基于遗传算法交通信息模糊融合方法.docVIP

基于遗传算法交通信息模糊融合方法 　　摘要：针对智能运输系统及其事件检测子系统研究开发的特点，提出了基于遗传算法的交通信息模糊融合方法。交通事件是导致交通流质量变化的主要因素，应用遗传算法优化交通事件检测的模糊控制模型参数，对模糊控制器所做出的决策进行动态调整仿真实验结果表明该算法具有更高的检测率和更低的误报率，能提高事件的检测效率。? 　　关键词：交通流；模糊控制；遗传算法；信息融合；模式识别 　　? 　　中图分类号：F49文献标识码：A文章编号：1672?3198（2007）11?0059?03?? 　　 　　1模糊控制和遗传算法? 　　人工智能技术可划分为传统人工智能技术（即专家系统）和处理数值计算的新人工智能技术，例如模糊逻辑，遗传算法和人工神经网络等。? 　　1.1模糊控制原理? 　　(1)模糊集合的运算。模糊集合理论的基本思想是把普通集合中的绝对隶属关系灵活化, 使元素对集合的隶属度从原来只能取{0,1}（正确或错误）中的值扩充到［0,1］区间中的任一数值。模糊集合 是由隶属函数 来刻画的。论域 中的模糊子集 是以隶属函数表征的集合。即由映射? 　　μ?A∶U→［0，1］? 　　u→μ?A(u)? 　　确定论域 的一个模糊子集A。μ?A称为模糊子集A的隶属函数，隶属度μ?A(u)说明u隶属于A的程度。常用的模糊集合运算主要有并、交以及补运算。? 　　(2)模糊化，模糊推理及解模糊化。模糊控制系统主要包括三个过程:输入的模糊化、模糊推理和输出解模糊化。? 　　①模糊化(fuzzification)。模糊化是将模糊控制器输入量的确定值转换为相应模糊语言变量值的过程，此相应语言变量值均由对应的隶属度来定义。本文选择三角形隶属函数，其曲线如图1所示。? 　　 　　图1三角形隶属函数曲线 　　其对应表达式为：? 　　μ?x=1,如果x=B?(x-A)/(B-A),如果BxA?（C-x）/(C-B),如果CxB?0,如果x≥C或者x≤A（1）? 　　其中A、B和C为三角形隶属函数参数。? 　　②模糊推理(fuzzy inference)。模糊推理是根据事先制定好的一组模糊条件语句构成的模糊控制规则，运用模糊数学理论对模糊控制规则进行计算推理，即根据模糊规则对输入的一系列条件进行综合评估，以??到一个定性的语言表示量。模糊控制规则采用“if…then…”形式，if部分是规则的前提，then部分是规则的结论。? 　　③解模糊化(defuzzification)。模糊控制器经过模糊推理得出的模糊输出量必须经过精确化处理，将模糊量转换为清晰的数字量才能去控制对象，这就涉及到推理结果的解模糊化问题。解模糊化的方法主要有以下几种：最大隶属法、系数加权平均法、重心法以及隶属度限幅元素平均法。? 　　常用的模糊推断过程如图2所示。图中 “V1”和“V2”分别代表两个输入变量，“O”代表输出变量, “Min”和“Max”分别表示合成和析取。图2采用三角形隶属函数，用去模糊化的方法从输出模糊集C中提取输出函数的代表值。? 　　1.2遗传算法简介? 　　(1)选择、变异和交叉。? 　　①选择。在本文中，选择根据每一染色体编码串评价指标的高低成比例的决定其选择概率。? 　　②变异算子。基于构造支撑树的顺序编码，若采用简单的一点或多点交叉策略，必然以极大的概率产生不可行的染色体，因此本文采用与部分匹配交叉比较类似的交叉方法，方法如下：? 　　a.随机在串中选择一个交配区域，如两父串及交叉区域选定为：A= 1 2?3 4 5 6?7 8 9B= 9 8?7 6 5 4?3 2 1? 　　b.将B的交配区域加到A的前面或后面，A的交配区域加到B前面或后面得到：A＇=7 6 5 4?1 2 3 4 5 6 7 8 9B＇=3 4 5 6?9 8 7 6 5 4 3 2 1? 　　c.在A＇和B＇中自交配区域后依次删除与交配区相同的城市码，得到最终的两子串：A″=7 6 5 4 1 2 3 8 9B″=3 4 5 6 9 8 7 2 1? 　　③交叉算子。为了维持群体内的多样化，本文采用随机连续多次对换的变异技术，使可行解在顺序上有了较大的变化，以抑制交叉中有可能产生的同化作用。例如对于串A：? 　　A=1 2?3 4 5 6?7 8 9? 　　如果随机产生的交换点是2和7，则串中的第2点和第7点将对换，对换后，串A变为：A＇=1 7?3 4 5 6?2 8 9? 　　由于经过一次对换后，A＇仍然有可能与A表示为同一个网络结构，所以本文采取连续多次的对换操作，来增强变异的效果。? 　　(2)编码方式。由于遗传算法的进化过程是建立在编码机制基础上的，编码对于算法的性能如搜索能力和种群多样性等的