基于最大最小蚁群算法的随机用户交通分配模型研究

发布时间：2017-08-02 21:10

  本文关键词：基于最大最小蚁群算法的随机用户交通分配模型研究

  更多相关文章： 最大最小蚁群算法 随机用户 非均衡分配 路径选择 路网流量优化

【摘要】：出行者的路径选择行为影响因素众多,包括出行者的主观能动性、外部环境、路网系统的不可预测性等,这些因素综合作用使得交通分配问题求解复杂。现实中出行者不能够完全掌握路网情况而且出行者不具有完全相同的出行特征,因此出行者在节点处的路径选择行为具有随机性。通过最大最小蚁群算法中蚂蚁在节点处的路径概率选择行为来仿真出行者的路径选择行为,并建立随机用户交通分配模型。模型考虑的问题主要包含三个方面:首先根据蚂蚁选择下游节点的决策过程建立出行者选择下游节点的选择概率公式;其次通过蚁群算法中信息素更新方式来对路网流量的空间分布进行优化,通过臭味信息素机制保障分配过程的安全性;最后借鉴最大最小蚁群算法中将路网信息素浓度初始化为信息素区间最大值的思想,根据路网各个路段通行广义费用的大小对其初始信息素进行具体化设置,以保障在分配的初始阶段实现路网流量的合理性分布。通过对案例的研究分析,参数α、β的组合设置情况反映了出行者对于路径长度和路径广义费用信息的重视程度。β较α的取值越大,出行者对于路网的广义费用信息越重视,在路径选择的过程中选择最优路径的可能性就越大。而且随着β的增大,路网的整体费用逐渐降低。参数ρ的大小反映了管理者对流量在路网空间分布上的调控力度,ρ的取值越小,流量在路网空间分布上的变化程度越大。参数γ反映了臭味信息素的作用强度,极端条件下参数γ取值较大,道路上的信息素浓度为0,实际中道路由于各种原因被封闭。
【关键词】：最大最小蚁群算法 随机用户 非均衡分配 路径选择 路网流量优化
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-15
• 1.1 选题背景及意义9-10
• 1.2 国内外研究现状10-12
• 1.2.1 交通分配理论的研究和发展10-11
• 1.2.2 蚁群算法研究现状11
• 1.2.3 蚁群算法应用现状11-12
• 1.3 本文主要的研究内容及技术路线12-13
• 1.4 文章的组织结构13-15
• 第二章 蚁群算法与交通分配15-22
• 2.1 蚁群算法15-17
• 2.1.1 双桥试验15-16
• 2.1.2 蚁群路径选择机制16
• 2.1.3 信息素更新机制16-17
• 2.2 交通分配17-19
• 2.2.1 容量限制变化路阻增量分配法18
• 2.2.2 模拟随机分配算法18-19
• 2.2.3 概率随机分配法19
• 2.3 蚁群算法在交通分配中的应用分析19-21
• 2.3.1 应用现状19-20
• 2.3.2 问题与评价20
• 2.3.3 可能的应用改进20-21
• 2.4 本章小结21-22
• 第三章 最大最小蚁群算法及其应用可行性分析22-30
• 3.1 最大最小蚁群算法22-24
• 3.1.1 最大最小蚁群算法信息素更新方式22-23
• 3.1.2 信息素轨迹的限制23-24
• 3.1.3 路径信息素浓度的平滑化24
• 3.2 蚁群自组织与用户随机性24-25
• 3.2.1 蚁群自组织行为24-25
• 3.2.2 出行者选择路径的随机性25
• 3.3 最大最小蚁群算法的参数分析25-27
• 3.3.1 参数 α、β 分析26
• 3.3.2 参数 ρ 分析26-27
• 3.4 最大最小蚁群算法的可行性分析27-29
• 3.4.1 启发信息和信息素27-28
• 3.4.2 信息素平滑机制28-29
• 3.5 本章小结29-30
• 第四章 基于最大最小蚁群算法的随机用户交通分配模型30-43
• 4.1 模型构造的基本思想30-33
• 4.1.1 最大最小蚁群算法分配思想31-32
• 4.1.2 目标函数和约束条件32-33
• 4.1.3 路径信息素的影响因素分析33
• 4.2 模型的构造33-40
• 4.2.1 出行者不确定性因素34-35
• 4.2.2 出行者路径选择规则35-36
• 4.2.3 路网系统的不确定性因素36-38
• 4.2.4 信息素更新机制对路网流量整体布局的作用38-40
• 4.3 模型计算40-42
• 4.3.1 模型计算流程40-41
• 4.3.2 模型计算的影响因素41-42
• 4.4 本章小结42-43
• 第五章 案例分析43-69
• 5.1 路网的描述43-45
• 5.1.1 路网的拓扑43-44
• 5.1.2 路网的参数设置44-45
• 5.1.3 路阻的确定45
• 5.2 算法的分配结果45-53
• 5.2.1 t_1时刻分配过程与结果45-47
• 5.2.2 t_2时刻分配过程与结果47-49
• 5.2.3 t_3时刻分配过程与结果49-51
• 5.2.4 t_4时刻分配过程与结果51-53
• 5.3 结果分析53-66
• 5.3.1 算法的机理分析53-60
• 5.3.2 路网费用分析60-63
• 5.3.3 模型对比分析63-66
• 5.4 模型总结66-68
• 5.4.1 参数 α、β 总结66-67
• 5.4.2 参数 ρ 总结67
• 5.4.3 参数 γ 总结67-68
• 5.4.4 模型适用性总结68
• 5.5 本章小结68-69
• 结论与展望69-72
• 1.主要研究成果69-70
• 2.主要创新点70-71
• 3.研究展望71-72
• 参考文献72-75
• 攻读学位期间取得的研究成果75-76
• 致谢76

