基于改进蚁群算法的避免拥堵最优路径选择

发布时间：2021-11-03 01:33

　　近年来,随着经济的发展,人们生活水平的提高,有越来越多的人拥有自己的私家车辆。城市也在不断修建或者改善道路状况。车辆的增多,城市道路改建,加上其他许多因素,导致道路变得越来越拥堵,驾驶出行变得越来越困难,如何避免道路拥堵情况,然后以最理想的路径到达目的地,是人们自驾出行的迫切希望。国内外关于最优路径研究工作已取得许多成果,且多考虑的只是道路状况对出行的影响。而怎样将路径长度、交通限流、交通信号灯对道路拥堵造成的影响作为出行考虑的研究不多。因此,构建成数据模型去模拟交通拥堵是一个值得研究的问题,本文就此问题做了建模。蚁群优化算法已成功地应用于最优路径的选择,但上述约束的单独应用还未见研究,本文拟采用研究加入动态拥堵因素数据模型的改进蚁群算法来解决出行拥堵的问题。为此,本文提出了一种改进的蚁群算法,即避免拥堵的蚁群算法（Avoid Traffic Jam Ant Colony Optimization,简称ATJ-ACO）,来寻找避免拥堵后找到的最优路径的问题。这个算法包含了几个适应问题的特殊机制:（1）一个启发函数改变规则,减少蚂蚁盲目搜索,加快算法收敛速度;（2）一个基于拥堵问题的信息... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

Random8示意图

Random14示意图

图 5-3 Random 18 示意图2 测试指标为了保证算法的性能能够得到全面的验证，进行 100 次独立实验。其中前 50 为 20 个初始仿真场景（Test1）；后 50 次实验为拥堵因素变化后的 20 个仿真

【参考文献】：
期刊论文
[1]改进自适应遗传算法在移动机器人路径规划中的应用[J]. 王雷,李明.  南京理工大学学报. 2017(05)
[2]自适应蚁群算法求解最短路径和TSP问题[J]. 易正俊,李勇霞,易校石.  计算机技术与发展. 2016(12)
[3]基于势场蚁群算法的移动机器人全局路径规划方法[J]. 刘建华,杨建国,刘华平,耿鹏,高蒙.  农业机械学报. 2015(09)
[4]基于遗传蚁群算法的港口集卡路径优化[J]. 曹庆奎,赵斐.  系统工程理论与实践. 2013(07)
[5]基于改进蚁群算法的最短路径问题研究及应用[J]. 宋锦娟,白艳萍.  数学的实践与认识. 2013(03)
[6]基于信息素变异的蚁群算法的应用研究[J]. 于海平,杨艳霞.  计算机与数字工程. 2011(09)
[7]遗传算法和蚂蚁算法混合求解旅行商问题[J]. 熊道勇,肖人岳.  科学技术与工程. 2009(19)
[8]融入遗传算法的混合蚁群算法[J]. 刘立东,蔡淮.  计算机工程与设计. 2008(05)

博士论文
[1]移动机器人路径规划的蚁群优化算法研究[D]. 赵娟平.东北大学 2012

硕士论文
[1]基于交通流的多车场动态车辆路径问题研究[D]. 王晨蕾.北京交通大学 2016
[2]多约束的城市道路交通信息的最优路径算法研究[D]. 秦敏.武汉理工大学 2014
[3]基于蚁群算法的交通流量短时预测及应用研究[D]. 张学海.云南大学 2011
[4]基于蚁群算法的动态路径诱导研究[D]. 刘伟.西南交通大学 2008



本文编号：3472778