根据Forman 的离散Morse 理论的特点, 提出一种基于离散Morse 理论的优化模型. 该模型在3 维及以上空间点构建离散Morse 函数进行最优化, 得到了问题的最优解或近似最优解. 同时, 证明了所构建的函数确实是复形上的离散Morse 函数. 利用4 个典型的测试函数进行仿真实验, 结果表明了该模型的有效性, 且该模型尤其适用于解决大数据量的优化问题. 从聚类的过程即目标函数的优化过程这一角度考虑, 尝试将优化模型应用于聚类分析. 仿真实验结果表明, 所提出的算法能较好地划分数据点重叠区域的聚类形状, 验证了所提出算法的可行性和有效性.     

应急物流车辆调度多目标鲁棒优化研究

针对应急物流车辆调度问题中对于经济性、时效性、可靠性和鲁棒性的多种要求，考虑了含有时间窗、不确定需求、不确定行驶时间，以及路段含有失效风险的多目标鲁棒车辆路径优化问题，通过定义新的成本函数、满意度函数、风险度函数和鲁棒度函数作为四个优化目标来构建模型，并基于鲁棒优化理论将不确定模型转化为确定性鲁棒对应模型求解，为解决不确定环境下优化问题提供了新的思路。算法方面，主要基于SPEA2算法框架求解该多目标模型，针对算法缺陷提出多种改进策略，并通过对比实验证明了改进策略的有效性。     

时相关车辆路径规划问题的改进A*算法

时相关车辆路径问题是研究时变路网环境下的车辆路径优化问题.首先,分别采用阶跃函数和分段连续函数描述不同路径上的跨时段行驶速度和威胁度,将路径时间指标和路径威胁指标表示成时相关函数;其次,为提高搜索效率,对传统A*算法进行改进,在启发函数中增加了最短路径中当前结点的父结点信息,构造了包含里程指标、时间指标和威胁指标的时相关启发函数;最后,构造了包含100个结点、190条路径的车辆机动保障路网模型,通过仿真验证了该算法的有效性.     

基于轨迹安全性评价的免疫遗传路径规划算法

针对移动机器人栅格路径规划中安全轨迹规划、局部极小点问题,提出了一种基于轨迹安全性评价的免疫遗传路径规划算法.通过将人工势场(APF)模型与轨迹安全性评价相结合,提出利用斥力场强度评估轨迹安全性,建立基于轨迹安全性、行驶代价评估的适应度函数,利用免疫遗传算法对APF模型中的势力场参数进行自适应优化估计.通过将参数变化控制在一个合理的区间,有效避免局部极小情况的发生,同时提高了路径的安全性.算法的有效性通过仿真实验得到了验证.     

凸优化与A*算法结合的路径避障算法

为提高足式移动机器人的避障能力和路径规划效率,提出一种凸优化与A*算法结合的路径避障算法.首先,基于半定规划的迭代区域膨胀方法IRI-SDP(iterative regional inflation by semi-definite programming),通过交替使用两种凸优化算法快速计算出地面环境中无障碍凸多边形及其最大面积内切椭圆,用于移动机器人的局部避障和任务动作规划;然后,结合经典的A*算法,建立机器人局部和世界坐标系、机器人质心轨迹转换模型、碰撞模型和启发式代价函数,在全局环境中寻找最优成本最小的路径;最后,通过仿真实验验证该算法的有效性.     

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。     

连续空间优化问题的自适应蚁群系统算法

蚁群算法是进化计算中一种新型优化算法,其基本算法用于求解排序类型的组合优化问题本文提出一种用于连续空间优化问题求解的蚁群算法,采用了新的基于目标函数值的启发式信息素分配算法,以及搜索过程中最优解的筛选方法.根据目标函数来自适应调整蚂蚁的路径搜索行为,从而保证算法快速找到全局最优解.一个多极值点的连续优化问题求解实例证明了该方法的有效性     

基于干扰度的长大货物联运路径规划方法

针对长大货物联运路径规划问题,构造干扰度函数以量化长大货物联运对正常运输的影响程度,并以长大货物联运总成本最少为第一优化目标,以对正常运输的干扰程度最低为第二优化目标,构建基于干扰度的长大货物联运路径多目标规划模型;基于研究问题的特征,结合所提类三棱柱网络构造算法,设计基于K-最短路的联运路径规划算法。算例结果表明,所提方法能制定多组长大货物联运路径规划方案,降低长大货物联运的干扰影响,能确定影响方案优劣的关键路段与节点。提出的方法可为长大货物联运组织提供决策支持。     

罚函数凸优化迭代算法及在无人机路径规划中的应用

针对无人机路径规划问题,建立了具有定常非线性系统、非仿射等式约束、非凸不等式约束的非凸控制问题模型,并对该模型进行了算法设计和求解。基于迭代寻优的求解思路,提出了凸优化迭代求解方法和罚函数优化策略。前者利用凹凸过程(CCCP)和泰勒公式对模型进行凸化处理,后者将经处理项作为惩罚项施加到目标函数中以解决初始点可行性限制。经证明该方法严格收敛到原问题的Karush-Kuhn-Tucker(KKT)点。仿真实验验证了罚函数凸优化迭代算法的可行性和优越性,表明该算法能够为无人机规划出一条满足条件的飞行路径。     

