2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩6頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、<p>  一種增量式多目標(biāo)優(yōu)化的智能交通路徑誘導(dǎo)方法</p><p>  摘要:路徑誘導(dǎo)是一種主動引導(dǎo)車輛合理分流來解決城市交通擁堵的方法.本文提出了一種基于增量搜索的多目標(biāo)優(yōu)化路徑誘導(dǎo)方法.該方法首先利用圖論法將復(fù)雜路網(wǎng)抽象為點(diǎn)線的賦權(quán)圖,引入多目標(biāo)優(yōu)化變量,建立路網(wǎng)模型;然后在啟發(fā)式搜索基礎(chǔ)上引入增量搜索,結(jié)合全局規(guī)劃和局部動態(tài)重規(guī)劃,實(shí)現(xiàn)車輛的實(shí)時路徑誘導(dǎo).仿真結(jié)果表明該方法能有效地解決復(fù)雜路網(wǎng)

2、中車輛的實(shí)時路徑誘導(dǎo)問題. </p><p>  關(guān)鍵詞:動態(tài)重規(guī)劃;增量搜索;路徑誘導(dǎo) </p><p>  中圖分類號:U491.123文獻(xiàn)標(biāo)識碼:A </p><p>  當(dāng)前,緩解城市交通擁堵問題的方法主要有兩種:一是加大城市路網(wǎng)建設(shè)力度,提升路網(wǎng)吞吐量;二是發(fā)展智能交通系統(tǒng)(Intelligent Transportation Systems,ITS),提

3、高道路運(yùn)行效率.針對各大城市越來越有限的土地資源,以智能學(xué)習(xí)的方式,優(yōu)化城市路網(wǎng)運(yùn)營和管理,顯然是一種最實(shí)際的解決方案.動態(tài)交通路徑誘導(dǎo)系統(tǒng)是ITS的一個重要方向,對城市交通路網(wǎng)管理的效果愈發(fā)顯著.它采用檢測技術(shù)、計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)等高新手段,基于實(shí)時交通信息采集、處理與傳輸,通過中心式、分布式等多種誘導(dǎo)方式,為駕駛員提供交通事件、行程時間和優(yōu)化路徑等動態(tài)信息,可引導(dǎo)駕駛員避開擁擠走最佳行駛路線,從而實(shí)現(xiàn)路網(wǎng)交通流的均衡動態(tài)分配,有效

4、緩解交通擁擠.高效的路徑選擇算法是動態(tài)交通路徑誘導(dǎo)系統(tǒng)的關(guān)鍵技術(shù).從本質(zhì)上來說,路徑選擇算法需集中式收集整個路網(wǎng)信息,選擇恰當(dāng)?shù)慕煌骱瘮?shù),通過高效的算法對路網(wǎng)進(jìn)行快速更新,動態(tài)地找尋滿足一定約束條件的最優(yōu)路徑.構(gòu)建路網(wǎng)模型,選擇高效算法,動態(tài)地選擇源節(jié)點(diǎn)到目的節(jié)點(diǎn)的最優(yōu)路徑,從局部來說對駕駛員路徑選擇作出最優(yōu)安排,從總體上說可優(yōu)化城市路網(wǎng)流量的均衡分配,解決路網(wǎng)的擁</p><p>  動態(tài)路徑誘導(dǎo)在ITS、通

5、信系統(tǒng)和機(jī)器人等人工智能方面應(yīng)用廣泛.若城市路網(wǎng)是靜態(tài)網(wǎng)絡(luò),路段信息不變且可知,則很容易通過全局規(guī)劃找尋一條從源狀態(tài)到最終狀態(tài)的最佳路徑.但實(shí)際情況卻是,交通信息時刻都在變化,環(huán)境信息動態(tài)改變,實(shí)際行駛過程中的路網(wǎng)情況和初始情況差異很大,此時需不斷更新路網(wǎng)信息,實(shí)時找尋源狀態(tài)節(jié)點(diǎn)到最終狀態(tài)節(jié)點(diǎn)的動態(tài)最優(yōu)路徑.一些學(xué)者已研究了在動態(tài)環(huán)境情況下找尋最優(yōu)路徑的方案和算法思想1-4],局部重規(guī)劃就是其中一種關(guān)鍵算法,能有效地實(shí)現(xiàn)動態(tài)環(huán)境下的路徑

