[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（設計）人: 高健;葛浩楠
• 申請（專利權(quán)）人: 大連海事大學
• 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任公司 21212
• 代理人: 李馨

本發(fā)明提供一種基于并行混合群智能優(yōu)化的交通流分配方法，包括：獲取路網(wǎng)信息及交通流需求信息；以路網(wǎng)上各路線的交通流旅行時間最小化為目標，構(gòu)建交通流分配模型；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。本發(fā)明利用并行混合群智能優(yōu)化算法對交通流分配問題進行優(yōu)化。在給定旅行時間函數(shù)和起訖點交通量分布的情況下，用該方法優(yōu)化交通流量在路網(wǎng)上的分配，為各路段交通流規(guī)劃提供理論依據(jù)。

技術(shù)領(lǐng)域

本發(fā)明涉及智能交通管理技術(shù)領(lǐng)域，具體而言，尤其涉及一種基于并行混合群智能優(yōu)化的交通流分配方法。

背景技術(shù)

交通流分配是現(xiàn)代智能交通管理領(lǐng)域的關(guān)鍵技術(shù)，現(xiàn)有交通流分配方法多采用單一優(yōu)化算法優(yōu)化交通流分配模型，而采用單一的優(yōu)化算法可能會導致此類算法對于某種優(yōu)化問題優(yōu)化效果不好。而使用混合算法可以彌補算法的不足，若其中一種算法優(yōu)化效果不好，可以采用其他優(yōu)化效果好的算法進行優(yōu)化。但是混合算法的實現(xiàn)比較復雜，涉及到如何混合、如何選擇的策略機制。

發(fā)明內(nèi)容

根據(jù)上述提出的單一優(yōu)化算法在交通流分配領(lǐng)域應用效果不佳的技術(shù)問題，而提供一種基于并行混合群智能優(yōu)化的交通流分配方法。本發(fā)明將混合群智能優(yōu)化算法改造成并行結(jié)構(gòu)，在混合算法的思想上引入并行機制，根據(jù)不同算法得到結(jié)果的好壞，自適應的調(diào)整不同算法被選擇的概率，使得算法的優(yōu)化效率得到提升。

本發(fā)明采用的技術(shù)手段如下：

一種基于并行混合群智能優(yōu)化的交通流分配方法，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，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。

進一步地，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的算法；

S330、基于初始解向量采用并行模型進行多線程種群優(yōu)化。

進一步地，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)隨機取值，初始化種群的個體；

根據(jù)優(yōu)化模型函數(shù)計算解向量得到交通流分配模型中個體的適應度值。進一步地，基于初始解向量采用并行模型進行多線程種群優(yōu)化，包括：

S331、設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，直到達到循環(huán)的結(jié)束條件；

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

S334、當四種算法都被隨機選擇執(zhí)行過后，比較算法的優(yōu)化效果好壞，修改對應被選擇概率向量中的值；

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