改进多目标蚁群算法在动态路径优化中的应用

发布时间：2021-09-29 21:47

　　为对城市动态车辆路径进行优化,设计一种具有贪婪转移准则的改进多目标蚁群算法。对蚂蚁执行多目标迭代局部搜索,在多个邻域上优化解或产生新的帕累托解。使用SUMO和NS2仿真软件,并用TraNS软件进行交互,对西安市区500组不同出发点和终点数据进行测试。结果表明,与两种传统优化算法相比,计算复杂度略有增加,但求解旅行时间明显缩短（平均少10%左右）;与三种最新优化算法对比,在不同迭代次数和不同车辆数量条件下,虽然收敛速度不全都最快,但求解旅行时间均为最短（平均少5%左右）。该算法能更好满足行车时间硬要求,规避交通拥堵,能较好应用于动态车辆路径优化问题。 

【文章来源】：计算机应用与软件. 2019,36(05)北大核心

【文章页数】：7 页

【文章目录】：
0 引 言
1 影响动态路径的道路因素
2 改进的多目标蚁群优化算法
    2.1 改进算法步骤
    2.2 蚂蚁寻径原则
    2.3 多目标局部搜索
    2.4 信息素浓度更新准则
    2.5 目标函数
3 实验环境
4 实验部分
    4.1 算法与传统优化算法对比
    4.2 算法与三种最新优化算法对比
        4.2.1 与改进灰狼优化算法 (GWO) 对比
        4.2.2 与改进细菌菌落优化算法 (BCO) 对比
        4.2.3 与鼠疫传染病优化算法 (PIDO) 对比
5 结 语


【参考文献】：
期刊论文
[1]基于改进灰狼优化算法的自动导引小车路径规划及其实现原型平台[J]. 刘二辉,姚锡凡,刘敏,金鸿.  计算机集成制造系统. 2018(11)
[2]多目标同时取送货车辆路径问题的改进蚁群算法[J]. 陈希琼,胡大伟,杨倩倩,胡卉,高扬.  控制理论与应用. 2018(09)
[3]智能交通混合动态路径优化算法[J]. 赵宏伟,刘宇琦,董立岩,王玉,刘陪.  吉林大学学报(工学版). 2018(04)
[4]基于ACO算法的危险化学品车辆运输路径优化方法[J]. 徐少甫,陈家晨,胡莹石,方宁生.  湘潭大学自然科学学报. 2018(03)
[5]自适应搜索半径蚁群动态路径规划算法[J]. 赵峰,杨春曦,陈飞,黄凌云,谈诚.  计算机工程与应用. 2018(19)
[6]基于蚁群算法的物流配送路径的研究[J]. 开吉,杨金云,蒋其岑,王玉琴,开晶晶.  物流工程与管理. 2018(02)
[7]基于改进蚁群算法的配送路径优化问题研究——以南京苏宁易购为例[J]. 孙沁,欧邦才,丁晓银,朱柏青.  物流工程与管理. 2018(02)

硕士论文
[1]带时间窗的冷链物流配送动态车辆路径优化方法研究[D]. 刘波.北京交通大学 2018
[2]基于短时交通流预测的动态路径选择问题研究[D]. 李治.兰州交通大学 2018



本文编号：3414535