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。     

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。     

移动卫星网络中的最短路径算法研究

移动卫星网络的拓扑时变性对其最短路径求解带来新的问题。文章利用提出的移动卫星网络模型,证明了基于传统网络的最短路径算法在移动卫星网络中使用存在局限性,提出了一种适用于移动卫星网络的最短路径求解方法和优化算法,并进行了仿真验证。     

一种基于路径阻断的求解最短路径算法

全源最短路径的求解是计算机科学、交通工程、地理信息系统等学科中的一个研究热点。随着网络规模不断增大,求解全源最短路径的时间复杂度急剧上升,这制约了复杂网络相关研究与应用的快速发展,因此最短路径算法的效率问题是普遍关注并且在实际应用中迫切需要解决的问题。本文在BFS的基础上,引入路径阻断策略,利用已求得的单源最短路径节点的结果,加速全源最短路径的求解。实验结果表明该方法对大规模网络全源最短路径实现了加速计算。     

智能交通中的高效多准最短路径混合算法*

针对智能交通系统（ITS）中求解多条准最短路径的问题,提出了一种混合算法。该算法以Floyd算法和A*算法为基础,主要运用遗传算法来求解多条准最短路径。实验的结果表明了该混合算法的可行性和比其他算法的高效性。     

网络中最短距离的递归算法

提出了在搜索过程中采用标记最短距离,调用递归函数用回溯搜索法求解网络最短距离的算法。该算法可以方便地求解复杂网络或复杂迷宫的通道与最短距离问题,在求解结果中给出从起点到网络通道上任意点的路径标识和最短距离值等信息,在无向加权图的最短路径求解中,显示出比Dijkstra方法小的时间复杂度。该算法克服了传统回溯法求解复杂迷宫时被时间复杂度和空间复杂度困扰的难题,显示出良好的应用前景。     

基于加权标识S-图的最短路径研究

为解决智能交通系统中交通运输网络分析和最短路径问题,提出加权标识S-图最短路径算法。根据Petri网基本原理和加权S-图的特点,给出交通网络加权S-图的网模型。阐述加权标识S-图最短路径的基本原理、求解加权标识S-图的最短路径定理及证明。通过交通运输网络示例和实验对算法进行验证,对比分析算法性能。结果表明,加权标识S-图最短路径算法能够更有效地求解交通网络最短路径。     

基于深度强化学习的电力物资配送多目标路径优化

针对现有电力物资车辆路径问题（EVRP）优化时考虑目标函数较为单一、约束不够全面,并且传统求解算法效率不高的问题,提出一种基于深度强化学习（DRL）的电力物资配送多目标路径优化模型和求解算法。首先,充分考虑了电力物资配送区域的加油站分布情况、物资运输车辆的油耗等约束,建立了以电力物资配送路径总长度最短、成本最低、物资需求点满意度最高为目标的多目标电力物资配送模型;其次,设计了一种基于DRL的电力物资配送路径优化算法DRL-EVRP求解所提模型。DRL-EVRP使用改进的指针网络（Ptr-Net）和Q-学习（Q-learning）算法结合的深度Q-网络（DQN）来将累积增量路径长度的负值与满意度之和作为奖励函数。所提算法在进行训练学习后,可直接用于电力物资配送路径规划。仿真实验结果表明,DRL-EVRP求解得到的电力物资配送路径总长度相较于扩展C-W(ECW)节约算法、模拟退火（SA）算法更短,且运算时间在可接受范围内,因此所提算法能更加高效、快速地进行电力物资配送路径优化。     

随机时间依赖网络的K期望寿命最短路径算法研究

在交通网络和数据网络中,网络特征（如孤的权值、结点耗费等）既具有随机性又具有时间依赖性,这样的网络称之为随机时间依赖网络,简记为STD网络。在实践中,STD网络模型比传统网络模型具有更广泛的应用。由于随机性和时间依赖性引入到网络模型中,使得最短路径问题变得复杂化和多样化,传统的最短路径算法已不再适应这样复杂的网络环境,这就迫使我们寻求新的解决方法。本文解决的问题是,STD网络中,在任意时刻从单源点出发到达单目的地的预先K期望最短路径问题。我们将可靠性理论应用于该问题的求解中,推导出新优势判别法,使得传统判别法中的参数由二维降到一维,减小了路径间不可比较的可能性,既节省了存储空间又加快了搜索速度。然后。设计并实现了求解该问题的K_RELSP算法,并通过试验验证了该算法具有很高的运行效率。     

基于GA的网络最短路径多目标优化算法研究

针对现有基于遗传算法(GA)优化的网络最短路径算法存在优化目标单一、遗传编码质量低、搜索策略间平衡性差、适应度分配效率与灵活性较低等问题,建立一种多目标优化最短路径自适应GA模型,提出了优先级编码和优先级索引交叉算子,引入了遗传算子参数的模糊控制机制和基于自适应加权的适应度分配方法.实验结果表明,该算法的准确性和稳定性高、复杂度合理,实现了对网络设计优化中多目标最短路径问题的高质量求解.     

Dynamic route guidance algorithm based on artificial immune system

To improve the performance of the K-shortest paths search in intelligent traffic guidance systems, this paper proposes an optimal search algorithm based on the intelligent optimization search theory and the metaphor mechanism of vertebrate immune systems. This algorithm, applied to the urban traffic network model established by the node-expanding method, can expediently realize K-shortest paths search in the urban traffic guidance systems. Because of the immune memory and global parallel search ability from artificial immune systems, K-shortest paths can be found without any repeat, which indicates evidently the superiority of the algorithm to the conventional ones. Not only does it perform a better parallelism, the algorithm also prevents premature phenomenon that often occurs in genetic algorithms. Thus, it is especially suitable for real-time requirement of the traffic guidance system and other engineering optimal applications. A case study verifies the efficiency and the practicability of the algorithm aforementioned.     

