公交车网络的最短路径算法及实现

最短路径问题是图论研究中的一个经典算法问题．旨在寻找图中任意两结点之间的最短路径。一般在交通道路网络中最短路径问题就是单纯地求解两点问的最短路径。为了保证实用性，公交车网络的最短路径算法以转车次数最少为首要目的。文中借鉴广度优先搜索的思路来求解最短路径，即逐个找出经过起点站和终点站的车次以及这些车次沿途可转的车次。首先说明了算法的计算机实现方法，再举例详细说明其过程，最后指出此算法的扩充用途。     

最短路径问题的禁忌搜索求解方法

针对网络优化算法中的最短路径（Shortest Path,SP）问题,建立了有约束条件的SP问题模型,并探讨了使用禁忌搜索（Tabu Search,TS）算法对其求解的算法框架及关键步骤。该求解方法寻优能力强,结构简明,能方便处理问题约束,具有智能计算方法的优点。最后,通过实例进行测试和比较,证明算法收敛速度快,并能够获得满足约束条件的优解集合,能适应较差网络条件下的多条路径选择,算法是可行和有效的。     

GIS-T中途经多地点后返回的最短路径搜索算法

在交通运输过程中，用户经常需要搜索经过多个无序地点后返回起点的最短路径。为此，首先在GIS-T中原有空间数据的基础上，动态地建立了一个两点间最短路径信息库；然后，给出了一个不依赖搜索图、结合路线特点的算法，实现了对所需的最短路径的搜索。     

前N条最短路径在网络中的应用

在Dijkstra算法基础上,提出基于双向搜索的前N条最短路径算法,给出了相应的数据结构和算法实现,同时针对网络的动态性,对静态算法作了适当的改进。     

有向赋权网络中任意节点对的最短路径集求解方法

有向赋权网络任意节点对之间的最短路径可能多于一条,运用Floyd算法对已知加权交互网络的最短路径进行求解,对获得最短路径后的每一个节点对,向其中插入已知交互网络中的其余所有节点,并计算此时的节点对之间的路径,通过与前次Floyd算法计算出的最短路径进行比较,筛选出构成最短路径的所有中间节点,并构建路径支撑树,基于路径支撑树确定任意节点对的最短路径集.     

混合分散搜索算法求解带容量约束车辆路径问题

设计一种解决带容量约束车辆路径问题的混合分散搜索算法. 在基本分散搜索的基础上, 保留参考集更新策略和组合策略的全局搜索能力. 采用随机插入法作为解的多样性产生方法, 以扩大搜索空间, 避免陷入局部最优.应用简化的变邻域搜索作为改进策略进行局部开发, 引入邻域半径减少策略提高开发效率. 对改进后的新种群实施精英保留策略, 保证算法收敛. 实验结果分析表明, 混合分散搜索算法优于所对比的算法, 寻优能力可靠.

     

公交车网络的最短路径算法及实现

最短路径问题是图论研究中的一个经典算法问题,旨在寻找图中任意两结点之间的最短路径.一般在交通道路网络中最短路径问题就是单纯地求解两点间的最短路径.为了保证实用性,公交车网络的最短路径算法以转车次数最少为首要目的.文中借鉴广度优先搜索的思路来求解最短路径,即逐个找出经过起点站和终点站的车次以及这些车次沿途可转的车次.首先说明了算法的计算机实现方法,再举例详细说明其过程,最后指出此算法的扩充用途.     

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.     

改进的蚁群算法求解最短路径问题

针对蚁群算法在求解交通网络两点之间最短路径时存在收敛速度慢和容易出现停滞现象等缺点,为提高搜索效率,提出了一种改进的蚁群算法。通过在初始化信息素时加入方向引导因素,减少了劣质解,提高了解空间的质量;设计一个动态因子,使其自适应地更新全局信息素,很好地利用了较优的解,提高了全局搜索能力,避免算法求解出现早熟。仿真结果表明,不但在收敛速度有大幅度地提高,而且在避免易于陷入局部最优解方面取得了很好的效果。实例证明了改进算法是可行有效的。     

深度优先搜索求解网络单源最短路径算法

提出在深度优先搜索过程中采用标记当前搜索位置离起始点最短距离方法,有效地实现了求解复杂网络的单源最短路径问题.通过对运算效率的分析,表明该算法通过优化改进可以达到理想的运算效率;模拟了不同规模的含障碍网络(182～13770个节点),其单源最短路径的求解运算平均效率为O(kV)(其中k≤18,V为路节点数),等同于用改进后的最优Djkstra算法求解效率O(mlogn).报告了一个具有现实应用价值和更具潜在研究价值的深度优先搜索智能算法.     