6、誘導(dǎo),將歷史數(shù)據(jù)保留,通過算法重用,減少了重新獲取整個路網(wǎng)信息的工作量. </p><p>  經(jīng)典的路徑誘導(dǎo)方案通常只針對單個因素進(jìn)行優(yōu)化,但實(shí)際上現(xiàn)實(shí)問題往往由多方面因素相互制約,單個因素很難正確描述,因而路徑誘導(dǎo)往往需對多個因素進(jìn)行同時處理和優(yōu)化,即多目標(biāo)路徑誘導(dǎo).作為人工智能的關(guān)鍵方法,啟發(fā)式搜索已應(yīng)用于多目標(biāo)路徑誘導(dǎo)研究,很多學(xué)者進(jìn)行了相關(guān)研究.Stewart和White將A*算法延伸到多個優(yōu)化變量,并

7、利用啟發(fā)式搜索解決路徑誘導(dǎo),從而提出了多目標(biāo)啟發(fā)式搜索模型5];Dasgupta改進(jìn)了多目標(biāo)啟發(fā)式搜索,引入非單調(diào)的啟發(fā)信息用于解決VLSI設(shè)計(jì)難題6];Mandow針對節(jié)點(diǎn)難以擴(kuò)展問題,將路徑擴(kuò)展引入多目標(biāo)啟發(fā)式搜索,提高了搜索算法的準(zhǔn)確性6-7];Harikumar和Dasgupta總結(jié)了深度優(yōu)先搜索算法在多目標(biāo)路徑誘導(dǎo)上的應(yīng)用8-10].通過對多個變量進(jìn)行優(yōu)化,多數(shù)狀態(tài)空間搜索規(guī)劃器改進(jìn)了智能規(guī)劃技術(shù)11-13]. </p&

8、gt;<p>  文獻(xiàn)14-16]將增量搜索思想引入路徑誘導(dǎo)局部重規(guī)劃.在許多相似度較高的多目標(biāo)優(yōu)化問題中,環(huán)境信息只是局部變化,若重新進(jìn)行全局規(guī)劃會帶來不必要的計(jì)算復(fù)雜度,若能夠?qū)v史信息重用,則可提高算法效率.本文提出了一種當(dāng)檢測到環(huán)境信息動態(tài)改變時,怎樣實(shí)時選擇最優(yōu)路徑以實(shí)現(xiàn)全局最優(yōu)規(guī)劃的路徑誘導(dǎo)方案,先由當(dāng)前的靜態(tài)路網(wǎng)信息利用啟發(fā)式搜索算法作全局規(guī)劃,找尋最短路徑;車輛行進(jìn)過程中,一旦路網(wǎng)信息變化,就需不斷更新歷史

9、信息,在之前規(guī)劃的信息前提上再作增量搜索,減少計(jì)算復(fù)雜度,提高算法效率,從而利用動態(tài)局部重規(guī)劃找尋目前狀態(tài)到最終狀態(tài)的最優(yōu)路徑方案. </p><p><b>  1構(gòu)建路網(wǎng)模型 </b></p><p>  城市交通網(wǎng)絡(luò)錯綜復(fù)雜,但都是由單個交叉路口構(gòu)成的,可利用圖論法抽象為點(diǎn)線的網(wǎng)格拓?fù)?,用點(diǎn)代表平面交叉口,用線代表路段,如圖1所示.這樣路網(wǎng)可以抽象為由節(jié)點(diǎn)集合、

10、弧段集合和路權(quán)集合等構(gòu)成的幾何賦權(quán)圖. </p><p>  通過將實(shí)際交通路網(wǎng)抽象出來,以數(shù)學(xué)形式存儲路網(wǎng)模型.首先根據(jù)啟發(fā)式搜索算法找出從起始狀態(tài)節(jié)點(diǎn)到目標(biāo)狀態(tài)節(jié)點(diǎn)的最優(yōu)路徑;當(dāng)車輛在行駛過程中某些路段權(quán)重發(fā)生變化,若全局更新則會降低系統(tǒng)實(shí)時性,本文通過動態(tài)重規(guī)劃算法對經(jīng)過該路段的局部路徑網(wǎng)絡(luò)進(jìn)行代價更新,從而可提高算法效率和系統(tǒng)實(shí)時性. </p><p>  2多目標(biāo)啟發(fā)式搜索算法

