求解动态路径诱导K路最短问题的人工免疫优化方法

针对智能交通诱导系统中传统最短K路算法的运行效果不佳，提出一种新型人工免疫优化搜索算法，并将其应用于扩展节点法建立的城市交通路网模型，实现了城市交通诱导系统的最优K路搜索．该算法基于生物免疫系统的免疫记忆功能，具有全局性并行搜索的特点．在K路最短问题求解时能同时给出K条最短路径，不存在遗传算法的早熟现象并具有更好的并行处理能力．示例仿真验证了算法的有效性与实用性．     

混合优化人工免疫网络用于过程动态优化

常见的用于求解过程动态优化的方法局部寻优能力强,易陷入局部点;而优化人工免疫网络虽局部寻优能力弱,但不易陷入局部点.针对这些方法的不足,提出了一种新的算法--混合优化人工免疫网络,将优化人工免疫网络植入局部寻优操作和二次响应机制,应用于Park-Ramirez和Lee-Ramirez生物反应器,此算法能以较少的计算代价搜索到最佳控制策略.将其用于模型参数发生变化的Lee Ramirez生物反应器,实验结果表明,此算法的二次响应机制可以节省85％的评价次数.     

利用动态规划算法求解最短路径

动态规划是研究一类最优化问题的算法。文中介绍了如何将最短路径问题通过动态规划来求解。     

A*算法改进及其在动态最短路径问题中的应用

动态最短路径搜索算法是智能交通系统技术应用的关键问题之一．为了解决这一问题,提出以一致性原则动态形式为基础的动态A*算法(dynamic A* algorithm,DA* algorithm)并证明了在两节点间动态下界满足一致性原则动态形式前提下,该算法能够求解满足先进先出原则的动态网络中两节点间最短路径问题．在以广州市交通路网为基础的动态网络上对DA*算法进行试验．试验结果表明,Dijkstra算法的和A*算法的平均计算时间分别是DA*算法的6．55和1．43倍．     

求解最短路径问题的DNA动态规划算法

最短路径问题是一个组合优化问题,许多交通运输、工程、管理等实际问题可转化为最短路径问题进行求解。文中利用DNA计算的并行计算模式,给出一个求解最短路径问题的DNA动态规划算法,该算法最多需要7n-11个生物操作。     

动态车辆路径问题的多目标优化模型与算法

以快递服务相关的动态车辆路径问题为研究对象,建立多目标优化模型,设计了相应的求解流程.多目标优化模型包括最大化服务客户数、最小化客户等待时间和最小化总旅行时间3个优化目标.采用基于词典式的排序方法,开发了改进的Or-opt局部搜索启发式算法.在不同基准问题数据集上进行仿真实验,结果表明,多目标优化模型与单目标模型相比,能明显降低被拒绝的客户数和等待时间,而总旅行时间未发生明显增长.     

改进的动态规划法在车辆最短路径问题中的应用

针对物流配送中的重点——车辆路径的选择进行了研究,建立了物流配送路径优化问题的数学模型,在动态规划法的基础上进行改进,改进后的算法能最大限度地提高车辆的装载率,减少运输的车次,在实际运用中取得了良好的效果.     

在交通运输上使用动态规划求解最短路径

随着我国交通运输事业的发展，降低运输成本成为日益关注的问题。动态规划在工程技术、经济管理、工业生产、交通运输等众多领域都有广泛的应用，其中最短路径问题是动态规划在管理领域的一个重要应用。本文通过具体实例说明动态规划在交通运输方面求解最短路径的过程，方法简便，思路清晰。     

智能交通系统中车辆路径优化问题的研究

针对智能交通系统中的车辆路径优化问题,运用蚁群算法进行求解,并对状态转移概率公式的选择做出了调整,进一步对信息素挥发因子进行改进,从而改进了基本蚁群算法到一定阶段后容易陷入局部最优的缺点,提高了算法的运算速度。实例求解表明,改进蚁群算法在车辆路径优化问题中,可以快速有效地得到近似最优解。     

最短路径问题的求解

文中就最短路径问题进行了研究 ,针对具体的引例提出了六种算法 :宽度优先搜索法、A 算法、等代价搜索法、Warshall算法、动态规划法、标号法等 ,详尽分析了每种算法的内容、适用性及优缺点     

智能交通系统中路径诱导算法研究进展

针对智能交通系统的路径诱导问题，提出了按诱导系统的目标是系统路径或单车路径、所依据的信息性质是静态或动态以及路径生成方式是分散型的还是中心型的三种分类方式.详细讨论了路径诱导算法的实时性、动态路径诱导和交通控制与诱导一体化集成这三个在路径诱导系统研究中的关键问题，并分析了它们最新的研究进展.结合分析结果与路径诱导系统的实际应用前景，给出了基于出行者心理特征模型、多目标优化、路段交通量预测、提供更多智能化服务以及基于分布式人工智能框架模型等进一步研究未来路径诱导算法的重要研究方向.     

