退火算法与神经网络算法结合在路径规划中的研究.docVIP

退火算法与神经网络算法结合在路径规 划中的研究 李江伟许伦辉 华南理工大学土木与交通学院 摘要： 路径规划问题是计算机、数学、交通、机器人等包含了众多领域在内的经典问题, 它可以被描述为一个最优化问题。为了解决经典算法在求解最优路径时运算时长 的问题，该文研究了神经网络和模拟退火算法的特点，建立了一般路网的数学 模型;根据神经网络和模拟退火算法的特点设计了适合车辆诱导的路网最优路径 算法。结果表明，应用神经网络算法和模拟退火算法相结合，比单独使用任何一 个算法的效率高。 关键词： 路径规划;神经网络;模拟退火算法; 作者简介：李江伟（1990—）,男，硕士研究生，研究方向为交通运输工程； 作者简介：许伦辉（1965—），男，教授，博士生导师，研究方向为智能控制理 论及应用、智能交通系统等。 收稿日期：2017-04-20 Research on Path Planning Based on Simulated Annealing Algorithm and Neural Network Algorithm LI Jiang-wei XU Lun-hui School of Civil Engineering and Transportation, South China University of Technology; Abstract： The problem of path planning is a classical problem including computer, mathematics, traffic, robot and so on. It can be described as an optimization problem. In order to solve the problem of long operation time of classical algorithm in solving optimal path， the characteristics of neural network and simulated annealing algorithm are studied, and the mathematical model of general road network is established. According to the characteristics of neural network and simulated annealing algor it hm, the optimal path algorithm for vehicle guidanee is designed. The results show that the combination of neural network algorithm and simulated annealing algorithm is more efficient than any single algorithm alone. Keyword： path planning; neural network; simulated annealing algorithm; Received： 2017-04-20 一个网络屮，在满足一定的约束条件下，找岀一条从任意2点之间的最优路径， 可以是时间少、距离最短，也可以是费用最低，或者有多个优化目标，考虑这几 种因素的综合影响。路径规划在很多领域都有着非常广泛的应用，例如交通、物 流、通信系统的路由搜索、机器人行走路线规划等，以及近两年非常热门的无人 机，路径规划算法已成为其最为关键的核心技术之一。路径规划问题可以表示为 一个数学上的多口标优化问题，因此在路径规划问题就转化为求解相应的数学 优化问题。在此，重点研究利用合适的方法求解最优解。 最短路径问题是网络优化中的一个最基本的也是最重要的分支，同时也是所有 路径规划问题的基础。许多路径规划问题都可以转化为这样的最短路径问题模型 來表达，或者可以用最短路算法作为子程序。 为路径的权值，是特定情况下的约束条件，研究的目的就是在约束条件下求得 目标函数的最小值。在实际的交通路网中，路段或者节点的数量都是非常多的， 求解的复杂度较高，需要找到一种既能够较好地找到全局最优解，又有着较快 的运算速度的方法。因此，提出了一种基于模拟退火-Ilopfield神经网络的算法 (SA-CHNN),并利用神经网络的高度并行性，借助并行计算技术来提高算法的 计算速度，且能够有效地求得全局最优解。 1模拟退火算法 1.1退火算法原理 模拟退火是一种随机的搜索方法，其灵感来自于退火的过程。它的基本思想是, 首先将温度设置为一个足够高的水平，此时绝大部分