Dynamic route guidance algorithm based on artificial immune system

To improve the performance of the K-shortest paths search in intelligent traffic guidance systems, this paper proposes an optimal search algorithm based on the intelligent optimization search theory and the metaphor mechanism of vertebrate immune systems. This algorithm, applied to the urban traffic network model established by the node-expanding method, can expediently realize K-shortest paths search in the urban traffic guidance systems. Because of the immune memory and global parallel search ability from artificial immune systems, K-shortest paths can be found without any repeat, which indicates evidently the superiority of the algorithm to the conventional ones. Not only does it perform a better parallelism, the algorithm also prevents premature phenomenon that often occurs in genetic algorithms. Thus, it is especially suitable for real-time requirement of the traffic guidance system and other engineering optimal applications. A case study verifies the efficiency and the practicability of the algorithm aforementioned.     

Dynamic route guidance algorithm based algorithm based on artificial immune system

To improve the performance of the K-shortest paths search in intelligent traffic guidance systems,this paper proposes an optimal search algorithm based on the intelligent optimization search theory and the memphor mechanism of vertebrate immune systems.This algorithm,applied to the urban traffic network model established by the node-expanding method,can expediently realize K-shortest paths search in the urban traffic guidance systems.Because of the immune memory and global parallel search ability from artificial immune systems,K shortest paths can be found without any repeat,which indicates evidently the superiority of the algorithm to the conventional ones.Not only does it perform a better parallelism,the algorithm also prevents premature phenomenon that often occurs in genetic algorithms.Thus,it is especially suitable for real-time requirement of the traffic guidance system and other engineering optimal applications.A case study verifies the efficiency and the practicability of the algorithm aforementioned.     

Algorithmus 20 Ein leistungsfähiger Algorithmus zur Bestimmung von K-kürzesten Wegen in einem Graphen

A computer programming algorithm is presented which is based on Yen's principle [1] for finding the K loopless paths that have the shortest lengths from one fixed node to another in a network. Several modifications and extensions permitted to construct an extremely efficient algorithm, with regard to the number of necessary memory addresses as well as to the need of operations. The computer time increases linearly with K and is mostly less than the time of Hoffman-Pavley's algorithm [2], moreover, each of the generated paths is loopless. The algorithm published in this paper may be one of the best methods available till now for the solution of the K-shortest paths problem.     

基于最小路径交叉度的域内路由保护方案

已有的路由保护方案面临下面两个问题:(1)默认路径和备份路径包含的公共边数量较高,如ECMP和LFA等;(2)为了计算两条包含公共边数量较少的路径,限制默认路径不能使用最短路径,如红绿树方案等.针对上述两个问题,首先将计算默认路径和备份路径描述为一个整数规划问题,然后提出采用启发式方法求解该问题,接着介绍了转发算法,最后通过仿真实验和真实实验对算法进行了测试.实验结果表明,该算法不仅具有较低的计算复杂度,而且可以降低默认路径和最短路径包含的公共边的数量,提升网络可用性.     

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。     

基于GA-NN的复杂工艺生产过程多目标优化研究

在复杂非线性多目标优化问题求解中,非线性模型结构很难事先给定,需要检验的参数也非常繁多,应用传统的建模方法和优化模型已难以解决更为复杂的现实问题。人工神经网络技术为解决复杂非线性系统建模问题提供了一条新的途径。将神经网络响应面作为目标函数或者约束条件,加上其他常规约束条件进行系统模型的建立,再应用遗传算法进行优化,从而实现设计分析与设计优化的分离。以某化工企业的生产过程优化问题为例,利用BP神经网络建立了工艺参数与性能目标之间的模型,然后利用遗传算法搜索最优工艺参数,获取了用于指导生产的样本点数据。研究结果表明,该方法能够获得高精度的多目标优化模型,从而使优化效率大为提高。     

基于节点兴趣和Q-learning的P2P网络搜索机制

将智能手机设备加入基于非结构化P2P网络的资源共享系统中能够满足人们对资源共享的多样化、便利性、高频性、实时性、高效性等要求,但是该系统网络规模的扩张和网络节点互异性的加大,必将导致系统资源搜索效率的降低、冗余信息的剧增以及网络更加不稳定。为了解决这些问题,文中设计了一种改进的基于节点兴趣和Q-learning的资源搜索机制。首先将节点根据兴趣相似度进行兴趣聚类,划分兴趣集,然后根据兴趣集中节点的能力值构建兴趣树,该结构避免了消息环路的产生,极大地降低了冗余信息;在资源搜索中,兴趣树内采用洪泛算法转发消息,兴趣树之间采用基于Q-learning的消息转发机制,不断强化最可能获取目标资源的路径,查询消息优先在这些路径上传播。另外,针对"热点"资源问题,设计了自适应热点资源索引机制,减少了重复路径搜索,进一步减少了冗余消息量;针对节点失效的问题,给出了根节点冗余机制和捎带检测的策略方法,分别解决了根节点失效和普通节点失效导致的兴趣树的不完整性问题,分析表明该方法能够减少消息冗余量。仿真实验结果表明,与GBI-BI算法和Interest CN算法相比,所提搜索算法能够提高命中率,缩短响应时间...