基于改进蚁群算法的出租车路径规划算法

交通资源规划是一种比较典型的组合优化问题,新型的仿生算法--蚁群算法,由于具有正反馈性、鲁棒性、并行计算、协同性等特点,非常适合于解决交通资源规划问题.针对出租车路径规划问题的特点以及蚁群算法在这方面应用的一些不足,提出了一种改进的蚁群算法.根据同一蚁群的信息素相互激励,不同蚁群之间信息素相互抑制的原理,该算法实现了出租车资源的合理分布.     

考虑驾乘人员公平性的网约出租车合乘路径优化模型

为了充分发挥合乘出租车承载率高、运营效益高及交通资源省等优点, 缓解城市打车难问题, 对网约出租车合乘路径优化问题开展研究. 首先针对路网中网约出租车的供需情况, 以系统路径最短为优化目标建立目标函数, 其次考虑网约出租车额定载客量、路径合理性、乘客利益及驾驶员收益与时间窗因素, 构建优化模型的约束条件, 并结合绕行距离与乘客公平性原则进行费用约束, 使得绕行距离长的合乘子路径获得更多的费用补偿, 然后基于遗传算法思想, 针对合乘路径中乘客需求起终点的次序问题, 设计了改进的交叉与变异算子. 最后依据大连市区局部路网高峰时段内的出租车供需数据, 利用合乘路径优化模型及算法进行求解. 研究表明, 优化模型及算法可以短时间寻求到系统近似最优解, 所得合乘方案较非合乘出行模式有效减少了出租车空驶率与乘客的出行成本, 提高了驾驶员的平均收益.     

出租车合乘多目标优化方法研究

出租车合乘是缓解我国日益严峻的交通拥堵问题的重要手段。为高效解决出租车合乘问题，综合考虑出租车车辆总数、乘客等待时长、车辆运输总里程数三个指标，建立了优化这三个指标的数学模型。在此基础上，基于NSGA-II算法设计和实现了解决该优化问题的多目标遗传算法。最后，在某城市某日某时刻3 min之内的打车需求数据上对模型和算法进行了实验验证。实验结果表明，该模型与算法能带来较高的合乘发生率和较满意的合乘利润率，具有较好的合乘效益。     

自动驾驶出租车动态合乘效益仿真分析

自动驾驶出租车共享出行是未来变革性的智能交通方式,它将带来前所未有的社会效益。共享订单数(合乘人数)是影响出行时间、费用、舒适度和运营成本的关键参数,然而鲜有研究对共享人数上限进行分析。为此,文中基于多人共享的路径规划方法,建立了一个自动驾驶出租车动态合乘的仿真系统。该系统由"搜索""调度""等待"3个模型组成,在变化乘车需求的情况下,对共享人数上限进行了探讨。在深圳市南山区41.25 km²的路网上仿真不同共享人数上限和出行需求情况下的效益,结果表明,共享模式极大地提高了出行成功率(达到了20%)并降低了总耗时(降低到原来的3%～23%)。当共享人数上限达到一定值时,合乘效益逐渐收敛。在出行需求较高的情况下(人车比率大于5),共享人数上限设为3～4人时,合乘效益得到最大优化。实验结果充分说明了多乘客共享出行能够缓解当下"打车难"的问题,且随着出行需求的增加,自动驾驶共享模式相比传统非共享模式具有更强的鲁棒性。     

基于概率路由的出租车共乘调度算法

针对现有的拼车方案大多服务在线乘客请求,而忽略了离线乘客请求,导致出租车资源无法得到充分利用这一问题,提出了一种基于挖掘历史出行轨迹数据的概率路由拼车优化算法。该算法根据乘客请求的历史时空数据计算出区域概率转移矩阵,并使用该矩阵优化平台为出租车推荐拼车路径,提供了历史数据和拼车问题相融合的一种解决方案,可以有效提高出租车的载客量。在保障离线乘客接载率、在线乘客忍耐度的同时,使用松弛时间的度量指标,可以在O（n）内对整条路径的乘客忍耐时间进行评估预测,并用迪杰斯特拉算法对绕行区域进行路径规划,让出租车的绕行距离最短。使用滴滴GAIA真实数据集对算法有效性进行验证,结果显示,该算法在服务请求数量上高于基准算法12%。     

