最短路径演算法.ppt

* 實驗結果與討論 實驗環境 CPU：AMD Opteron 2.2GHz cache 1MB RAM：8 GB OS：Red Hat Enterprise Linux WS release 4 程式開發環境：Java Development Kit 1.6.0_02 地圖資料：交通部運輸研究所路網數值圖1.1版 全台灣節點及路段數：節點-275195個 (其中單進單出節點共46015個) 路段-381172條 * 實驗結果與討論 階層圖（群內、群間） 採用Dijkstra以正反地圖資訊求得。 128群 kd-tree METIS 前處理 前處理 * 實驗結果與討論 由於METIS與kd-tree的分群結果中，各節點將只會屬於某一群(群間無節點交集)，不符合我們群的定義。在我們群的定義中，群間將有交集，且其交集的節點為「邊界點」。因此我們必需根據群間無交集的分群結果，為其建立邊界點。 邊界點找尋演算法 依照「可到達鄰居節點數」對所有節點排序，可到達不同群鄰居節點數越多的節點越先處理，讓擁有較多跨群邊的節點成為邊界點。 對於所有「起始節點與終端節點不同群」的有向邊，其中一端必為邊界點。 * 實驗結果與討論 前處理 約1小時 41.9 + 41.9 MB 有向地標 （from_m / to_m） 2.22 小時 174 MB METIS 4.08 小時 442.3 MB Kd-tree 群間圖 2.59 小時 359.72 MB METIS 1.66 小時 625.17 MB Kd-tree 群內圖 -- 3.16 MB 分群資訊 -- 2.5 MB 座標 -- 31 MB 原始地圖 前處理時間 檔案 大小 資料檔 階層圖（群內、群間） 採用Dijkstra以正反地圖資訊求得。 2014~2259 2143~2245 邊界點數量 5354 8852 每群節點數量 534 (mb) 1.1 (gb) 階層圖大小 4.81 (hr) 5.74 (hr) 階層圖前處理時間 METIS Kd-tree 全台節點128群 128群 kd-tree METIS * 實驗結果與討論 實驗設計(1000筆隨機起終點) 實驗1 - 找出群內(case 4)最快的演算法 實驗2 - 比較空間省除方法各項組合的差異(case 3) 實驗3 - 比較不同分群下的執行差異 實驗4 – 距離與時間成本地圖中，起終點遠近程度對搜尋的影響 METIS 搜尋速度最快組合 起終點間相差的 Dijkstra Rank=200*2n，n=0~10 之隨機分佈 (各遠近程度只取亂數1000筆) 距離成本 時間成本 實驗4 METIS kd-tree 搜尋速度最快組合 隨機 距離成本 實驗3 METIS 空間省除方法各項組合(如下頁表) 起終點不同群 且 至少一方非邊界點 距離成本 實驗2 METIS 傳統ALT 與 群內邊界點ALT 起終點同群 且皆非邊界點 距離成本 實驗1 採用分群 (固定128群) 實驗演算法 起終點分佈 (亂數2500筆) 地圖類型 實驗編號 * 實驗結果與討論 比較的演算法： 不分群： Dijkstra、直線距離A*(記為A*)、有向地標A*(ALT)、 分群演算法CB：階層圖採用窮舉(CB all-pair)、Dijkstra(CB Dijkstra)、ALT(CB ALT)， 只利用群內圖的Dijkstra(CB inner Dijkstra)， 　 群內邊界點ALT (Cluster ALT)。 上述分群演算法皆可如下選擇性省除階層圖記錄之資訊 (dist,dist)：群內圖記錄dist，群間圖記錄dist (next,dist)：群內圖記錄dist + next/prev，群間圖記錄dist (dist,next)：群內圖記錄dist，群間圖記錄dist + next (next,next)：群內圖記錄dist + next/prev，群間圖記錄dist + next * 實驗結果與討論 實驗1 起終點同群且皆非邊界點(case 4) 找出群內(case 4)最快的演算法 * 實驗結果與討論 實驗2 起終點不同群且非同時為邊界點(case 2) 比較空間省除方法各項組合的差異(case 3) * 實驗結果與討論 實驗2 - continue 起終點隨機分佈(case 1-4) 最快組合：「CB all-pair+Cluster ALT」 5.3ms 2.6ms * 實驗結果與討論 空間