切换到高一层路网最近四个点的最短路算法

针对基于大规模图的最短路问题求解速度慢的问题,提出了一个基于路网等级的求最短路的快速近似算法。该算法首先求出高一层路网到起点的4个最近点和到终点的4个最近点及最短路径,由高一层路网形成的子图T再加上这8个最短路径形成图T',在T'上求起点到终点的最短路。这种设计使得该算法适合在超大规模图上求解,理论上也证明了精度可控,同时预处理数据也是可行的,从而使两点间最短路的求解速度大大提高。在纽约公路网上的测试结果说明了该算法的有效性和合理性。     

基于云计算的混合并行遗传算法求解最短路径

为提高最短路径求解问题的效率,提出一种基于云计算的细粒度混合并行遗传算法求解最短路径的方法。方法采用云计算中H adoop的Map Reduce并行编程模型,提高编码效率,同时将细粒度并行遗传算法和禁忌搜索算法结合,提高了寻优算法的计算速度和局部寻优能力,进而提高最短路径的求解效率。仿真结果表明,该方法在计算速度和性能上优于经典遗传算法和并行遗传算法,是一种有效的最短路径求解方法。     

一种面向城市复杂路网最短路径提取的定向收敛算法*

为提高城市复杂路网最短路径提取的效率,针对路网数据量大、结构密集等特点,研究了路网节点之间最短路径的分布特征,通过引入收敛点方式,设计并实现了一种面向复杂路网最短路径快速提取的定向收敛算法。为检验该算法的有效性,利用某城市道路交通网络进行了实验和分析,并与Dijsktra算法、A*算法等比较,证实了该算法能够提高路径搜索效率,且随着城市路网规模的扩大定向收敛算法的高效性将愈加明显。     

Output-threshold coupled neural network for solving the shortest path problems

This paper presents a coupled neural network, called output-threshold coupled neural network (OTCNN), which can mimic the autowaves in the present pulsed coupled neural networks (PCNNs), by the construction of mutual coupling between neuron outputs and the threshold of a neuron. Based on its autowaves, this paper presents a method for finding the shortest path in shortest time with OTCNNs. The method presented here features much fewer neurons needed, simplicity of the structure of the neurons and the networks, and large scale of parallel computation. It is shown that OTCNN is very effective in finding the shortest paths from a single start node to multiple destination nodes for asymmetric weighted graph, with a number of iterations proportional only to the length of the shortest paths, but independent of the complexity of the graph and the total number of existing paths in the graph. Finally, examples for finding the shortest path are presented.     

基于标准神经网络模型的非线性系统分布式无线网络化控制

针对采用标准神经网络模型(SNNM)描述的非线性系统,提出一种基于无线控制网络(WCN)的全分布式控制方法.采用置信因子模拟WCN中无线通信链路的不确定性,利用Lyapunov理论和Lur’e系统方法,将无线网络化控制系统(WNCS)的稳定性分析转化为一个具有线性矩阵不等式(LMI)约束的凸优化问题;使用CVX工具包求解该凸优化问题,得到了保证闭环系统全局渐近稳定的WCN配置参数.仿真结果验证了所提出控制策略的正确性和有效性.     

A shortest path routing algorithm using Hopfield neural network with an improved energy function

A shortest path routing algorithm using the Hopfield neural network with a modified Lyapunov function is proposed. The modified version of the Lyapunov energy function for an optimal routing problem is proposed for determining routing order for a source and multiple destinations. The proposed energy function mainly prevents the solution path from having loops and partitions. Experiments are performed on 3000 networks of up to 50 nodes with randomly selected link costs. The performance of the proposed algorithm is compared with several conventional algorithms including Ali and Kamoun's, Park and Choi's, and Ahn and Ramakrishna's algorithms in terms of the route optimality and convergence rate. The results show that the proposed algorithm outperforms conventional methods in all cases of experiments. The proposed algorithm particularly shows significant improvements on the route optimality and convergence rate over conventional algorithms when the size of the network approaches 50 nodes.     

网络监测节点序列部署问题的占线竞争算法设计

万维网的高速发展需要在网络内部构建部署相应的网络监测系统,但由于耗资巨大,在设计网络监测系统时,网络节点部署初期往往不能一次性监测完所有的边,只能选择有限的网络节点以监测少部分的边,再逐渐增加部署新的网络监测节点.在占线理论与竞争策略的基础上,研究网络监测系统网络节点序列占线优化部署问题,给出一个竞争算法,证明了该算法具有常数竞争比,该竞争比结果优于已有的结果.     

服务覆盖网络中一种动态流量工程模型与算法

针对服务覆盖网络中的自私路由造成的网络流量失衡将严重影响网络效率和稳定性的问题, 研究如何在覆 盖层应用动态流量工程的方法进行流量优化分配. 基于随机动态优化配流理论, 提出一种服务覆盖网络的动态流量 工程模型, 并设计了分布式的流量工程算法. 该算法可以折衷控制路由的自私与负载均衡的程度. 模拟实验显示, 所 提出的方法较其他方法具有更好的性能, 尤其对于实时动态流量有着较好的适应性.

     

On an exact method for the constrained shortest path problem

The constrained shortest path (CSP) is a well known NP-Hard problem. Besides from its straightforward application as a network problem, the CSP is also used as a building block under column-generation solution methods for crew scheduling and crew rostering problems. We propose an exact solution method for the CSP capable of handling large-scale networks in a reasonable amount of time. We compared our approach with three different state-of-the-art algorithms for the CSP and found optimal solutions on networks with up to 40,000 nodes and 800,000 arcs. We extended the algorithm to effectively solve the auxiliary problems of a multi-activity shift scheduling problem and a bus rapid transit route design problem tackled with column generation. We obtained significant speedups against alternative column generation schemes that solve the auxiliary problem with state-of-the-art commercial (linear) optimizers. We also present a first parallel version of our algorithm that shows promising results.