通勤合乘路径优化模型与算法

道路车辆的增多导致城市交通和环境问题日益严重, 共享合乘被认为是减少交通拥堵, 降低碳排放的有效方法, 特别是在新冠疫情持续影响下, 通勤者采用互助合乘出行意愿较高. 本文考虑到通勤时间的紧迫性, 通勤者存在通勤压力和合乘不适感, 在没有经济效益驱动的情况下, 限制合乘路径的匹配范围, 并加入惩罚因子以提高合乘配对成功率. 本文提出了一种基于最优时间插值的贪婪启发式算法, 添加了3种扰动算子来提高全局搜索能力, 采用多组不同规模案例测试扰动效果. 结果表明: 设计算法可以在短时间内求解出更优结果, 在解决大规模问题上,相比于精确算法、粒子群算法和遗传算法更具竞争力. 此外, 通过选取位置较远且分布均匀的职员作为接送者, 可以改善合乘效果.     

中国邮递员问题的动态规划算法研究

在动态规划的决策过程思想基础上,针对无向中国邮递员问题,提出了一个新的搜索算法CPDPA(Chinese postman decision process algorithm),首次实现了中国邮递员问题的动态规划求解．针对中国邮递员问题不能直接应用于决策思想,提出了弧点转换算法CEPA(convert edge to Doint algorithm),建立了该问题适用于决策的模型．进而针对这一模型,提出了多阶段决策过程模型转换算法MDPMCA(multistep decision process model convert algorithm),转换所得模型符合多阶段决策过程需求,可用CPDPA算法求解中国邮递员问题．对每一算法都给出了其网络应用实例．对算法的正确性和理论性做出了证明,并对最优性原理在中国邮递员问题上做了一定扩展．     

一种基于A*算法的动态多路径规划算法

车载导航系统中最重要的功能是路径规划,传统车载导航设备大多采用静态算法,没有采用实时交通信息规划出的路径可能不是最优路径。结合一种动态行程时间表对传统A*算法进行调整,可以有效利用路网实时交通数据规避拥堵路线,从而实现动态路径规划。另外,实际应用中,单一的优化路径往往不能满足需求,对此提出重复路径惩罚因子的概念,构造出了一种多路径规划算法,可以在路径相似度与路径通行代价之间取得平衡,避免了传统K最短路径(K Shortest Paths,KSP)算法路径相似度过高的缺点。     

基于动态规划算法的矢量数据压缩改进算法

为了使移动设备存储大容量的矢量数据和提高矢量数据的网络传输效率,矢量数据压缩是一项很重要的工作。提出了基于动态规划算法的矢量数据压缩的模型和改进方法,通过一条参考路径构造一条带形成最小误差搜索范围,同时条带宽度可自适应调整。实验结果表明,该方法具有较高的效率,能够得到较小的压缩误差。     

基于实时交通信息的动态路径规划算法性能比较

本文综合考虑起始点间的所有路径的实时交通信息,将其作为影响选择概率的一个重要因素-阻抗,应用于蚁群算法当中,在此基础上进一步优化了传统的蚁群算法。通过与求解AR的两种方法-Dijkstra算法和蚁群算法的性能仿真对比。详细比较了与这两种算法在收敛速度和计算结果精确度方面的差异。结论表明改进后的蚁群算法在各方面均优于其他两种算法。     

Skeletal based programming for dynamic programming on MultiGPU systems

Current parallel systems composed of mixed multi/manycore systems and/with GPUs become more complex due to their heterogeneous nature. The programmability barrier inherent to parallel systems increases almost with each new architecture delivery. The development of libraries, languages, and tools that allow an easy and efficient use in this new scenario is mandatory. Among the proposals found to broach this problem, skeletal programming appeared as a natural alternative to easy the programmability of parallel systems in general, but also the GPU programming in particular. In this paper, we develop a programming skeleton for Dynamic Programming on MultiGPU systems. The skeleton, implemented in CUDA, allows the user to execute parallel codes for MultiGPU just by providing sequential C++ specifications of her problems. The performance and easy of use of this skeleton has been tested on several optimization problems. The experimental results obtained over a cluster of Nvidia Fermi prove the advantages of the approach.     

