[發(fā)明專利]基于熵的多蟻群人車競爭-協(xié)作疏散優(yōu)化方法有效
| 申請?zhí)枺?/td> | 201710371942.4 | 申請日: | 2017-05-24 |
| 公開(公告)號: | CN107358333B | 公開(公告)日: | 2019-09-03 |
| 發(fā)明(設(shè)計(jì))人: | 宗欣露;王春枝;葉志偉;劉偉;徐慧;陳宏偉;范鑫楷 | 申請(專利權(quán))人: | 湖北工業(yè)大學(xué) |
| 主分類號: | G06F17/50 | 分類號: | G06F17/50;G06Q10/06;G06Q50/26;G06N3/00 |
| 代理公司: | 武漢開元知識產(chǎn)權(quán)代理有限公司 42104 | 代理人: | 王和平;馮超 |
| 地址: | 430068 湖*** | 國省代碼: | 湖北;42 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 多蟻群人車 競爭 協(xié)作 疏散 優(yōu)化 方法 | ||
1.一種基于熵的多蟻群人車競爭-協(xié)作疏散優(yōu)化方法,其特征在于:包括如下步驟:
步驟1.將人車混合通行的疏散區(qū)域用疏散網(wǎng)絡(luò)表示:定義EN(Node,Edge)為疏散網(wǎng)絡(luò),其中Node={1,2,…,n}為疏散區(qū)域中的道路交叉點(diǎn),Edge為疏散道路或通道,
步驟2.設(shè)置模型參數(shù):包括人員數(shù)量NP、車輛數(shù)量NV、最大迭代次數(shù)T_MAX、信息素濃度初值Q、信息素濃度揮發(fā)系數(shù)ρ(ρ∈[0,1])、信息素濃度的重要程度α、啟發(fā)式信息的重要程度β、蟻群間的通信間隔gap;
步驟3.生成規(guī)模為NP的蟻群p和規(guī)模為NV的蟻群v,即蟻群p代表人員群體,蟻群v代表車輛群體,蟻群p的螞蟻數(shù)量為NP,蟻群v的螞蟻數(shù)量為NV;
步驟4.初始化蟻群p和蟻群v中的螞蟻位置和信息素濃度;將代表人員和車輛的螞蟻隨機(jī)放置在疏散網(wǎng)絡(luò)EN的節(jié)點(diǎn)上,其中,代表車輛的螞蟻只能放置在僅允許車輛訪問的節(jié)點(diǎn)上,將初始位置加入每個螞蟻的路徑,初始化蟻群p和蟻群v各自的疏散網(wǎng)絡(luò)節(jié)點(diǎn)上的信息素濃度為步驟2設(shè)置的Q,將疏散網(wǎng)絡(luò)EN中所有邊的通過人員和車輛數(shù)設(shè)為0,初始化疏散網(wǎng)絡(luò)中各邊的通行能力C;
步驟5.根據(jù)公式(1)計(jì)算疏散網(wǎng)絡(luò)中連通邊上的啟發(fā)式信息;
式中,ηij為具有連通關(guān)系的邊(i,j)上的啟發(fā)式信息,dij為邊(i,j)的長度,即節(jié)點(diǎn)i到節(jié)點(diǎn)j的距離,i={1,2,…,n},j={1,2,…,n},(i,j)∈Edge;
步驟6.設(shè)置迭代計(jì)數(shù)器gen=1;
步驟7.對于蟻群p和蟻群v,分別執(zhí)行步驟7-步驟20;
步驟8.從蟻群p/蟻群v中隨機(jī)選擇一個螞蟻?zhàn)鳛榈谝粋€,設(shè)k=1;
步驟9.判斷第k個螞蟻的狀態(tài)是否為“成功撤離”,
若為“是”則執(zhí)行步驟15,
若為“否”則執(zhí)行步驟10;
步驟10.根據(jù)第k個螞蟻的當(dāng)前位置節(jié)點(diǎn)和網(wǎng)絡(luò)拓?fù)潢P(guān)系,得到第k個螞蟻當(dāng)前目標(biāo)移動節(jié)點(diǎn)集合Setk;
步驟11.根據(jù)步驟10得到的第k個螞蟻目標(biāo)移動節(jié)點(diǎn)集合Setk,按照公式(2)計(jì)算目標(biāo)移動節(jié)點(diǎn)集合中的每個備選節(jié)點(diǎn)的轉(zhuǎn)移概率;
式中,Pij為從節(jié)點(diǎn)i移動到節(jié)點(diǎn)j的轉(zhuǎn)移概率,(group={p,v})為蟻群p/蟻群v中邊(i,j)上的信息素濃度,ηij為邊(i,j)上的啟發(fā)式信息,s為第k個螞蟻目標(biāo)移動節(jié)點(diǎn)集合Setk中的節(jié)點(diǎn),為邊(i,s)上的信息素濃度,ηis為邊(i,s)上的啟發(fā)式信息,α和β分別為步驟2設(shè)置的信息素濃度和啟發(fā)式信息的重要程度;