A*估价函数在复杂配送路径优化中的改进

随着城市交通日趋复杂,时间和路径成本直接决定路径规划的效果,但传统的A*算法已经不能满足复杂路径优化的需求。对此,提出了一种TWA*算法,在传统的A*算法基础上对其估价函数进行了改进。首先,通过时间参数建立时间因子归一化模型来提高节点被选择概率,节约时间成本;其次,结合时间因子与估价函数降低路程成本。实验采用北京市某一区域GPS数据,分别用A*算法和TWA*算法进行验证,结果表明,与传统A*算法相比,TWA*算法在时间及路径成本上分别提高了约6%和5%,达到了路径优化的目的,同时为企业物流的高效配送提供了较可靠的参考依据。     

多目标多时间窗车辆路径问题的鸽群-水滴算法

针对智能水滴算法求解带时间窗车辆路径规划收敛速度慢、计算精度差的问题,根据带时间窗车辆路径问题的应用要求,利用整数线性规划方法,以配送车辆的最小运输总成本、最短运输距离和最少安排数量为目标,综合考虑了车辆出发点、服务点、装载量、行驶距离、服务时间窗等诸多约束条件,构建了多目标多时间窗车辆路径模型;为了精准快速求解多目标多时间窗车辆路径模型,提出一种鸽群-智能水滴互补改进优化算法,将河道水滴离散二进制变换后,采用地图罗盘算子和地标算子分别改进水滴的流动速度和方向,并利用自适应变邻域扰动策略干扰水滴携带的泥土量,提高水滴算法的开发和探索能力;利用理想点法和罚函数与多目标优化混合方法分别处理多目标函数与约束条件,并以两种经典的带时间窗车辆路径问题为实例,通过与遗传算法、智能水滴算法和鸽群-水滴算法的计算结果进行比较,结果表明：在相同的算法参数和经济指标下,鸽群-水滴算法相比于智能水滴算法求解模型中的运输路径缩短20 km左右、运输成本节约403元左右,且该算法的求解时间和迭代次数也明显优于其他两种人工智能算法。     

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。     

基于改进蚁群算法的物流运输路径研究

为了在复杂的交通环境中能够快速求解出物流运输的最优路径,在传统蚁群算法基础之上提出了一种基于改进蚁群算法的物流运输路径优化模型。首先,通过在传统蚁群算法中加入基于运输时间、成本、道路平均通畅程度因子的约束条件,同时改进传统信息素的更新方式,对道路上的信息素浓度进行最大最小限制,从而改变路径选择转移概率。最后,利用改进蚁群算法与CSAACO算法、ACO算法进行仿真实验,在相同实验环境条件下测试3种算法在物流运输路径的距离缩短量和时间减少量,实验数据表明,改进蚁群算法在运输距离和运输时间方面明显低于CSAACO算法和ACO算法。改进蚁群算法拥有更强的全局寻优能力,算法收敛速度更快,所需时间更少,获得的最优路径更短,提高了整个物流行业的运输效率。     

Freight transportation function in supply chain optimization models: A critical review of recent trends

Supply chain mathematical programming models mainly used for computer-aided decision-making processes, have been widely used to date as an advanced support to the experts’ opinions. Transportation operations are often a central aspect of such models. We developed a detailed review of the freight transportation function included in supply chain models, and some transportation aspects were identified and analyzed in recent articles (2009–2013). We identified one paradigm, two trends and an anomaly regarding transportation modeling. The main anomaly-related observation refers to the absence of correspondence between the modeling of transportation operations and the transportation cost function considered in the models. This gap has not been so far considered in the literature and we propose a framework to guide, in a more systemic way, the transportation considerations into optimization models. In addition, some concerns regarding trade-off analysis, private/outsourced fleet considerations, the role of time and distance in transportation cost analysis, among others, were also included. These issues are expected to be significant for supply chain analysts whose decisions emerge from modeling and computer-aided tools.     

基于多式联运的组合优化模型及求解方法

针对集装箱多式联运中运输路线优选和运输方式优选的问题,建立了组合优化模型,该模型是一个0-1规划模型。通过将运输网络划分成若干阶段,存在路径的不相邻阶段间增加虚拟城市节点,构建了扩展的虚拟运输网络,把原问题转化成一个带时间约束和能力约束的最短路径问题,给出了相应的求解方法。该方法的主要优点:它是一个更简单的方法;不受随机分布多城市的限制。     

智慧城市路网交通流量均衡性优化调度方法

早高峰和晚高峰时段的路网交通混乱,极易发生拥堵情况,为缓解交通系统压力,设计节点元胞划分下智慧城市路网交通流量均衡性优化调度方法。获取不同交通路线间的流量分离函数,定义路径交通流量和可用路段费用,得到出行者在某段路径上的概率函数,计算智慧城市路网各路段交通流量;获取流量守恒和车辆传递函数,计算可变元胞的单独序列,建立交通节点元胞划分模型;设计交通流量均衡性优化调度算法,得到城市路网均衡性的优化调度结果。设置仿真参数,对比优化前后三个路网模型的路径流量,仿真结果显示：早高峰和晚高峰时段路段内的路径流量明显降低,在其他时段,优化后的路径流量也不同程度下降,且路网模型越复杂,该优化方法的调度效果越好。