基于遗传算法的模型在交通线路选择中的应用.pdfVIP

基于遗传算法的模型在交通线路选择中的应用 薛文敏，焦平，顾枭雄 中南大学交通运输工程学院，长沙（410075 ） E-mail ：xue0713@ 摘 要：本文利用交通运输过程中线路的特点，采用了基于变长度染色体编码的遗传算法， 对已知起点和终点的交通运输过程中线路优化选择的问题进行了分析，并给出了适合该线路 选择问题的遗传算法。 关键词：交通运输，线路选择，遗传算法 中图分类号：U116.2 1. 引言 随着城市道路建设的不断发展，道路的密度以及行车分配的复杂性也相应的增多了。 在交通运输过程中线路的选择也成为交通的一个关键问题，传统的线路选择优化计算已经很 难适应交通线路的增多速度。 本文根据交通运输过程中的特点，提出使用遗传算法[1] （GA ）求接已知起点和终点的 交通线路优化选择的问题，以提高选择计算效率。 2. 基于遗传算法的应用 2.1 遗传算法的原理及流程 遗传算法（Genetic Algorithm，简称GA ）。是一种模拟生命进化机制的搜索和优化方法， 是把自然遗传学和计算机科学结合起来的一种数学模型。其在路径选择这方面的问题上具有 很高的适用性。 初始化N 个子种群 N 个子种群独立运行遗传算法一定次数 满足条件否？ 结束 N 个结果种群及平均适应度值记录到R[1…N,1…n]及A[i] 中 对R[1…N,1…n]进行选择和交叉 对R[1…N,1…n]进行变异操作 对新的N 个种群重新开始遗传算法操作 图1 遗传算法流程图 - 1 - 以下是关于遗传算法的几个基本概念： 染色体（Chromosome ）：在使用遗传算法的时候，需要把一个问题的解编成一个适合 的码子。这种固定结构的符号串就是染色体，符号串的每一位代表一个基因。符号串的总位 数称为染色体的长度。一个染色体代表问题的一个解，每一个染色体也称为一个个体。 群体（Population ）：每一代所产生的染色体的总数称为一个群体，一个群体包含了该 问题在一带的一些解的集合。 适应度（Fitness ）：对群体中每个染色体进行编码后，每个个体对应一个具体问题的解， 而每个解对应一个函数值。该函数就是适应函数，就是衡量染色体对环境适应度的指标，也 是反映实际问题的目标函数。 2.2 对交通运输线路的简化 将城市的交通道路按照道路间隔和需求分配随机划分成m ×n 个矩形区域，假设该道路 网是非规则区域，即存在着可行车道和不可行车道。如图2 所示，实际可通行的车道用实现 表示，禁止通行的车道用虚线表示。其具体区域的划分如图3 所示： 图2 道路网分布图 图3 区域（i，j ）表示方法和汽车运行方向示意图 2.3 路线选择的图论描述 在图中d y （i=1,2…m-1;j=1,2…,n ）表示在垂直道路段的状态量，假如连接点（i，j ） ij - 2 - 和（i+1，j ）的垂直道路位于汽车路线上d y =1 ，否则d y =0 ；