【相似文献】

中国期刊全文数据库 前10条

1 代启国;冀俊忠;刘椿年;;蚁群算法中基于知识引导的信息素控制策略[J];北京工业大学学报;2011年08期

2 王则林;罗永平;陆建德;;基于最近邻居选择、信息素动态更新和局部启发搜索的蚁群算法[J];南通大学学报(自然科学版);2006年04期

3 王翠茹;李阳;王思艳;;基于信息素理论的智能家电系统的研究[J];微计算机信息;2009年28期

4 王雷;唐敦兵;凌雪;;基于信息素的任务分配(英文)[J];Transactions of Nanjing University of Aeronautics & Astronautics;2012年04期

5 杜振鑫;王兆青;王枝楠;秦伟;段云涛;;基于二次退火机制的改进多态蚁群算法[J];中南大学学报(自然科学版);2011年10期

6 白洪涛;欧阳丹彤;李熙铭;何丽莉;;基于GPU的共享信息素矩阵多蚁群算法[J];吉林大学学报(工学版);2011年06期

7 李亚韫;杜永贵;;用于求解TSP的信息素扩散蚁群算法[J];机械工程与自动化;2008年03期

8 李军军;许波桅;甘世红;张海刚;;一种信息素挥发DPSO及其应用研究[J];工业仪表与自动化装置;2011年04期

9 张友鹏;颜晨阳;;一种基于Metropolis抽样准则的蚁群算法的信息素更新策略[J];铁道学报;2008年03期

10 许波桅;李军军;;基于信息素的离散PSO算法[J];上海海事大学学报;2011年03期

中国重要会议论文全文数据库 前10条

1 袁伟东;岳亚霖;韦朋余;陈颖;王雷;;基于信息素的任务分配研究[A];中国钢结构协会海洋钢结构分会2010年学术会议暨第六届理事会第三次会议论文集[C];2010年