步驟12.根據(jù)步驟11得到的轉(zhuǎn)移概率按照公式(3)計(jì)算蟻群p/蟻群v中第k個螞蟻在當(dāng)前時刻的熵;
為蟻群group(group={p,v})中第k個螞蟻在t時刻的熵;
步驟13.將第k個螞蟻的當(dāng)前位置節(jié)點(diǎn)記為from,根據(jù)步驟11得到的轉(zhuǎn)移概率得到轉(zhuǎn)移概率最大的節(jié)點(diǎn),記為to,將第k個螞蟻移動到節(jié)點(diǎn)to,同時將to加入第k個螞蟻的路徑pathk,更新邊(from,to)上的通過螞蟻數(shù)量Num(from,to)(t+1)=Num(from,to)(t)+1,記錄第k個螞蟻通過邊(from,to)的時間;
步驟14.根據(jù)步驟13得到的最新位置to判斷該位置是否為出口位置,
若為“是”,則代表第k個螞蟻已到達(dá)出口,標(biāo)記該螞蟻狀態(tài)為“成功撤離”,記錄第k個螞蟻的路徑為pathk,執(zhí)行步驟16,
若為“否”則執(zhí)行步驟15;
步驟15.螞蟻計(jì)數(shù)器k增加1,若k≤當(dāng)前蟻群的螞蟻數(shù)(NP/NV),說明還未遍歷完該蟻群中的所有螞蟻,返回步驟9,否則表明完成了一個時間步的搜索,執(zhí)行步驟16;
步驟16.判斷當(dāng)前蟻群中所有螞蟻的狀態(tài)是否為“成功撤離”,若是則表明本輪迭代完成,將本輪迭代的時間步數(shù)記為T,執(zhí)行步驟17,否則返回步驟8;
步驟17.根據(jù)步驟13得到的當(dāng)前蟻群的疏散網(wǎng)絡(luò)中各個邊的通行個體數(shù)量,按照公式(6)計(jì)算邊(i,j)上的負(fù)載程度;
其中,Numij為疏散過程中邊(i,j)上通過的螞蟻數(shù),Cij為步驟4所設(shè)置的邊(i,j)的通行能力,T為步驟16得到的本輪疏散時間;
步驟18.計(jì)算當(dāng)前蟻群的疏散目標(biāo)值:根據(jù)步驟13得到的螞蟻通過路徑上各個邊的時間,按照公式(7)計(jì)算當(dāng)前蟻群所有螞蟻的疏散時間總和f1,根據(jù)步驟17得到的當(dāng)前蟻群疏散網(wǎng)絡(luò)中各個邊的負(fù)載程度,按照公式(8)計(jì)算當(dāng)前蟻群在整個疏散網(wǎng)絡(luò)的負(fù)載程度f2;
為步驟13得到的第k個螞蟻的通過邊(i,j)的時間,N為當(dāng)前蟻群的螞蟻數(shù),其值為NP或NV,lij為步驟17得到的邊(i,j)上的負(fù)載程度,pathk為步驟14得到的第k個螞蟻的路徑;
步驟19.根據(jù)步驟18得到的當(dāng)前蟻群的疏散目標(biāo)值f1和f2,按照以下Pareto支配分別確定蟻群p/蟻群v的Pareto最優(yōu)解集ND_setp/ND_setv,該P(yáng)areto最優(yōu)解集為迭代過程中滿足F1和F2最小的若干個疏散方案的集合;
步驟20.根據(jù)步驟19得到的蟻群p/蟻群v的Pareto最優(yōu)解集ND_setp/ND_setv,分別對ND_setp/ND_setv中的每一個解,即相應(yīng)群體的疏散方案,按照公式(9)/(11)更新其方案中所有螞蟻經(jīng)過路徑上邊的信息素濃度:
對于蟻群p:
為蟻群p第gen次(gen={1,2,…})迭代邊(i,j)上的信息素濃度,ρ為步驟2設(shè)置的信息素濃度揮發(fā)系數(shù),為蟻群p在邊(i,j)上的信息素濃度增量,根據(jù)公式(10)計(jì)算:
其中,Q為步驟2設(shè)置的信息素濃度初值,pathk為步驟13得到的第k個螞蟻的路徑,為步驟13得到的第k個螞蟻的通過邊(i,j)的時間;
對于蟻群v:
為蟻群v第gen次迭代邊(i,j)上的信息素濃度,ρ為步驟2設(shè)置的信息素濃度揮發(fā)系數(shù),為蟻群v在邊(i,j)上的信息素濃度增量,根據(jù)公式(10)計(jì)算:
其中,Q為步驟2設(shè)置的信息素濃度初值,pathk為步驟13得到的第k個粒子的路徑,為步驟13得到的第k個螞蟻的通過邊(i,j)的時間;
步驟21.根據(jù)步驟2設(shè)置的蟻群間通的信間隔gap,若gen mod gap==0,即達(dá)到規(guī)定的迭代間隔,則蟻群p和蟻群v之間進(jìn)行通信,執(zhí)行下一步,否則執(zhí)行步驟25;
