关于不确定条件下的最短路径问题的研究.docx

关于不确定条件下的最短路径问题的研究 摘 要：在利用最短路模型解决问题时，由于天气、运输条件以及时间段等原因，网络中弧的权值经常很难给出确切的值。对传统的最短路径优化模型提出了挑战，也为最短路径优化模型的进一步发展提供了新的机遇。本文主要就不确定条件下最短路径问题进行研究，介绍了一种不确定条件下最短路径问题随机优化模型――有约束的期望最短路径模型，利用结合随机模拟方法和遗传算法的混合智能算法进行求解。通过系统的学习不确定条件下的最短路径问题的解决方法，开拓了思路，对自己运用系统思维解决自己研究方向的问题有很大的启发。 关键字：网络优化；不确定最短路径问题；系统思维 一、引言 最短路径问题是指在网络中寻找节点间具有最小长度(或最小费用)的路径，具有重要的理论和实际应用意义。一方面，它可以直接应用于许多实际问题，如各种管道的铺设，线路安排等;另一方面，它也常被利用为解决其他一些优化问题的工具，是网络优化中的一个基本而又重要的问题。因此运筹界、工业界的学者对最短路径及其变形问题就算法和应用等方面进行了广泛的研究。 然而在很多具体的应用中，我们遇到的信息，存在着客观的或者人为的不确定性，这种不确定性的表现形式是多种多样的，例如随机性、模糊性等。在利用最短路径模型解决问题时，由于天气、运输条件以及时间段等原因，网络中弧的权值经常很难给出确切的估计，这样只能根据历史数据获得其概率分布情况，即这