基于多目标协同演化算法的大规模自动驾驶策略涌现

发布时间：2023-04-22 03:42

　　在无人驾驶与网联汽车快速发展的背景下,车辆逐步具备通信、感知和决策能力,车辆与车辆、道路之间均可以直接或间接进行交互。交通系统呈现出规模大、动态性高、高度可变性、不确定性的特点。传统交通规则难以对交通状况作出及时响应以及对车辆作出合理规划和调度。然而,中心化的优化调度方法,计算复杂度将随交叉口数量、车辆、道路网络复杂性以及车辆之间可能的冲突关系呈指数增长。即使未来的计算能力足够大,由于信息传输的延迟、丢失和计算时间,中心化服务器也很难实时响应请求。由于交通网络的高动态性与车辆响应的瞬时变化,几乎不可能以中心化优化方法及时处理真实的交通事件和调度规划网络中的车辆。由于传统的演化算法(遗传算法等)和一些智能优化算法(比如蚁群算法、粒子群算法、模拟退火算法等)仅包含一个种群,不能充分考虑竞争合作的影响,在规模扩大时,不易收敛或收敛速度较慢。另一方面,中心化优化算法的计算复杂度过高,无法处理大规模的交通优化问题。因此,基于协作与竞争的方法,协同演化算法被期望用于进行自适应的演化进程来处理各种不同的大型交通场景。本文提出了一种将协同演化和群体智能相结合的算法,基于驾驶策略空间部分,构造多个协作竞...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景
    1.2 研究的目的与意义
    1.3 国内外研究现状与分析
    1.4 论文主要研究内容与创新点
        1.4.1 论文主要研究内容
        1.4.2 论文创新点
    1.5 论文章节安排
第2章 相关工作
    2.1 驾驶策略空间
    2.2 协同演化算法
    2.3 合作博弈理论
    2.4 交通流
    2.5 本章小结
第3章 问题描述和系统设计
    3.1 车辆模型
    3.2 道路模型
    3.3 问题描述
    3.4 策略的形式化表达
    3.5 算法流程
    3.6 本章小结
第4章 软件系统设计
    4.1 软件系统概述
    4.2 设计约束
    4.3 开发、测试与运行环境
    4.4 软件系统结构图
    4.5 功能模块设计概述
        4.5.1 车辆模块
        4.5.2 道路以及地图模块
        4.5.3 车辆生成模块
        4.5.4 映射模块
        4.5.5 模拟演化模块
        4.5.6 策略形式化转化模块
    4.6 数据库系统概述
    4.7 用户界面概述
    4.8 本章小结
第5章 实验和数据分析
    5.1 实验环境
    5.2 实验结果以及数据分析
    5.3 收益分配以及策略联盟稳定性分析
        5.3.1 变道的微观模型
        5.3.2 策略联盟稳定性以及不同交通流密度下的收益下限
    5.4 本章小结
第6章 总结与展望
    6.1 研究总结
    6.2 展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果



本文编号：3796846