步驟22.蟻群間通信:蟻群p和蟻群v中的螞蟻除了通過各自的信息素搜索出口外,還通過蟻群間的通信來共享信息素,以改進(jìn)搜索過程;蟻群p和蟻群v按照公式(13)~公式(18)來更新各自群體的信息素:
τp=λpτp+(1-λp)τv (13)
τv=λvτv+(1-λv)τp (14)
λp、λv∈[0,1]分別是蟻群p和蟻群v的通信因子,是衡量蟻群p和蟻群v相互影響的參數(shù);Sp、Sv分別是蟻群p和蟻群v的平均熵;為步驟12得到的t時刻蟻群p(蟻群v)中第k個螞蟻的熵,NP和NV分別是蟻群p和蟻群v的螞蟻數(shù)量;
步驟23.根據(jù)步驟18得到的蟻群p和蟻群v各自的疏散目標(biāo)f1和f2,按照公式(19)和(20)計(jì)算整個多蟻群系統(tǒng)的疏散目標(biāo)F1和F2,F(xiàn)1和F2即為優(yōu)化的兩個疏散目標(biāo)值;
步驟24.根據(jù)Pareto支配關(guān)系確定整個多蟻群系統(tǒng)的Pareto最優(yōu)解集ND_set;
步驟25.迭代計(jì)數(shù)器gen增加1;
步驟26.若gen≤T_MAX,T_MAX是步驟2中設(shè)置的最大迭代次數(shù),將蟻群p和蟻群v中的所有螞蟻放置于步驟4設(shè)置的各自的初始位置節(jié)點(diǎn)上,重復(fù)步驟6-22,否則,迭代結(jié)束執(zhí)行步驟27;
步驟27.輸出Pareto最優(yōu)解集ND_set。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于湖北工業(yè)大學(xué),未經(jīng)湖北工業(yè)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710371942.4/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06F 電數(shù)字?jǐn)?shù)據(jù)處理
G06F17-00 特別適用于特定功能的數(shù)字計(jì)算設(shè)備或數(shù)據(jù)處理設(shè)備或數(shù)據(jù)處理方法
G06F17-10 .復(fù)雜數(shù)學(xué)運(yùn)算的
G06F17-20 .處理自然語言數(shù)據(jù)的
G06F17-30 .信息檢索;及其數(shù)據(jù)庫結(jié)構(gòu)
G06F17-40 .數(shù)據(jù)的獲取和記錄
G06F17-50 .計(jì)算機(jī)輔助設(shè)計(jì)
- 基于Ad Hoc網(wǎng)絡(luò)的多機(jī)器人路徑規(guī)劃方法
- 一種基于協(xié)作與競爭模式的蟻群近鄰細(xì)胞跟蹤系統(tǒng)及其應(yīng)用
- 云平臺下基于文化?多蟻群算法虛擬機(jī)整合的方法
- 基于熵的多蟻群人車競爭-協(xié)作疏散優(yōu)化方法
- 一種基于蟻群遺傳融合算法的移動機(jī)器人路徑規(guī)劃方法
- 一種面向多工況的爬壁機(jī)器人智能路徑規(guī)劃方法及系統(tǒng)
- 多貝努利隨機(jī)有限蟻群多細(xì)胞跟蹤方法
- 雙層多貝努利隨機(jī)有限蟻群多細(xì)胞跟蹤方法
- 一種基于多蟻群遺傳算法的分布式數(shù)據(jù)庫查詢優(yōu)化方法
- 基于螞蟻?zhàn)哉{(diào)整覓食行為的多細(xì)胞跟蹤方法及系統(tǒng)
- 一種基于業(yè)務(wù)規(guī)則的跨部門流程協(xié)同方法
- 基站協(xié)作的動態(tài)連接方法、基站和協(xié)作多輸入多輸出系統(tǒng)
- 一種協(xié)作多點(diǎn)傳輸系統(tǒng)的信號發(fā)送方法及其裝置
- 協(xié)作方法、網(wǎng)絡(luò)和用戶終端
- 應(yīng)用程序協(xié)作系統(tǒng)、應(yīng)用程序協(xié)作方法以及應(yīng)用程序協(xié)作程序
- 協(xié)作多點(diǎn)傳輸方法、裝置和系統(tǒng)
- 一種面向智能終端的內(nèi)容下載應(yīng)用激勵方法及其系統(tǒng)
- 一種協(xié)作多點(diǎn)傳輸調(diào)度方法及裝置
- 一種協(xié)作實(shí)現(xiàn)方法和裝置
- 一種區(qū)塊鏈及智能合約系統(tǒng)協(xié)作層設(shè)計(jì)





