改进蚁群算法在智能交通中的应用.pdfVIP

第43卷第3期 数学的实践与认识 Vbl_43．NO．3 2013年2月 MATHEMATICSINPRACTICEANDTHEORY Feb．，2013 改进蚁群算法在智能交通中的应用 宋方，汪镭 (同济大学电子与信息工程学院，上海201804) 摘要：为了诱导车辆在出行时选择较高质量的路线，提出并建立了城市道路权值 仿真模型．为求解该模型，从分析基本蚁群算法入手，通过在状态转移规则中加入扰 动因子，改进全局更新规则，以及引入信息素更新算子改进了蚁群算法．然后利用道 路权值模型对两种算法在路径寻优效果上做了比较和分析，实验结果表明改进后的 蚁群算法能有效地避免停留在局部最优解，并提高计算效率，具有良好的寻优性和 收敛性，能准确找出路网中满足综合要求的最优路径． 。 关键词：智能交通；最优路径；蚁群算法；道路权值模型 随着经济社会的快速发展和城市化进程的不断加快，城市机动车拥有量迅速增长，人们 对交通运输的需求急剧增加，交通量的快速增长使道路交通状况日益恶化、交通堵塞现象普 遍存在、交通事故发生量不断上涨，从而导致了一系列严重的交通问题和社会问题．智能交 TransportationSystems)，就是以减缓道路拥堵、交通事故、环境 通系统简称ITS(Intelligent 污染、资源浪费，提高道路利用率，为利用者提供更加快捷舒适的服务为目的，将现代通信技 术、网络信息系统、定位系统、智能化分析系统等综合运用于整个道路管理体系的总称． 最优路径选择是智能交通系统的重要研究课题，它能够根据存储在电子地图中的道路网 的拓扑关系，实时准确地规划出最优路径．最优路径规划的目的是帮助车辆驾驶人员或调度 人员在车辆出发地和目的地之间按照某种策略选定一条最优路径． 1基本蚁群算法 1．1基本原理及公式 蚁群算法(ant colony 等通过模拟自然界蚂蚁觅食行为提出的一种仿生进化算法【1]．由于蚂蚁觅食过程中会在所 经过路径上释放一种被称为信息素的物质，因而其他经过该路径的蚂蚁可以通过感知这种物 质，并根据其残留量确定行进的方向．这样，蚂蚁选择越多的路径上所留下的信息素浓度会越 大，而浓度大的路径会吸引更多的蚂蚁，这样就形成一种正反馈．在这种正反馈机制作用下， 蚁群最终可以找到一条巢穴到食物源之间的最短路径．其基本数学模型如下： 假设将m只蚂蚁随机地放置在n个城市上，初始时刻城市问每一条边的信息素死j(0)相 收稿日期：2012—12—06 6107506461005090)． 万方数据 3期 宋方，等：改进蚁群算法在智能交通中的应用 67 城市i到城市J的转换概率： (1) 啪)：』三E攀‰似auow咄 (1) 磁(￡)={一。州。吃@)叩∽～……～8 【0， 。therwise 表，记录了在t时刻蚂蚁k已经走过的城市，不允许该蚂蚁在本次循环中再经过这些城市．当 所有n个城市都加入到tabuk中时，蚂蚁k便完成了一次周游，此时蚂蚁k所走过的路径便 是TSP问题的一个解．式(1)中的％是一个启发式因子，表示蚂蚁从城市i转移到城市J 的期望程度，通常取城市i与城市J之间距离d巧的倒数．OL和p分别表示路径上信息素量 和启发式因子的相对重要程度．当所有蚂蚁完成一次周游后，各路径上的信息素量要根据式 (2)，(3)进行更新： (2) 元j(t+1)=(1一p)Tij(t)+△死j(t，t+