动态多路径选择的混合演化算法

doi:10.3778/j.issn.1002-8331.2009.08.061

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (8): 200-203.DOI: 10.3778/j.issn.1002-8331.2009.08.061

动态多路径选择的混合演化算法

张玲¹,高淑萍¹,王进鑫²

1.西安电子科技大学数学科学系，西安 710071
2.西安电子科技大学计算机学院，西安 710071

收稿日期:2008-09-04 修回日期:2008-10-30 出版日期:2009-03-11 发布日期:2009-03-11
通讯作者: 张玲

Hybrid evolutionary algorithm for dynamic multi-path route choice

ZHANG Ling¹,GAO Shu-ping¹,WANG Jin-xin²

1.Department of Mathematics，Xidian University，Xi’an 710071，China
2.School of Computer Science and Technology，Xidian University，Xi’an 710071，China

Received:2008-09-04 Revised:2008-10-30 Online:2009-03-11 Published:2009-03-11
Contact: ZHANG Ling

摘要/Abstract

摘要： 动态路径诱导系统（DRGS）是智能运输系统（ITS）研究的一个重要内容，动态路径诱导算法要考虑到全局最优和实时性问题。因此建立了一种包含实时路网信息而且可以针对时间进行离散化处理的路网模型，同时提出了一种用改进的Ford最短路径算法来初始化种群的演化算法，并设计了一组特定的演化算子（选择、交叉、变异），来求解动态路径诱导系统中的“多准最优路径”。最后，通过数值实验表明了此算法的可行性和有效性。

关键词: 动态路径诱导系统, 多准最优路径, 改进的Ford算法, 演化算法

Abstract: Dynamic Route Guidance System（DRGS） is important in the field of Intelligent Transport System（ITS）.The global optimum and real-time property in DRGS must be considered.Thus，a network model with real-time information is established，a Hybrid Evolutionary Algorithm（HEA） is proposed，which adopts improved Ford method to get the initial generation and design a set of specific evolutionary operators（selection，crossover and mutation operator）.By using HEA authors find the multi-strip quasi-optimal routes.The numerical examples illustrate the feasibility and the effectiveness of the obtained algorithm.

Key words: Dynamic Route Guidance System（DRGS）, multi-strip quasi-optimal routes, improved Ford method, Evolutionary Algorithm（EA）

张玲¹,高淑萍¹,王进鑫². 动态多路径选择的混合演化算法[J]. 计算机工程与应用, 2009, 45(8): 200-203.

ZHANG Ling¹,GAO Shu-ping¹,WANG Jin-xin². Hybrid evolutionary algorithm for dynamic multi-path route choice[J]. Computer Engineering and Applications, 2009, 45(8): 200-203.

[1]	李红亚1，彭昱忠1，2，邓楚燕1，龚道庆1. GA与PSO的混合研究综述[J]. 计算机工程与应用, 2018, 54(2): 20-28.
[2]	吴聪聪1，赵建立1，2，刘雪静1，陈嶷瑛1. 改进的差分演化算法求解多维背包问题[J]. 计算机工程与应用, 2018, 54(11): 153-160.
[3]	詹金珍1，滑维鑫2，3，乔芸2. 改进聚类排序的多目标优化算法[J]. 计算机工程与应用, 2017, 53(18): 102-107.
[4]	万书振. 自适应迁移预测的动态多目标差分演化算法[J]. 计算机工程与应用, 2016, 52(2): 86-91.
[5]	付江月，陈刚. 城市物流网络演化模型与算法[J]. 计算机工程与应用, 2015, 51(15): 17-21.
[6]	刘小明，李晖，熊慕舟. 并行演化算法在MEMS继电器参数优化中的应用[J]. 计算机工程与应用, 2014, 50(6): 200-204.
[7]	宋拴，俞扬. 一种结合演示数据和演化优化的强化学习方法[J]. 计算机工程与应用, 2014, 50(11): 115-119.
[8]	杨格兰1，金辉霞2，朱幸辉3. 基于差分演化和克隆选择机制的优化算法[J]. 计算机工程与应用, 2013, 49(10): 50-52.
[9]	吴楚楠1，刘科峰2，彭斯俊2，黄樟灿2. 大规模集装箱装载问题[J]. 计算机工程与应用, 2013, 49(1): 231-233.
[10]	李霞1，张敬敏1，李瑞华2，刘坤起1，3. 正交文化算法及其在布局优化问题中的应用[J]. 计算机工程与应用, 2012, 48(12): 239-243.
[11]	姚跃华，艾浩峰. 基于离散差分演化的粗糙集属性约简算法[J]. 计算机工程与应用, 2011, 47(34): 134-136.
[12]	裴伟东，夏玮，王全来，赵子平，马希荣. 多三角形结构动态复杂网络演化模型及其稳定性分析[J]. 计算机工程与应用, 2011, 47(23): 41-44.
[13]	张敬敏，张有华，李霞. 多目标柔性作业车间调度问题的混合差分算法[J]. 计算机工程与应用, 2011, 47(20): 245-248.
[14]	颜雪松，曾文聪，王汉宁，夏文，李晖. 正交演化算法在继电器体积优化设计中的应用[J]. 计算机工程与应用, 2011, 47(18): 215-217.
[15]	闵涛，李辉，杨晓莉，卢鸿鹏. 抛物型方程反问题的混合粒子群算法[J]. 计算机工程与应用, 2011, 47(16): 35-37.

动态多路径选择的混合演化算法

Hybrid evolutionary algorithm for dynamic multi-path route choice

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics