傳統(tǒng)的路線規(guī)劃者通常專注于尋找路網(wǎng)上兩點(diǎn)之間距離最短的路線或花費(fèi)時間最短的路線。然而,在實(shí)際情況下,特別是在智能城市的時代,許多與交通相關(guān)的數(shù)據(jù)可以被容易獲得,近幾年人們對基于不同標(biāo)準(zhǔn)進(jìn)行路線規(guī)劃的需求不斷增加,例如在不超過給定的旅行時間預(yù)算(成本)的前提下,尋找一條累積風(fēng)景值(效益值)最高的路線,這種問題可以看作弧定向問題(AOP)的變體,眾所周知,這是一個NP難問題。本文針對一個更為實(shí)際的AOP問題展開研究,其中,路網(wǎng)中各路段的效益值和通過路段的行駛時間具有時間依賴性,這個問題被定義為雙重時間依賴的弧定向問題(2TD-AOP)。在本文中,針對2TD-AOP展開了深入的研究,提出了兩個解決方案。首先,本文提出使用模因算法來解決2TD-AOP,具體而言,給定旅行時間預(yù)算,規(guī)劃了一條累積風(fēng)景值(效益值)高的路線。這個過程大致分為兩個階段:初始化階段和局部搜索階段。在初始化階段,通過搜索區(qū)域縮減、染色體編碼和染色體解碼操作產(chǎn)生種群中的個體;在局部搜索階段,通過染色體選擇、交叉和變異操作提高了種群中個體的質(zhì)量。通過種群的迭代使種群中優(yōu)秀個體所占的比例不斷提高,最終在不超過時間預(yù)算的前提下,選...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.2搜索區(qū)域縮減示例

重慶大學(xué)碩士學(xué)位論文2基于模因算法的雙重時間依賴的風(fēng)景行車路線規(guī)劃方法11t0時刻車輛的平均速度。圓區(qū)域中包含的路段是從起點(diǎn)出發(fā)在時間預(yù)算內(nèi)可達(dá)的路段，如圖2.2中所示左邊的圓。使用同樣的方式我們以終點(diǎn)為中心畫一個相同大小的圓，得到在t0時刻從在終點(diǎn)出發(fā)在時間預(yù)算內(nèi)可達(dá)的路段。因....

圖2.3初始種群的生成Fig.2.3Thegenerationoftheinitialpopulation

重慶大學(xué)碩士學(xué)位論文2基于模因算法的雙重時間依賴的風(fēng)景行車路線規(guī)劃方法11t0時刻車輛的平均速度。圓區(qū)域中包含的路段是從起點(diǎn)出發(fā)在時間預(yù)算內(nèi)可達(dá)的路段，如圖2.2中所示左邊的圓。使用同樣的方式我們以終點(diǎn)為中心畫一個相同大小的圓，得到在t0時刻從在終點(diǎn)出發(fā)在時間預(yù)算內(nèi)可達(dá)的路段。因....

圖2.4染色體編碼示例

重慶大學(xué)碩士學(xué)位論文2基于模因算法的雙重時間依賴的風(fēng)景行車路線規(guī)劃方法13為了更好的理解每條染色體的編碼過程，我們給出了一個例子，如圖2.4所示，在初始化階段有效區(qū)域中有7條有效的風(fēng)景路段（a,b,c,d,e,f,g），如圖2.4（a）所示，隨著染色體不斷的編碼，有效風(fēng)景路段的數(shù)....

圖2.5染色體交叉Fig.2.5Chromosomecrossover

重慶大學(xué)碩士學(xué)位論文2基于模因算法的雙重時間依賴的風(fēng)景行車路線規(guī)劃方法15個參數(shù)控制，即Pc和ρc，其中Pc是用戶指定的常數(shù)，通常稱作交叉概率；ρc是在[0,1]范圍內(nèi)隨機(jī)生成的值，當(dāng)Pc>ρc時，對選中的染色體執(zhí)行交叉操作。圖2.5染色體交叉Fig.2.5Chromosomec....

本文編號：3989700