优化算法在动态路径诱导系统中的研究综述

城市交通拥堵问题已成为阻碍我国城市经济发展的主要问题之一,动态路径诱导系统在城市道路交通流的均衡动态分配中起着举足轻重的作用,并对缓解我国现阶段的城市交通拥堵问题具有重大现实意义。文章对应用于动态路径诱导系统的智能优化算法进行研究,对其进行了分类和综述,并对其各自的优缺点进行总结,同时对下一步的研究进行了展望,为今后的研究提供参考和借鉴。     

路径诱导系统综述

智能交通系统的重要子系统——路径诱导系统,凭借其将计算机技术、信息技术和通信技术相结合应用于解决日益恶化的交通状况的优势,越来越受到人们的广泛关注,必将对交通系统的发展产生深远的影响。     

停车诱导系统下中心型路径诱导算法的改进与应用

在应用Dijkstra算法的前提上,建立一个适用于城市交通路况综合评测的路网模型．结合该模型,对Dijkstra算法进行改进,提出了一种中心型路径诱导算法,并应用到停车诱导系统中．将该算法和经典Dijkstra算法进行比较,结果表明该算法能及时适应路网变化,迅速做出新的路径选择．     

D*算法在柔性输送系统路径规划中的应用研究

针对柔性传输系统(FTS)对于最短路径规划问题的要求,提出将D*算法移植并嵌入到柔性传输机器人模型的控制系统中。简要介绍并分析了D*算法的基本原理,以位置已知、环境相对确定和最低路径代价为约束条件,建立FTS的最优路径规划模型,并进行仿真实验。实验结果表明,D*算法具有较好的避障自适应性能力、较高的柔性和动态响应特性,较之Bug算法、概率路标算法(PRM)和Bellman-Ford算法等,D*算法具有较快的收敛速度和较少的计算量,适合环境相对确定、多品种小批量柔性传输系统。     

DCW算法在智能交通系统中的应用研究

针对城市交通路网具有实时性的特点,为了快速高效地选择出最优路径,采用一种动态改变惯性的自适应粒子群算法(DCW).在DCW算法中引入参数粒子群简化速度因子和聚集度因子,在每次迭代时算法根据当前粒子群进化速度和聚集度动态改变惯性权值.最后用惯性权值线性递减粒子群算法(LDW)和DCW算法分别进行计算最优路径的仿真实验,得出结论,DCW算法更适合用作智能交通系统中最优路径的选择.     

基于多agent系统的医学图像进化分割算法的研究

在进行医学图像分析时,很多研究对象（如大脑、心脏等）在图像中并没有明显的边界,属于自然纹理图像,不同组织间也没有清晰的分界线,在这种情况下,图像分割的任务非常困难.本文基于多Agent思想提出了进化分割算法.该算法将Agent设计为具有4种行为的计算实体,它驻留在医学图像的二维网格中,利用先验知识指导其行为的演化.通过在人脑核磁共振（magnetic resonance,MR）图像分割和异常脑细胞的识别实验,与最大似然（maximum likelihood,ML）分割和构形梯度平方残差（conjugate gradient square,CGS）分割比较,本文的方法更适合临床.     

基于遗传算法多目标非重叠路径诱导算法

依据遗传算法基本原理,提出一种多目标路径诱导算法. 染色体编码采用可变长度节点序列方法表示,以减少染色体编码长度. 设计了相应的多目标适应度函数. 该算法在给定多个目标约束条件下,能够解出多个近优路径. 实验结果证明,该算法能有效解决多目标非重叠路径选择问题,和目前已有其它方法相比,路径相似度更小.     

路径诱导系统中综合地图匹配算法的研究

地图匹配算法对于车辆路径诱导和实时轨迹回放具有重要的应用,为了提供连续、精确和可靠的车辆行驶路段位置,利用定位传感器输出车辆运行位置信息,结合高精度空间道路网络数据,提出新的综合地图匹配算法.该算法不受地理环境的约束,能有效地修正传感器的定位误差,提高车辆定位精度.实际道路测试证明,该算法比现有地图算法更高准确度和实时性,尤其是在十字路口有更好匹配效果.     

智能交通系统的车辆行驶最佳路径算法

图论中最短路径算法(例如D ijkstra算法)是一种静态的算法,车辆的驾驶路径是一个多元参数的动态过程.最佳路径计算需要在最短路径算法基础上考虑各种动态因素和突发事件.寻找一种动态车辆行驶最佳路径算法的研讨对于解决交通堵塞有着积极的意义.     

Dijkstra改进算法在停车场泊位诱导系统中的应用与仿真

针对现有大型停车场内泊位诱导的低效问题,基于用户自由选择车位,以停车路径最短为准则,提出Dijkstra改进算法对问题进行分析和求解.并结合实例用VC进行仿真,为入场车辆的停放提供向导,提高停车场管理系统的智能化程度.     