2 张钟宪;周荫庄;牛焕双;郑建华;;以绿色化学原则指导蚜虫报警信息素的合成[A];第一届全国化学工程与生物化工年会论文摘要集(上)[C];2004年

3 翁瑞;张晓丽;刘虎威;;动物信息素的分离检测方法研究进展[A];全国生物医药色谱学术交流会（2010景德镇）论文集[C];2010年

4 沈伟;田伟生;;蚂蚁信息素(S)-(+)-Bishomomanicone的合成[A];中国化学会第26届学术年会有机化学分会场论文集[C];2008年

5 张永宏;李凯兵;孔令清;袁淑珍;;信息素在二连口岸进口木材检疫中的首次应用[A];植物保护与现代农业——中国植物保护学会2007年学术年会论文集[C];2007年

6 刘金艳;张钟宪;;蚜虫报警信息素及其类似物合成研究进展[A];第三届全国化学工程与生物化工年会论文摘要集（下）[C];2006年

7 吉原香;周宏平;;信息素的研究现状与发展趋势[A];新形势下林业机械发展论坛论文集[C];2010年

8 游越;张钟宪;;蚜虫报警信息素微乳剂的配制[A];第三届全国化学工程与生物化工年会论文摘要集（下）[C];2006年

9 杨晖;张亚平;;基于多基因组比较的哺乳动物信息素受体V2R基因家族研究[A];中国动物学会兽类学分会第六届会员代表大会暨学术讨论会论文摘要集[C];2004年

10 康铁牛;凌云;王晓波;陈馥衡;杨新玲;;蚜虫报警信息素EBF及其类似物的研究进展[A];科技创新与绿色植保——中国植物保护学会2006学术年会论文集[C];2006年

中国重要报纸全文数据库 前4条

1 记者 杨骏;原来奶头信息素“导航”[N];新华每日电讯;2003年

2 本报记者 董长青;果农不用农药照样灭害虫[N];北京日报;2012年

3 胭苒;不做“臭”男人[N];卫生与生活报;2006年

4 任吾;关于爱情的新发现[N];光明日报;2002年

中国博士学位论文全文数据库 前6条

1 寇嘉梁;基于分片网络的体育场人员疏散多目标优化研究[D];武汉理工大学;2013年

2 刘波;蚁群算法改进及应用研究[D];燕山大学;2010年

3 王笑蓉;蚁群优化的理论模型及在生产调度中的应用研究[D];浙江大学;2003年

4 左洪浩;蚁群优化算法及其应用研究[D];中国科学技术大学;2006年

5 杨剑峰;蚁群算法及其应用研究[D];浙江大学;2007年

6 魏洪义;低致死剂量杀虫剂处理幼虫后对成蛾化学通讯系统的影响[D];中国科学院研究生院（上海生命科学研究院）;2004年

中国硕士学位论文全文数据库 前10条

1 骆锡明;基于蚁群算法的电子商务购物路径仿真研究[D];五邑大学;2015年

2 钟光艳;云南木耳属和侧耳属交配型B位点信息素受体基因的遗传多样性研究[D];昆明理工大学;2015年

3 王建;基于复杂网络的社团结构分析算法研究[D];大连海事大学;2015年

4 邱大洪;基于混沌的蚁群算法及其应用研究[D];北京化工大学;2015年

5 贾会玲;初始信息素筛选的蚁群算法在HDFS副本选择中的研究[D];昆明理工大学;2016年

6 赵鑫;蚁群算法在连续空间优化中的研究与应用[D];昆明理工大学;2016年

7 朱明良;基于感知信息素蚁群算法的电子商务消费者意图识别[D];五邑大学;2016年

8 张福龙;基于最大最小蚁群算法的随机用户交通分配模型研究[D];长安大学;2016年

9 杨洁;基于信息素强度的蚁群算法及其应用研究[D];湖南大学;2009年

10 冯琳琳;蚜虫报警信息素的绿色合成及应用研究[D];首都师范大学;2008年

，

本文编号：611236