基于自适应蚁群算法的公交查询算法设计.docVIP

基于自适应蚁群算法的公交查询算法设计 　　摘要:公交查询系统的设计可以解决在庞大的公交网络中公交路线选择的问题。该文将利用蚁群算法设计公交查询系统的核心算法,即如何搜索出一条从起始站点到目的站点的最优路径。该文将公交网络按直达关系抽象成有向图,用蚂蚁在各个节点之间的行走代表公交线路的选择。针对基本蚁群算法收敛速度和早熟之间的矛盾,提出了自适应信息素更新的蚁群算法,并设计了迟滞更新信息素的方法,使得运算量大大减少。 　　关键词:公交;换乘;自适应蚁群算法 　　中图分类号:TP18文献标识码:A文章编号:1009-3044(2009)34-9799-02 　　Bus Travel Transit Path Query Algorithm Designing Based on Adaptive Ant Colony Algorithm 　　SUN Li-na1, ZHANG Li1, WANG Lin2 　　(1.Minsheng College, Henan University, Henan 475004, China; 2.School of Humanities and Social Science, Beijing Institute of Technology, Beijing 100081, China) 　　Abstract: Bus travel transit path query system can deal with the problem of searching the best routine among the huge and complex bus net. This paper applies Ant Algorithm on designing the kernel of Bus travel transit path query system, which is how to search out the best routine from start stop to end stop. We transform city bus net to directed graph based on nonstop relation and use the walk of ant among nodes to denote the selection of routine. To solve the contradictory between convergence and precocity in the basic ant colony algorithm, an adaptive updating pheromones ant colony algorithm is presented. We also design a delayed updating pheromones method reducing the computational complexity sharply. 　　Key words: bus; walk; ant algorithm 　　这些年来,北京市的公交线路已达800条以上,使得公众的出行更加通畅、便利,但同时也面临多条线路的选择问题。为此需要设计公交线路选择问题的自主查询计算机系统以方便人们的出行选择。 　　1 蚁群算法 　　蚁群算法是近年来兴起的高效的启发式算法[1-2]。蚁群算法(Ant Colony Algorithm, ACA)是M.Dorigo等人于1991年提出的。经观察发现,蚂蚁个体之间是通过一种称之为信息素(pheromone)的物质进行信息传递的。在运动过程中,蚂蚁能够在它所经过的路径上留下该种信息素,而且能够感知信息素的浓度,并以此指导自己的运动方向,倾向于朝着信息素浓度高的方向移动[3]。 　　基本蚁群算法的程序大致如下: 　　Step 1:参数初始化。循环次数N=0,设置最大循环次数Nmax,将G个蚂蚁分别放在起始站点上,初始化有向图的每条边(Si,Sj)的信息量,将每个蚂蚁的禁忌表置为空。 　　Step 2:循环次数N=N+1; 　　Step 3:按照一定的规则为每个蚂蚁选择下一个节点。 　　Step 4:修改该蚂蚁的禁忌表; 　　Step 5:若还有蚂蚁没有选完,转Step 3; 　　Step 6:根据每个蚂蚁走过的路径,由此更新每条路上的信息量; 　　Step 7:若循环次数NNmax结束程序,否则转Step 2。 　　基本蚁群算法有诸多的缺点,如收敛速度慢,容易出现早熟,停滞现象。许多学者[4-6]提出自适应蚁群算法来克服基本蚁群算法的缺点。在利用自适应蚁群算法之前,假设我们已经知道每条公