NEDS算法在高速交通系统最佳路径选择中的应用

高速交通系统是由具有不同联通属性的高速公路交通系统和普通公路交通系统两个网络组成,它们通过高速公路出入口相连接,形成完整的运输网络.本文根据高速交通系统的特点,讨论了高速交通系统中NEDS算法的数据基础、原理及方法,给出了高速交通系统最佳路径计算的方法和步骤,并通过一个实例,详细讨论了路径选择的计算过程.     

一种应用于多agent系统通信的多变异遗传算法

简述多agent系统通信优化问题的研究现状,提出一种新的改进遗传算法。针对多agent系统通信问题的特点,考虑基因位的影响力及跟踪进化过程的遗传参数调整策略,采用各种变异操作,提高算法的收敛能力。仿真结果表明,改进遗传算法相对于SGA解决多agent问题在收敛速度上有明显提高,算法稳定性也有所改善。新算法的优化质量较高,具有更好的实际应用效果。     

多agent技术的研究与应用

本文主要介绍了Agent和多Agent技术的背景和概念,分析了Agent系统的体系结构,说明了多Agent系统中的各Agent之间用来进行知识交互的通信语言．最后列举了多Agent的应用。     

一种增量式多目标优化的智能交通路径诱导方法

路径诱导是一种主动引导车辆合理分流来解决城市交通拥堵的方法.本文提出了一种基于增量搜索的多目标优化路径诱导方法.该方法首先利用图论法将复杂路网抽象为点线的赋权图,引入多目标优化变量,建立路网模型;然后在启发式搜索基础上引入增量搜索,结合全局规划和局部动态重规划,实现车辆的实时路径诱导.仿真结果表明该方法能有效地解决复杂路网中车辆的实时路径诱导问题.     

基于遗传算法的动态路径诱导

动态路径诱导（DRGS）是智能运输系统研究的一个重要方面，旨在通过向驾驶员提供基于实时交通信息的最佳行驶路径在来达到诱导出行行为，减少车辆在道路上的逗留时间，进而实现改善城市交通和避免交通拥挤、阻塞的目的。路径牵引算法是DGRS中的重要研究内容，它能计算出给定起讫对之间的的最优或准最优路径，路径牵引算法要考虑一全局准最优和实时性问题，而遗传算法具有全局寻优和潜在的并行性特点，将遗传算法应用于动态路径诱导系统中求解最佳路径，设计了特定的有序选择、交叉和遗传算子，并通过实例验证了算法的有效性。     

动态路径诱导算法及其仿真

引入虚拟路径和拥堵因子,提出实时道路状况对路径规划算法权值影响的关系模型,在Dijkstra算法的基础上实现车辆的动态诱导,并以VB与MapX构建的GIS系统平台对该算法进行仿真,证明算法的有效性．     

改进的蚁群算法在智能导游系统路径优化中的应用

为了解决游客选取最短旅行线路的困扰,在智能导游系统中加入路径分析的功能.将改进的蚁群算法应用于最短路径分析中,通过获取不同景点的ID号以及地理位置找到一条通过每个景点且只通过一次的最短旅行路线,仿真结果表明达到了预期的目标.     

蚁群算法在智能交通系统中的应用

蚁群算法是一种可以应用于各个领域的仿生智能优化算法。我们在研究算法时,要根据具体问题去找到相应的解决方法。因各个城市道路都具有其各自的独有特点,必须结合实际情况,选择合适的算法。蚁群算法一经提出,就成为研究的热点,应用于各个领域。蚁群算法不仅具有智能搜索,而且在全局的优化过程中具有较强的鲁棒性和分布式计算的优点。     

多约束最优路径算法比较研究

针对多弧权网络路径寻优及其效率问题,提出了4种多约束最优路径算法,并对其进行了比较研究.基于经典Dijkstra算法,提出了多约束最优路径问题的D_MCOP算法;引入启发式搜索思想,设计了A*_MCOP算法和迭代加深搜索的IDA*_MCOP算法;为克服IDA* _MCOP算法每次迭代都要回到起始节点重新搜索的缺陷,提出了一种多约束边沿搜索算法——Fringe_MCOP算法.实例研究表明:三种启发式搜索算法扩展的节点数、边数以及算法的执行时间都远小于D_MCOP算法,而且Fringe_MCOP算法在三种启发式算法中性能最优;当给定的约束条件与最优路径的权值向量越接近时,算法的执行效率越高,当网络规模较大时,这一趋势更加明显;当约束条件过于严格而得不到满足约束条件的路径时,A*_MCOP和Fringe_MCOP的算法速度比IDA*_MCOP的算法速度更快,D_MCOP的算法速度最慢.     

路径动态诱导策略研究

路径动态诱导中最优路径是一关键技术,文章通过对道路网特点的分析,提出了基于改进的Dijkstra算法、限制区域算法及数字地图技术下求解最优路径的策略.