[發明專利]一種基于神經網絡求解時變環境下多目標最短路徑的方法

在審

• 申請號: 202011275087.5
• 申請日: 2020-11-11
• 公開（公告）號: CN112836845A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 黃瑋;劉晉;王勁松
• 申請（專利權）人: 天津理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/06;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于神經網絡求解時變環境下多目標最短路徑的方法，其特征在于包括以下步驟：

第1步，利用地圖軟件實時采集網絡拓撲信息構建交通網絡模型，采集的信息包括各節點前驅和后繼，以及各邊權重函數，比如路由時間函數B_ij(t_i)和路由成本函數R_ij(t_i)；

第2步，根據采集到的網絡拓撲信息加載到神經網絡模型中，且設計構建的神經網絡模型的拓撲結構與交通網絡的拓撲結構相同，不用前期數據集對神經網絡訓練；

第3步，初始化神經網絡，包括各個神經元的接收器、過濾器、存儲器、波產生器和波發送器5個部分，在接收器中設置解碼函數F，在過濾器中設置過濾函數D，在存儲器開辟存儲空間S，在波產生器中初始化能量函數E和閾值函數θ，在波發生器中設置編碼函數J并設置網絡的初始時刻為t＝0；

第4步，更新神經網絡，分為3個子步驟：自動波的接收與過濾、自動波的存儲與產生和自動波的激活和轉發；采用“神經元激活”技術和“自動波過濾”技術更新每個神經元在網絡t時刻的狀態；

第5步，更新網絡時刻t＝t+1，重復第4步直到t＝T，其中T是網絡的時間上限；

第6步，遍歷目的神經元接收到的波利用回溯的方法尋找到所有的多目標最短路徑。

2.根據權利要求1所述的求解多目標最短路徑方法，其特征在于：第1步所述的權重函數是根據記錄拓撲數據利用統計軟件計算變量的概率分布函數，一般為分段函數或線性連續函數。

3.根據權利要求1所述的求解多目標最短路徑方法，其特征在于：第2步所述的神經網絡模型的拓撲結構與交通網絡的拓撲結構相同，不用前期數據集對神經網絡訓練。

4.根據權利要求1所述的求解多目標最短路徑方法，其特征在于：第3步所述的初始化神經網絡包含5個部分；

第3.1步，接收器中初始化為和解碼函數F；

第3.2步，過濾器中初始化過濾函數D，篩選遵循Pareto最優非主導性原則；

第3.3步，儲波器中開辟存儲空間Sⁱ[|M|]，M是預定義的正整數常量；

第3.4步，波產生器中初始化閾值函數其中B_ij(t)是旅行者經過弧(i，j)時在t時刻從i點出發到達j點的路由時間，t是網絡時刻，h是t時刻所在的時間區間；

第3.5步，波發生器中初始化為和編碼函數J。