基于动态规划的网络带宽分配机制

传统分组网络承载时分复用业务存在延时、抖动、报文到达次序不一致等问题。利用城域以太网面向连接的特性,提出了一种由用户为具体业务提出带宽申请,运营商根据共享带宽的大小和用户的优先级,利用动态规划的方法在以太网隧道中预留带宽的机制。提高了带宽利用率的同时,兼顾用户之间的公平性。实验结果表明,这种机制可以充分利用带宽资源,并且将带宽公平地分配给各用户。     

基于动态规划的分批排序算法

研究了在给定截止期限（deadline）下的单机分批（batch）排序问题,目标函数是最大提前完工时间。由于工件不能延迟,因此先讨论了问题可行解的存在。当问题有可行解时,证明了工件按最早截止期限（Earliest Deadline,ED）规则的排序是一个最优排序,接着给出一个时间复杂度为O（n³）的动态规划算法来获得最优分批。     

无线传感器网络动态规划的能量有效路由研究

针对无线传感器网络的能量有效路由问题,以及能量消耗通常不满足所谓的“三角不等式”的特点,通过建立动态规划的能量消耗模型,将传感器网络的路由转化为矩阵和向量的运算问题,在此基础上提出一个适合传感器网络的矩阵乘路由算法。仿真结果表明,提出的算法能显著地降低路由的能量消耗,有效地延长网络的生存周期。     

基于动态规划算法的矢量压缩方法研究与改进

将动态规划算法应用于矢量数据压缩是一种非常有效的优化压缩方法,可以得到压缩误差最小的压缩曲线,但是会导致局部失真明显。针对该缺点提出一种改进算法,通过在动态规划算法执行过程中设定阈值限制最大位移来防止局部失真,同时对A. KOLESNIKOV等提出的原动态规划算法公式的错误进行了纠正。实验表明,改进算法在保持原算法优势的同时,可以较好地解决压缩曲线局部失真问题。     

基于动态规划的优先语义扩充求解算法

抽象辩论框架中的优先语义是判断争议可接受程度的最重要语义。现有优先扩充求解方法多用标记映射求解,依赖于标记的定义、转换规则、相邻争议的标记。算法每次迭代会产生一个新的抽象辩论框架导致时间、空间复杂度较高。提出一种基于动态规划的优先扩充算法,在动态规划中加入争议可接受性判断,求出辩论框架中极大可容许集得到优先扩充。在基于随机抽象辩论框架与ICCMA提供的数据集进行实验,同Heureka、ArgSemSAT等算法进行对比。结果表明,求解相同数量的优先扩充,算法耗时较少,时间、空间复杂度有所降低。     

兑换零钱问题的动态规划算法研究

兑换零钱问题是一个求解组合优化的问题。首先对兑换零钱问题进行了分析,证明了该问题满足动态规划的最优化原理,并给出了其动态规划解法;然后对本算法进行了时间复杂性和空间复杂性分析,得到时间复杂性由通常的动态规划算法的O（Mn2）提高到本算法的O（n3）,空间复杂性由通常的动态规划算法的O（Mn）提高到本算法的O（n2）,因此效率有了较大提高。最后通过实验对算法进行验证,证明了算法的高效性。该算法可以广泛应用于自动售货机。     

利用CPDH和动态规划算法的形状检索

用形状轮廓上点的坐标位置相对于形状重心位置的分布关系描述形状,提出一种极坐标下形状轮廓点分布直方图描述符(contour points distribution histogram),该描述符不仅符合人眼的视觉直观感受、计算简单,而且其本质上具有缩放和平移不变性。用动态规划算法(dynamic programming algorithm)来度量轮廓点分布直方图之间的距离,部分解决了轮廓点分布直方图对于旋转不变性的要求。在多个形状图像数据库中的实验结果表明,该方法在单目标封闭轮廓的形状图像检索中取得了良好效果。     

基于信息熵理论的动态规划特征选取算法

为了解决小样本多特征数据进行分析和处理的复杂性问题,改善数据挖掘和分析的复杂度,提高挖掘算法处理速度,提出了一种基于信息熵理论的动态规划特征提取算法.该方法利用动态规划算法,并通过基于信息熵概念的可分性判据函数来衡量所选特征空间的性能,从而进行特征提取和选择,对特征空间进行降维处理.最后采用UCI标准数据库中部分数据对算法进行检验并与其它算法进行比较,比较结果表明,对于小样本多特征的数据采用该算法进行降维处理可以有效降低维度,并且与其它全局最优解的搜索算法相比较能节省计算的开销.     

基于动态AOP的构件交互行为监测器

在开放、动态的网络环境中,分布式软件呈现出规模庞大、松散聚合、行为复杂等特点,为有效监测其交互行为,提出了基于动态AOP的监测器模型,使得监测器能以更为灵活、松散、透明的方式融入目标系统;利用动态织入机制,能在目标系统运行过程中动态增加或删除监测器,提高了监测的动态性;并在此基础上实现了该监测器并应用于分布式电子商务应...