基于人工鱼群的交通诱导系统最优查询研究

与齐齐哈尔市公安交通警察支队交通控制中心合作开发,并以齐齐哈尔市路况为实际进行凋研,将改进的人工鱼群算法应用于交通路径诱导系统数据库优化查淘中,算法提高了最优路径查询的效率。对人工鱼群算法进行了改进,引入贝叶斯变异算子和十字交叉变异算子,避免了算法局部寻优能力差和收敛速度慢等弊端。仿真实验表明算法是正确有效性的。     

Immune response-based algorithm for optimization of dynamic environments

A novel immune algorithm suitable for dynamic environments (AIDE) was proposed based on a biological immune response principle. The dynamic process of artificial immune response with operators such as immune cloning, multi-scale variation and gradient-based diversity was modeled. Because the immune cloning operator was derived from a stimulation and suppression effect between antibodies and antigens, a sigmoid model that can clearly describe clonal proliferation was proposed. In addition, with the introduction of multiple populations and multi-scale variation, the algorithm can well maintain the population diversity during the dynamic searching process. Unlike traditional artificial immune algorithms, which require randomly generated cells added to the current population to explore its fitness landscape, AIDE uses a gradient-based diversity operator to speed up the optimization in the dynamic environments. Several reported algorithms were compared with AIDE by using Moving Peaks Benchmarks. Preliminary experiments show that AIDE can maintain high population diversity during the search process, simultaneously can speed up the optimization. Thus, AIDE is useful for the optimization of dynamic environments.     

用于函数优化的改进免疫克隆多样性算法

免疫系统具有许多可以用于解决工程和科学问题的特性,人工免疫系统是基于免疫系统特性而发展的新兴智能系统.针对免疫算法的多样性,利用免疫系统克隆选择和克隆抑制机制,提出一种用于函数优化的改进免疫克隆多样性算法,以达到简化复杂系统函数算法的目的.多样性算法是一种基于免疫系统抗体多样性机制而开发的免疫算法,这里给出了改进的算法步骤,指出改进算法与原算法的主要区别以及所依据的免疫系统原理;文章还对算法的复杂性进行了分析,证明了改进免疫系统克隆多样性算法可以利用相对小的候选解群体解决复杂函数优化问题.     

一种新的免疫克隆选择算法在多峰寻优中的应用

为了解决Castro克隆选择算法中存在的种群规模需根据经验确定、多峰搜索能力弱、训练时间长的问题,提出了一种新的免疫克隆选择算法,该算法基于一个压缩阈值和新的收敛标准,能够动态确定种群大小,具有很强的全局和局部搜索能力,可以搜索到全局最优点和尽可能多的局部极值点.与Castro克隆选择算法相比,多峰搜索的成功率提高了1.2倍、平均迭代次数减少了一半.仿真实验的结果也表明该算法在平均运行时间减少了56%的情况下多峰函数的优化效果得到了显著改善.     

基于ACT-R的智能车动态优化方法

为了使智能车辆在不同道路环境中能够顺利沿规划轨迹行驶,提出一种新的基于认知结构ACT-R的动态轨迹优化方法。该方法将数学工具最优控制方法和ACT-R模型联系起来,以ACT-R模型为核心,用最优控制方法生成轨迹,由ACT-R模型对评价函数的权重进行动态调整优化,通过智能优化多个权重的方法动态生成最优轨迹。避障行驶仿真实验结果表明,所提出的方法有效可行,可以动态地生成最优参考轨迹。     

基于Q-学习算法的交通控制与诱导协同模式的在线选择

采用Q-学习算法实现了交通控制与诱导协同模式的在线选择。首先,采用Q-学习算法训练多智能体,根据多智能体内部的推理得到不同交通状态下的最优协同模式,最终实现交通控制与交通诱导协同模式的在线选择与转换。仿真结果表明,本文提出的基于Q-学习算法的协同模式选择方法在一般交通拥挤状态下具有较好的协同控制效果,对比离线式模式选择方法更能适应交通状态的不断变化,从而达到有效避免严重交通拥堵、改善路网性能的目的。