為對(duì)城市動(dòng)態(tài)車輛路徑進(jìn)行優(yōu)化,設(shè)計(jì)一種具有貪婪轉(zhuǎn)移準(zhǔn)則的改進(jìn)多目標(biāo)蟻群算法。對(duì)螞蟻執(zhí)行多目標(biāo)迭代局部搜索,在多個(gè)鄰域上優(yōu)化解或產(chǎn)生新的帕累托解。使用SUMO和NS2仿真軟件,并用TraNS軟件進(jìn)行交互,對(duì)西安市區(qū)500組不同出發(fā)點(diǎn)和終點(diǎn)數(shù)據(jù)進(jìn)行測(cè)試。結(jié)果表明,與兩種傳統(tǒng)優(yōu)化算法相比,計(jì)算復(fù)雜度略有增加,但求解旅行時(shí)間明顯縮短（平均少10%左右）;與三種最新優(yōu)化算法對(duì)比,在不同迭代次數(shù)和不同車輛數(shù)量條件下,雖然收斂速度不全都最快,但求解旅行時(shí)間均為最短（平均少5%左右）。該算法能更好滿足行車時(shí)間硬要求,規(guī)避交通擁堵,能較好應(yīng)用于動(dòng)態(tài)車輛路徑優(yōu)化問題。 

【文章來源】：計(jì)算機(jī)應(yīng)用與軟件. 2019,36(05)北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引 言
1 影響動(dòng)態(tài)路徑的道路因素
2 改進(jìn)的多目標(biāo)蟻群優(yōu)化算法
    2.1 改進(jìn)算法步驟
    2.2 螞蟻尋徑原則
    2.3 多目標(biāo)局部搜索
    2.4 信息素濃度更新準(zhǔn)則
    2.5 目標(biāo)函數(shù)
3 實(shí)驗(yàn)環(huán)境
4 實(shí)驗(yàn)部分
    4.1 算法與傳統(tǒng)優(yōu)化算法對(duì)比
    4.2 算法與三種最新優(yōu)化算法對(duì)比
        4.2.1 與改進(jìn)灰狼優(yōu)化算法 (GWO) 對(duì)比
        4.2.2 與改進(jìn)細(xì)菌菌落優(yōu)化算法 (BCO) 對(duì)比
        4.2.3 與鼠疫傳染病優(yōu)化算法 (PIDO) 對(duì)比
5 結(jié) 語


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)灰狼優(yōu)化算法的自動(dòng)導(dǎo)引小車路徑規(guī)劃及其實(shí)現(xiàn)原型平臺(tái)[J]. 劉二輝,姚錫凡,劉敏,金鴻.  計(jì)算機(jī)集成制造系統(tǒng). 2018(11)
[2]多目標(biāo)同時(shí)取送貨車輛路徑問題的改進(jìn)蟻群算法[J]. 陳希瓊,胡大偉,楊倩倩,胡卉,高揚(yáng).  控制理論與應(yīng)用. 2018(09)
[3]智能交通混合動(dòng)態(tài)路徑優(yōu)化算法[J]. 趙宏偉,劉宇琦,董立巖,王玉,劉陪.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2018(04)
[4]基于ACO算法的危險(xiǎn)化學(xué)品車輛運(yùn)輸路徑優(yōu)化方法[J]. 徐少甫,陳家晨,胡瑩石,方寧生.  湘潭大學(xué)自然科學(xué)學(xué)報(bào). 2018(03)
[5]自適應(yīng)搜索半徑蟻群動(dòng)態(tài)路徑規(guī)劃算法[J]. 趙峰,楊春曦,陳飛,黃凌云,談?wù)\.  計(jì)算機(jī)工程與應(yīng)用. 2018(19)
[6]基于蟻群算法的物流配送路徑的研究[J]. 開吉,楊金云,蔣其岑,王玉琴,開晶晶.  物流工程與管理. 2018(02)
[7]基于改進(jìn)蟻群算法的配送路徑優(yōu)化問題研究——以南京蘇寧易購為例[J]. 孫沁,歐邦才,丁曉銀,朱柏青.  物流工程與管理. 2018(02)

碩士論文
[1]帶時(shí)間窗的冷鏈物流配送動(dòng)態(tài)車輛路徑優(yōu)化方法研究[D]. 劉波.北京交通大學(xué) 2018
[2]基于短時(shí)交通流預(yù)測(cè)的動(dòng)態(tài)路徑選擇問題研究[D]. 李治.蘭州交通大學(xué) 2018



本文編號(hào)：3414535