[發(fā)明專利]一種基于并行混合群智能優(yōu)化的交通流分配方法

在審

• 申請?zhí)枺?/td>: 202110529216.7
• 申請日: 2021-05-14
• 公開（公告）號: CN113283645A
• 公開（公告）日: 2021-08-20
• 發(fā)明（設(shè)計(jì)）人: 高健;葛浩楠
• 申請（專利權(quán)）人: 大連海事大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/00
• 代理公司: 大連東方專利代理有限責(zé)任公司 21212
• 代理人: 李馨

1.一種基于并行混合群智能優(yōu)化的交通流分配方法，其特征在于，包括：

S100、獲取路網(wǎng)信息及交通流需求信息；

S200、以路網(wǎng)上各路線的交通流旅行時間最小化為目標(biāo)，構(gòu)建交通流分配模型；

S300、基于粒子群優(yōu)化算法、人工蜂群優(yōu)化算法、動物遷徙優(yōu)化算法以及差分進(jìn)化算法構(gòu)造混合并行算法模型求解所述交通流分配模型，獲得優(yōu)化的交通流分配方案。

2.根據(jù)權(quán)利要求1所述的基于并行混合群智能優(yōu)化的交通流分配方法，其特征在于，基于粒子群優(yōu)化算法、人工蜂群優(yōu)化算法、動物遷徙優(yōu)化算法以及差分進(jìn)化算法構(gòu)造混合并行算法模型求解所述交通流分配模型，包括：

S310、構(gòu)建交通流分配模型的初始解向量；

S320、確定每種算法被選中的概率，采用輪盤賭方式選擇相應(yīng)的算法；

S330、基于初始解向量采用并行模型進(jìn)行多線程種群優(yōu)化。

3.根據(jù)權(quán)利要求2所述的基于并行混合群智能優(yōu)化的交通流分配方法，其特征在于，構(gòu)建交通流分配模型的初始解向量，包括：

構(gòu)建交通流分配模型的解向量，所述解向量的維度為可行路線數(shù)量；

對構(gòu)建的解向量的每一維元素在約束范圍內(nèi)隨機(jī)取值，初始化種群的個體；

根據(jù)優(yōu)化模型函數(shù)計(jì)算解向量得到交通流分配模型中個體的適應(yīng)度值。

4.根據(jù)權(quán)利要求2所述的基于并行混合群智能優(yōu)化的交通流分配方法，其特征在于，基于初始解向量采用并行模型進(jìn)行多線程種群優(yōu)化，包括：

S331、設(shè)置一個全局被選擇概率向量，其用于存儲粒子群優(yōu)化算法、人工蜂群優(yōu)化算法、動物遷徙優(yōu)化算法以及差分進(jìn)化算法在線程中優(yōu)化時被選擇的概率，所述被選擇概率隨著優(yōu)化過程中算法執(zhí)行效果而自適應(yīng)動態(tài)調(diào)整的；

S332、啟動各個線程分別采用不同算法開始對種群個體更新，直到達(dá)到循環(huán)的結(jié)束條件；

S333、設(shè)置一個全局的適應(yīng)度比較向量，其用于存儲四種算法優(yōu)化結(jié)果；

S334、當(dāng)四種算法都被隨機(jī)選擇執(zhí)行過后，比較算法的優(yōu)化效果好壞，修改對應(yīng)被選擇概率向量中的值；

S335、將優(yōu)化后的適應(yīng)度值與優(yōu)化之前的適應(yīng)度值進(jìn)行對比，滿足更新條件則進(jìn)行替換此時，個體更新次數(shù)count加一；

S336、當(dāng)個體更新次數(shù)等于種群個數(shù)時，視為進(jìn)行了一輪迭代，此時需要對全局最優(yōu)個體適應(yīng)度進(jìn)行更新，然后后對迭代輪數(shù)進(jìn)行判斷，如果符合一定的輪數(shù)間隔則執(zhí)行S337，否則執(zhí)行S332。

S337、對此時的種群個體中g(shù)best個體執(zhí)行局部搜索策略，執(zhí)行S332。

5.根據(jù)權(quán)利要求4所述的基于并行混合群智能優(yōu)化的交通流分配方法，其特征在于，所述循環(huán)結(jié)束條件是個體的適應(yīng)度值小于設(shè)定的閾值或者滿足迭代次數(shù)要求。

6.根據(jù)權(quán)利要求4所述的基于并行混合群智能優(yōu)化的交通流分配方法，其特征在于，啟動各個線程開始對種群個體更新，包括：多個線程并行的隨機(jī)選擇種群中的個體進(jìn)行更新優(yōu)化，根據(jù)輪盤賭選擇具體執(zhí)行哪種優(yōu)化算法，優(yōu)化更新后的解向量首先按照邊界取值，并且歸一化以滿足約束條件，然后再經(jīng)過目標(biāo)函數(shù)計(jì)算對應(yīng)的適應(yīng)度值new_fitness；

所述輪盤賭選擇包括：首先按照被選擇向量中的值劃分四個區(qū)間，當(dāng)隨機(jī)數(shù)落在[0,0.25)的區(qū)間內(nèi)時選擇執(zhí)行粒子群優(yōu)化算法，落在[0.25,0.5)的區(qū)間內(nèi)時選擇執(zhí)行蜂群優(yōu)化算法，落在[0.5,0.75)的區(qū)間內(nèi)時執(zhí)行動物遷徙優(yōu)化算法，落在[0.75,1]的區(qū)間時候執(zhí)行差分進(jìn)化算法。

7.根據(jù)權(quán)利要求1所述的基于并行混合群智能優(yōu)化的交通流分配方法，其特征在于，所述交通流分配模型的約束條件包括交通流需求量約束及各路線上的交通流量約束。