有约束的随机最短路问题模型及算法.pdfVIP

第32卷 第 6期 武汉理工大学学报(鸯鍪差) Vo1．32 No．6 2o08年 12月 J0urna1ofWuhanUniversityofTechnology Dec．2OO8 (Transp0rtationScienceEngineering) 有约束的随机最短路问题模型及算法* 何方国h 齐 欢D 范 琼D (华中科技大学系统工程研究所 武汉 43OO74) (黄 冈师范学院数学与信息科学学院。’ 黄冈 438OO0) 摘要：针对不确定网络，研究具有随机参数的最短路径 问题，采用随机数表示路径权值 的不确定 性 ，建立有约束的期望最短路模型．基于随机模拟方法，设计了一种融合退火技术的遗传算法，引 入退火机制处理有约束的优化问题．在进化过程中，动态调节对不可行解的惩罚力度，使不可行解 逐步被淘汰出去，最后收敛到问题的全局最优解．给出的数值实例验证了该算法的有效性． 关键词：期望值模型；最短路径；遗传算法；不确定网络 中图法分类号：0157．9；TP183 最短路径问题是网络设计 中遇到的最常见问 w(P)一 ∑ 一(∑ ，∑ ) 题之一 ，不确定最短路 问题已引起研究者广泛关 有约束的最短路问题就是对于给定的约束 注．wastlund[1]研究了随机网络上的最短路问题 ， c，要在所有从1到 的路中，求一条路使得 ∑￡， YaoL2]对模糊最短路径问题进行了分析 ，MisraL3] 给出了寻找统计意义下最短路 的方法 ，谭 国真 最小且 ∑c≤c．设决策变量为z，则路径为 一 { (，)∈E} 等[4]研究了动态随机网络中的K期望最短路及算 法．近年来随着智能计算的兴起，许多新的算法不 式 中： =1表示弧 (，)包含在该路径 中；z 一0 断涌现，一些学者将遗传算法和神经网络模型应 表示弧 (，)不包含在该路径 中．对最短路径 问 用于解决最短路径问题[s]，设计 出了很多成功的 题，目标函数厂(，)通常定义为 算法．本文对带随机参数的不确定网络进行研究， (z，毛、)一 eijzIj (I．)∈E 建立了一个有约束的期望最短路模型，并且设计 如果基』为确定的数，则求厂 ，)的最小值是有定 了求解 问题的混合遗传算法，最后给出算例对算 义的，但 为随机变量时，导致 目标函数厂(z，f)也 法进行了验证． 为随机变量，这样求厂( )的最小值也就失去了 意义．一个解决方法就是考虑厂(z，f)的期望值 1 模型的描述与建立 E[厂(，)]=E(∑ z) (f．』)∈E 考虑一个既有随机参数又有确定参数的网络 式中：E为期望值算子．决策者希望在一些约束条 图，设G：==(，E)为无向网络图．其中 一 (1，2，…， 件下，使 目标函数的期望值达