优化公交车调度的多目标遗传算法模型

公交车是为市民出行提供服务的“准公共”产品,它反映了一个城市的管理水平。研究如何合理规划公交车的调度是一个至关重要的问题。针对由于公交客流量易受天气影响、不同时间段客流量及其变化程度相差较大等问题,本文提出了基于“平高峰”因素的多目标遗传算法对城市公交调度进行优化。模型由三个阶段构成,首先本文根据客流数据对公交的“平高峰”阶段进行定义,并验证其合理性;然后利用乘客在站等待时间与公交的各方面成本建立以乘客出行成本和公共交通的运行成本最小的公交调度优化模型。最后将“平高峰”融入至染色体基因序列中,利用多目标遗传算法不断迭代计算出最优公交调度方案。对比结果表明,基于“平高峰”优化后的模型较于传统算法的乘客出行成本降低了13.75%且公共交通的运行成本减少1.7%,均优于传统算法。证明该方法对优化公交调度的有效性。     

面向大数据的数据库划分FP-Growth改进算法

提出了一种基于Hadoop架构和MapReduce编程模型实现的面向大数据的FP-Growth频繁项集挖掘的改进算法。首先将事务数据库按每个频繁1项进行抽取,生成对应的投影数据库,并将这些投影数据库分发到一个个节点机上;再由节点机对投影数据库进行划分,生成一个个规模更小的子数据库,并由节点机使用改进后的算法并行挖掘生成部分频繁项集;最后归并所有部分频繁项集得到全部的频繁项集。该算法无需像传统的FP-Growth算法一样为事务数据库生成庞大的FP树,有效解决了传统FP-Growth算法及其一些改进算法中因单机内存存储不下庞大的FP树而导致算法失效的问题。同时,由于所划分的子数据库规模接近,分发到各节点机上的负载更均衡,使得算法效率更高。