11、</p><p>  啟發(fā)式搜索算法應(yīng)用到復(fù)雜交通網(wǎng)路,且當(dāng)路況變化頻繁時,啟發(fā)式數(shù)量急劇增長,算法時間消耗較大,適應(yīng)性降低.增量搜索算法能很好地利用路網(wǎng)變化的局部變化信息,避免全局更新,對提高算法的效率具有積極意義. </p><p>  3基于增量搜索交通動態(tài)路徑誘導(dǎo) </p><p>  城市復(fù)雜交通網(wǎng)絡(luò)日益擁堵,動態(tài)交通誘導(dǎo)思想可以很好地改善交通狀況.考慮城

12、市交通環(huán)境時刻變化給算法效率帶來的問題,可在之前已有的搜索信息上只對變化的部分進(jìn)行局部動態(tài)重規(guī)劃,從而提高算法效率.增量搜索算法可實(shí)現(xiàn)局部的動態(tài)重規(guī)劃,來解決環(huán)境時刻變化問題.本文將增量搜索算法引入到啟發(fā)式搜索算法,提出了動態(tài)多目標(biāo)路徑誘導(dǎo)算法DMRGA(Dynamic Multiobjective Route Guidance Algorithm),該算法既保留了啟發(fā)式搜索快速高效的特點(diǎn),又能適應(yīng)于復(fù)雜的動態(tài)網(wǎng)路環(huán)境,進(jìn)行動態(tài)路徑誘導(dǎo)

13、.在本文提出的路網(wǎng)模型上,結(jié)合啟發(fā)式搜索算法和增量搜索算法的思想,進(jìn)行全局規(guī)劃和動態(tài)局部重規(guī)劃,很好地解決了實(shí)時找尋最優(yōu)路徑的問題,解決車輛動態(tài)路徑誘導(dǎo)問題. </p><p>  DMRGA算法分為兩部分:全局規(guī)劃及局部動態(tài)重規(guī)劃.全局規(guī)劃根據(jù)已知的靜態(tài)城市網(wǎng)路信息找尋源狀態(tài)到最終狀態(tài)的最優(yōu)路徑;局部規(guī)劃則是在路網(wǎng)環(huán)境信息動態(tài)變化時,先在局部做靜態(tài)規(guī)劃,然后在原有基礎(chǔ)上作增量搜索,進(jìn)行動態(tài)重規(guī)劃,實(shí)時調(diào)整最優(yōu)路

14、徑.當(dāng)檢測路網(wǎng)信息發(fā)生變化時,須馬上作出響應(yīng),動態(tài)調(diào)整目前節(jié)點(diǎn)到最終節(jié)點(diǎn)的最優(yōu)路徑,以免造成不必要的延時,影響路網(wǎng)全局性能.   實(shí)驗(yàn)結(jié)果表明,車輛在行駛過程隨著路網(wǎng)某路段權(quán)重的更新,其最優(yōu)行駛路徑也在不斷更新,動態(tài)實(shí)時地調(diào)整行車路線,盡可能減少行車耗時.實(shí)驗(yàn)以一個小型的部分路網(wǎng)作為場景,可以擴(kuò)大到整個路網(wǎng),實(shí)時給出車輛優(yōu)化路徑. </p><p><b>  5結(jié)論 </b></p

