城市实时道路交通智能管理研究——基于优化的DNA文化编码算法.docVIP

城市实时道路交通智能管理研究 ——基于优化的DNA文化编码算法 苏 博，朱 敏 （贵州,贵州 贵阳550003 摘要： 智能交通管理本质上是通过对车辆路径进行控制，从而改变不同车辆通过路口的时间，最大可能减少相同时间段下的网络流量，提高道路的通行能力。本文基于优化的DNA文化编码算法，该算法使车辆在行进过程中，不断寻找最优路径，达到优化网络流量，缓解道路压力的最终目的。 关键词：DNA、算法、智能、道路、管理 中图分类号：TN929.533 文献标志码：A Research on city road traffic management in real time -- Based on the DNA culture coding algorithm Su Bo，Zhu Min (Guizhou University，Guiyang 550003，China) Abstract：Intelligent traffic management is essentially through controlling the vehicle path, Thus changing the vehicle through the intersection of time, the maximum possible to reduce network traffic under the same time, enhance the capacity of the road. In this paper, we use DNA culture coding algorithm to find the optimal path, optimize network traffic, and alleviate the pressure to the road. Key words：DNA、algorithm、Intelligent、path、management 引言 智能控制是一类独立驱动智能器械达到目标的边缘交叉学科，它主要用于解决一些复杂的，时变，非线性的系统问题。在这类情况下，通过常规的数学模型无法有效完成任务，智能控制就是在这样的背景下发展起来的。本文采用了优化的DNA文化编码算法来实现对城市实时道路交通的智能管理，该算法是一种基于DNA种群的迭代进化的计算模型，它对于道路交通管理，资源调度，遗传规划等等复杂的系统都有着独特的优势。下文将针对其在道路交通管理上的应用逐一展开分析。 1 优化的算法流程 优化的DNA文化编码算法主要包括三个主要元素：信念空间，种群空间，影响函数。信念空间立足于宏观角度，模拟文化的产生与发展过程；种群空间是算法展开的主要空间，它主要利用演化操作与性能评价来反映自身迭代进化的过程；影响函数通过的作用是为了更新粒子群当中的优秀粒子的信念空间，可以帮助其更快速更优质的演化。在计算最优交通路径时，以通过路径的最小完成时间作为衡量标准。因此，本文的重点在于如何找到最优解。 图1 改进的算法流程 如图1所示，该算法首先初始化种群空间以及信念空间，然后计算种群空间的演化代数从而判断是否展开演化信念空间步骤。如果满足接受条件，则更新信念空间，用当前状态下种群空间中的最好个体替换最差个体，计算使用度，利用算法的选择，交叉，变异来进行自身演化。粒子群演化中，每运行影响函数代用信念空间群体中适应度较好的m个个体来替换掉最差的个体。最后评价所有粒子的适应度状况，实时更新种群粒子的位置（P）与速度（V），选择出最佳粒子，直至满足终止条件，输出最优解。 2 计算最优路径 在计算最优交通路径时，以通过路径的最小完成时间作为衡量标准。因此，本文的重点在于如何根据上节的流程找到最优解。 2.1 建立初始种群 初始种群的建立在DNA基因测序算法的遗传进化过程当中起到举足轻重的作用。如果初始种群的平均适值较高，则迭代过程能够在相对较短的时间获得最优解。建立初始种群的流程如图2所示： 图2 初始种群建立过程 根据图2，我们首先可以结合道路特征编制一个DNA编码的优质抗体记忆库，然后如果存在相同或相近的道路状况，可以直接调用合法的初始抗体群；反之，则通过聚类生成初始抗体群，保持初始种群的多样性，便于遗传操作的正常开展。初始种群的初始化包括对粒子速度矢量与位置矢量的初始化： 其中，粒子的位置矢量： 粒子的速度矢量： (1≤i≤m) 2.2 适应度函数 适应度函数主要用来判断信念空间与种群空间粒子个体的适应度，结合DNA智能编码的特点，本文采用了基于权重的适应度函数来评价DNA集合。基于权重的适应度函数如下:，其中i∈{H-measure,Similarity,Continuity,Harpin,GC,T