蚁群算法在智能交通领域的应用.docVIP

蚁群算法在智能交通领域的应用 　　摘 要 智能交通是将电子信息技术与传统的交通运输产业相结合而产生的服务系统，它以信息技术、控制技术等技术为基础，借助新一代电子信息技术的发展，提供了高效的、适应现代发展的交通运输管理系统。智能交通系统涉及到交通领域的多个方面，其中最优路径选择是智能交通系统的一个典型问题，适合采用蚁群算法求解。 　　【关键词】智能交通系统 蚁群算法 信息素 最优路径 组合优化 　　交通运输的现代化使人们享受便利的同时，也面临道路拥堵、事故频发等问?}。近年来，智能交通系统越来越受到人们的重视，它涉及到交通领域诸多方面，如最优路径选择、车辆路径规划、动态车辆调度、交通流量控制等。其中一个重要的应用是一类典型的以数学理论为基础的组合优化问题，而蚁群算法具有内在的搜索机制及正反馈性，适合求解一系列的组合优化问题。 　　1 蚁群算法描述 　　蚁群算法源于20世纪90年代初意大利学者M.Dorigo首次提出的蚂蚁系统。它是基于种群的启发式放生进化系统，是通过对蚁群觅食过程中其行为的研究而得出的一种算法。主要思路是蚂蚁借助自己路径寻优的能力可以找到巢穴与食物之间最短的途径。在寻找过程中主要依靠的是每个蚂蚁在行进过程中留下的挥发性分泌物――信息素，依靠信息素，蚁群的蚂蚁之间可以相互合作，相互配合，因此形成的正反馈可以使每只蚂蚁找到所有路径中最短的路径。 　　蚂蚁a从节点j移动至k的转移概率可以从式（1）中获取： 　　（1） 　　（2） 　　（3） 　　2 蚁群算法的应用优势 　　蚁群算法，又名蚂蚁算法，蚂蚁可以利用信息素的浓度大小从而寻找到觅食的最优路径。该算法的优点可以总结为： 　　2.1 并行分布式计算 　　每个蚂蚁都是独立的个体，在觅食过程中属于多起点同时启动，互不影响，从根本上分析该过程属于分布式的多Agent系统，整体蚁群最终任务的顺利完成不会由于某些个体的缺陷而受到影响。该算法具有真实可用性，并且可用于解决对单目标的优化或者对多目标的优化等重要问题。此外，蚂蚁算法还可进行并行计算。 　　2.2 鲁棒性 　　蚁群算法的最终结果与蚂蚁最初选择的路径无太大关系，在利用人工仿真蚂蚁进行问题求解过程中，不需要对其进行人工的修整。把问题简单化，可以和其他算法相互结合求解最优问题。 　　2.3 自组织性 　　蚁群算法组织指令的来源为系统内部，它不受外界环境的干扰，因此该算法具有自组织性。 　　2.4 正反馈性 　　蚂蚁对于最优路径的选择主要依靠路径上信息素浓度的多少，信息素的堆积是正反馈的过程，路径上信息素的含量越多则该路径被选择的几率就会越大，正反馈的作用是使整体能够更快的寻找到最优途径，正反馈在蚁群算法中处于重要地位。 　　2.5 易于实现 　　它是一种启发示算法，其计算复杂性为，整个算法的空间复杂度是：。 　　3 蚁群算法在智能交通领域的应用空间 　　蚁群算法在解决组合优化问题方面有着明显的优势，从而在智能交通领域也有着广泛的应用空间。 　　3.1 车辆路径导航 　　根据行车人员的需要，根据对实时路况信息的统计，系统可以智能的为其推荐最优路径，节省时间，节省资源。 　　3.2 动态车辆调度 　　当客户需要调度中心为其进行车辆服务时，调度中心要考虑到客户的情况，要考虑到效率的问题，要考虑到行车路线、行驶时间等问题。蚁群算法便可迅速得到合理的解决方案，使客户和调度中心均可受益。 　　3.3 车辆路径规划 　　面对多个客户不同的要求时，配送中心要根据实际情况进行车辆的配送，通过蚁群算法系统获取整体的最优路线，根据路线规划，及时进行车辆出发以满足客户要求，同时充分利用了道路资源和车辆资源。 　　3.4 公共交通智能化调度 　　利用先进的技术手段、大型数据库技术等动态地获取实时交通信息，实现对车辆的实时监控和调度，最终建立集运营指挥调度、综合业务通信及信息服务等为一体的智能化管理系统。 　　3.5 交通流量控制 　　通过蚁群算法简化复杂的道路交通网络，尽量使交通流量在各个道路上分布均匀，避免因流量过大而造成车辆的阻塞。及时了解交通流量情况，缓解了交通拥挤，降低了交通事故的发生率。 　　参考文献 　　[1]M.Dorigo，V.Maniezzo，A.Colom.Ant System：Optimization by a colony of cooperating agents.IEEE trans on SMC，1996，26（01）：28-41 　　[2]Eric BONABEAUB， Marco DORIGO，Guy THERAULAZ.AWARM intelligence： from natural to artificial systems[M].New