最优路径规划算法设计报告总结计划.docxVIP

. 最优路径规划算法设计 一、问题概述 兵力机动模型的功能是支持实施机动的实体按照指定路线， 由作战空间的一点向另外一点的位置移动，并带入实体在移动过程中发生变化的状态信息。 兵力机动模型包括行军模型、 战斗转移模型、 机动能力评估模型。 涉及的关键算法包括最优路径规划、行军长径计算、行军时间计算、行军所需油料计算、行军方案评估与优选等。 最优路径问题又称最短路问题。是网络优化中的基本问题，如 TSP问题等。 下面先举例说明该问题。 最短路问题（ SPP－shortest path problem） 一名货柜车司机奉命在最短的时间内将一车货物从甲地运往乙地。 从甲地到 乙地的公路网纵横交错， 因此有多种行车路线， 这名司机应选择哪条线路呢？假设货柜车的运行速度是恒定的， 那么这一问题相当于需要找到一条从甲地到乙地的最短路。 旅行商问题（ TSP－traveling salesman problem） 一名推销员准备前往若干城市推销产品。 如何为他（她）设计一条最短的旅 行路线（从驻地出发，经过每个城市恰好一次，最后返回驻地？） 最短路问题是组合优化中的经典问题， 它是通过数学方法寻找离散时间的最 优编排、分组、次序、或筛选等，这类问题可用数学模型描述为 min f (x) s.t. g(x) 0 x D . 其中， f ( x) 为目标函数， g (x) 为约束函数， x 为决策变量， D 表示有限个点组成的集合。 一个组合最优化问题可用三个参数 (D, F , f ) 表示，其中 D 表示决策变量的定 义域， F 表示可行解区域 F { x | x D, g( x) 0} ， F 中的任何一个元素称为该问 . . 的可行解， f 表示目 函数， 足 f ( x* ) min{ f ( x) | x F } 的可行解 x* 称 的最 解。 合最 化的特点是可行解集合 有限点集。 由直 可知， 只要 将 D 中有限个点逐一判 是否 足 g (x) 0 的 束并比 目 的大小，就可以 得到 的最 解。 以上述 TSP 例，具体 述 合 化 ： 此模型研究 称 TSP , 一个商人欲到 n 个城市推 品，两个城市 i 和 j 之 的距离 dij d ji ，用数学模型描述 min dij xij i j n s.t. xij 1 i 1,2, , n ， j 1 n j 1,2, , n ， s.t. xij 1 i 1 i , j s xij | s | 1,2 | s | n 2, s {1,2, , n}, xij { 0,1}, i, j 1,2, , n, i j 束条件决策 量 xij 1 表示商人行走的路 包含从城市 i 到 j 的路，而 xij 0 表 示商人没有 走 条路； i j 的 束可以减少 量的个数，使得模型中共有 (n 1) 个决策 量。 每一个 合 化 都可以通 完全枚 的方法求得最 解。 枚 是以 代价的，在 TSP 中，用 n 个城市的一个排列表示商人按 个排列序推 并 返回起点。若固定一个城市 起 点， 需要 (n 1)! 个枚 。以 算机 1s 可以完 成 24 个城市所有路径枚 位， 25 个城市的 算 ：以第 1个城市 起点，第 2 个到达城市有可能是第 2 个、第 3 个、 ??、第 25 个城市。决定前两个城市的 序后，余下是 23 个城市的所有排列， 枚 23 个城市的排列需要 1s ，所以， 25 个城市的枚 需要 24 s 。 似地 ，城市数与 算 的关系如表 所示。 . . 表 1 枚举时城市数与计算时间的关系 城市数 24 25 26 27 28 29 30 31 计算时间 1 s 24 s 10 min 4.3h 4.9 天 136.5 天 10.8 年 325 年 通过表 1 可以看出，随着城市数的增加， 计算时间增加非常之快， 当城市数增加到 30 时，计算时间约为 10.8 年，实际计算中已无法承受。 在城市数较多时，枚举已不可取，我们可以采用一些别的方法缩短计算时间。 TSP问题是 NP难问题，其可能的路径数目与城市数目 n 是成指数型增长的，所以一般很难求出其最优解， 因而一般是找出其有效的近似求解算法。 遗传算法可以用来解决一些较为复杂的系统问题， 显然旅行商问题是需要编码运算的， 而遗传算法本身的特征正好为解决这一问题提供了很好的途径。 NP 问题：是指非确定多项式问题类。若存在一个多项式函数 g(x) 和一个验 证算法 H ，使得：判定问题 A 的任何一个实例 I 为“是”实例当且仅当存在一个验证字符串 S ，满足其输入长度 d (S) 不超过 g(d ( I ))