基于交通拥堵指数蚁群改进算法研究.docVIP

基于交通拥堵指数蚁群改进算法研究 　　摘要：随着城市道路规模的不断扩大，在车辆路线优化问题上，大部分学者只考虑距离或者费用等单目标，往往忽略了实际交通道路情况。提出了一种基于实际道路交通情况的路线优化改进蚁群算法，首先根据实际交通道路生成交通网络图，然后在信息素初始化时根据各路段的交通拥堵指数加入对应的交通拥堵权重；其次在信息挥发系数中加入车流量系数；最后在转移概率中加入道路畅通强度加强蚂蚁的选择。Matlab模拟实验证明，带交通拥堵指数优化后的蚁群算法能更好地符合实际道路情况，解决车辆路线优化问题。 　　关键词：车辆路线优化；交通拥堵指数；蚁群算法；Matlab 　　DOIDOI：10.11907/rjdk.172899 　　中图分类号：TP312 　　文献标识码：A文章编号文章编号2018）003007404 　　英文摘要Abstract：In view of the advancement of new urbanization in China and the continuous expansion of urban road scale， most scholars have only considered the single target of distance or cost， and often neglected the actual traffic road. Ant colony optimization algorithm for route optimization based on actual road traffic. First， according to the traffic congestion index， the traffic congestion weight is added when the pheromone is initialized. Secondly， the traffic flow coefficient is added to the information volatility coefficient. Finally， the road smoothing strength is added to the transformation probability. The simulation results show that the ant colony algorithm with traffic congestion index can be used to solve the problem of vehicle route optimization. 　　英文?P键词Key Words：optimization of vehicle routes； traffic jam index； ant colony algorithm； Matlab 　　0引言 　　我国新型城镇化进程加快，城市交通道路变得越来越拥堵，城市居民出行、公交调度、物流转运成为大问题，发展智慧交通已经成为解决交通拥挤的必要措施。本文在求解销售员问题（Traveling Salesman Problem，TSP）、邮政员问题（Chinese Postman Problem，CPP）、车辆路线问题（Vehicle Routing Problem，VRP）等NP难题的背景下，研究一种基于现实交通道路的多目标优化车辆路线问题。车辆路线问题（VRP）最早由Dantzig和Ramser于1959年首次提出，它是指一定数量的客户，各自有不同数量的货物需求，配送中心向客户提供货物，由一个车队负责分送货物，组织适当的行车路线，目标是使得客户需求得到满足，并能在一定的约束下，达到诸如路程最短、成本最小、耗时最少等目的[1]。 　　目前常用的最优路径求解方法有BellmanFord算法、Dijkstra算法、A*算法及蚁群算法（ACO）、遗传算法（GA）、禁忌搜索算法（TS）、粒子群算法（PSO）、模拟退火算法（SA）、人工神经网络（ANN）等启发算法。 　　最近几年来，蚁群算法的研究取得了很多成果。夏小云、周育人[2]回顾了蚁群优化算法的收敛性分析、时间复杂度分析与近似性能分析等理论研究进展，分析了其理论研究对象从简单的拟布尔函数转为组合优化问题以及实际应用问题。何小锋、马良[3]针对蚁群算法求解VRPTW问题时易于陷入局部最优和收敛速度满的问题，提出了一种VRPTW的量子蚁群算法。文献[4]中提出“最大最小蚁群系统”MMAS（MaxMin Ant System），将信息素浓度控制在一定范围内变化，并对信息素浓度设置了上下限。文献[5]提出了一种将蚁群