15、><p>  本文針對時刻變化的路網(wǎng)信息,提出一種基于增量搜索的多目標(biāo)路徑誘導(dǎo)方法.該方法首先利用圖論法將復(fù)雜路網(wǎng)抽象為點(diǎn)線的賦權(quán)圖,引入多目標(biāo)優(yōu)化變量,建立路網(wǎng)模型.然后在啟發(fā)式搜索基礎(chǔ)上引入增量搜索,結(jié)合全局規(guī)劃和局部動態(tài)重規(guī)劃,實(shí)現(xiàn)車輛的動態(tài)路徑誘導(dǎo).首先進(jìn)行全局規(guī)劃,利用多目標(biāo)啟發(fā)式搜索算法找尋最優(yōu)路徑集合;當(dāng)檢測到環(huán)境信息變化時,進(jìn)行動態(tài)局部重規(guī)劃,在盡可能保留前次規(guī)劃的基礎(chǔ)上進(jìn)行增量搜索,減少算法復(fù)雜度,

16、提高效率,實(shí)時更新最優(yōu)路徑.最后仿真結(jié)果表明該方法能有效地實(shí)時解決復(fù)雜路網(wǎng)中車輛的動態(tài)路徑誘導(dǎo)問題. </p><p><b>  參考文獻(xiàn) </b></p><p>  [1]ZHU Q B. Ants predictive algorithm for path planning of robot in a complex dynamic environmentJ]

17、. Chinese Journal of Computers, 2005, 28(11): 1898-1906. </p><p>  [2]KOENIG S, LIKHACHEV M, FURCY D. Lifelong planning A*J]. Artificial Intelligence, 2004, 155(1/2): 93-146. </p><p>  [3]YANG J

18、, ZHANG M. A twolevel path planning method for onroad autonomous drivingC]//2th International Conference on Intelligent System Design and Engineering Application, Sanya, China:2012:661-664. </p><p>  [4]XI Y

19、 G, ZHANG C G. Rolling path planning of mobile robot in a kind of dynamic uncertain environmentJ]. Acta Automatica Sinica, 2002, 28(2): 161-175. </p><p>  [5]STEWART S B,WHITE C C. Multiobjective A*J]. Journ

20、al of the ACM, 1991, 38(4): 775-814. </p><p>  [6]OLIVEIRA RIOS L H, CHAIMOWICZ L. A survey and classification of A* based bestfirst heuristic search algorithmsC]//Advances in Artificial IntelligenceSBIA.Sao

21、 Bernardo do Campo, Brazil: 2010:253-262. </p><p>  [7]MANDOW L, PEREZ J L DE AL CRUZ. A new approach to multiobjective A* searchC]// Proceedings of the 19th International Joint Conference on Artificial Inte

22、lligence. San Francisco, USA:2005:218-223. </p><p>  [8]DASGUPTA P, CHAKRABARTI P P, DESAKAR S C. Multiobjective heuristic searchM]. Morgan Kaufman,1999 </p><p>  [9]XU Y Y,YUE W Y. A generalize

23、d framework for BDDbased replanning A* searchC]// Artifical Intelligences, Networking and Parallel/Distributed Computing. 10th ACIN International Conference on Software Engineering.Daegu South Korea, 2009: 133-139. </

24、p><p>  [10]HARIKUMAR S, KUMAR S. Iterative deepening multiobjective A*J]. Information Processing Letters, 1996, 58(1): 11-15. </p><p>  [11]REFANIDIS, VLAHAVAS I. Multiobjective heuristic statespa

25、ce planningJ]. Artificial Intelligence, 2003, 145(1/2): 1-32. </p><p>  [12]SO M B,KAMBHAMDATI S. Sapa: A multiobjective metric temporal plannerJ]. Journal of Artificial Intelligence Research, 2003, 20: 155-

26、194. </p><p>  [13]SVEN K, MAXIM L, LIU Y X, et al. Incremental heuristic search in AIJ]. AI Magazine,2004, 25(2):99-112. </p><p>  [14]WEI W, OUYANG D T, LU N, et al. A multiobjective increment

27、al heuristic search algorithmJ]. Journal of Jilin University:Science Edition, 2009, 47(4):752-758. </p><p>  [15]LU Y B, HUO X M, OKTAY A ,et al. Incremental multiscale search algorithm for dynamic path plan

28、ning with low worstcase complexityJ]. IEEE Trannactionn on Systems, Man, and Cyberneticspart B: Cybernetics, 2011, 41(6):1556-1569. </p><p>  [16]SVEN K, SUN X X. Comparing realtime and incremental heuristic

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論