發(fā)布時間：2020-05-23 22:38

【摘要】：當(dāng)今全球的汽車保有量一直保持著極高的增長速度,越來越多的人依賴私家車出行,這不僅為道路運輸帶來了巨大的負(fù)擔(dān),還造成了嚴(yán)重的環(huán)境污染。路徑尋優(yōu)技術(shù)通過對路徑的合理規(guī)劃,不僅能夠在一定程度上降低通行的時間成本和經(jīng)濟(jì)成本,有效地緩解機動車對空氣帶來的污染,為出行者提供一個安全、綠色的出行環(huán)境,還能夠提高交通利用率,減少交通擁堵現(xiàn)象的發(fā)生。蟻群算法作為經(jīng)典的智能優(yōu)化算法,已經(jīng)在路徑尋優(yōu)技術(shù)甚至智能交通系統(tǒng)中得到廣泛應(yīng)用,但是仍存在運算效率不高、優(yōu)化效果不好、性能不夠穩(wěn)定等明顯不足。本文對蟻群算法及其在路徑尋優(yōu)中的應(yīng)用進(jìn)行了研究。首先描述了基本蟻群算法的原理和特征,詳細(xì)分析了基本蟻群算法的優(yōu)缺點以及它們出現(xiàn)的原因。其次對蟻群算法中螞蟻數(shù)量、信息素?fù)]發(fā)系數(shù)、信息啟發(fā)因子和期望啟發(fā)因子四個重要參數(shù)對算法性能的影響進(jìn)行了分析,通過實驗得到了它們合理的取值范圍;研究了期望函數(shù)自適應(yīng)調(diào)整、帶螞蟻死亡策略、帶懲-賞機制和基于鳥群算法實現(xiàn)對初始信息素優(yōu)化的改進(jìn)蟻群算法,提高了算法在不同使用環(huán)境下的尋優(yōu)能力。然后研究了結(jié)合以上四種改進(jìn)策略的復(fù)合改進(jìn)蟻群算法,并且引入路況參考系數(shù),將實時交通路況納入對道路優(yōu)劣的評判因素中,實現(xiàn)了復(fù)合改進(jìn)蟻群算法在車輛導(dǎo)航中的應(yīng)用。最后,針對蟻群算法局部路徑規(guī)劃性能弱的問題,研究了一種帶扇形搜索策略的改進(jìn)蟻群算法,通過對搜索區(qū)域的合理劃分,提高蟻群算法的局部路徑規(guī)劃能力。仿真實驗表明,相比基本蟻群算法而言,期望函數(shù)自適應(yīng)調(diào)整的改進(jìn)蟻群算法具備更強的局部搜索能力,并且收斂速度更快,路徑優(yōu)化的質(zhì)量更高。搜索環(huán)境中存在帶有凹陷空間的障礙物時,帶死亡策略的改進(jìn)蟻群算法對路徑的搜索能力遠(yuǎn)遠(yuǎn)高于基本蟻群算法,而在大型迂回道路中,帶懲-賞策略的蟻群算法能夠得到更短的路徑。通過與蟻群算法、鳥群算法、粒子群算法的對比,帶初始信息素優(yōu)化策略的蟻群算法具備較高的運算效率和路徑優(yōu)化能力,并且在障礙物分布復(fù)雜的大型搜索環(huán)境中優(yōu)勢更加明顯,而復(fù)合改進(jìn)蟻群算法在存在多種類型障礙物的環(huán)境中擁有較高的尋優(yōu)能力。在環(huán)境未知的情況下,扇形搜索策略提高了蟻群算法的路徑尋優(yōu)性能,在障礙物未知的條件下能夠獲得更短的路徑,更適合在車輛的自主避障中使用。
【圖文】：

局部最優(yōu)解的尋優(yōu)算法[26]。SA 是一種概率型啟發(fā)式算法，能夠通過限制條件下的隨機決策解決復(fù)雜的組合優(yōu)化問題。SA 隨機搜索技術(shù)模擬了金屬從高溫冷卻到最后凍結(jié)，其晶體結(jié)構(gòu)從無序到有序的過程，并在內(nèi)能從較高值降到最低值的平衡態(tài)中獲得了尋找最小值的方法。在搜索過程中，SA 不僅接受較好值，還有一定概率接受較差值，通過這種辦法使得算法擁有了跳出局部最優(yōu)的可能性。因此，SA 有較強的有效性和可靠性。但是，它也存在收斂緩慢、隨機性太強等不足。（2） 人工勢場法人工勢場法（APF）主要模擬了物體之間的引力和斥力對可移動物體運動軌跡的影響。APF 中，目標(biāo)點、障礙物和運動體之間存在相互作用的引力和斥力，其中，目標(biāo)點對運動體有吸引作用，其吸引力場覆蓋整個地圖范圍，而障礙物對運動體有排斥作用可以讓運動體遠(yuǎn)離它們附近的位置。兩種力的大小均與物體之間的距離成反比，運動體在它們的控制下繞過障礙物向目標(biāo)點靠近。圖 1-1 表示了 APF 中虛擬力場的作用原理。APF 的優(yōu)點是原理簡單，生成的路徑平滑度較高，缺點是容易出現(xiàn)早熟現(xiàn)象。

蟻群算法在人工智能[33-39]、交通運輸[40-41]、醫(yī)療救助、國防軍事[42]等行業(yè)都發(fā)揮著重要的作用。本章首先介紹蟻群算法的原理和數(shù)學(xué)模型，然后分析蟻群算法的系統(tǒng)學(xué)特征及存缺陷，最后針對四個重要參數(shù)對算法性能的影響進(jìn)行研究，找出它們合理的取值范.1 蟻群算法的原理正如現(xiàn)實中所看到的，螞蟻是一種群居動物，它們不會單獨出行，，無論是覓食還息，都以團(tuán)體的形式實現(xiàn)。相比其他群居動物而言，螞蟻又很特殊，它們的視力范常小，僅能看到相當(dāng)近距離內(nèi)的物體。即便如此，螞蟻在群體活動時仍然能夠在相間傳遞信息，達(dá)到團(tuán)隊協(xié)作的效果，并且總是延直線前進(jìn)，從巢穴出發(fā)以最短的時達(dá)食物源。圖 2-1 表示了在沒有障礙物的情況下，蟻群會徑直往返于巢穴和食物源。
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 丁上凌;李斌;;基于TSP的蟻群算法參數(shù)選擇問題分析[J];數(shù)字技術(shù)與應(yīng)用;2016年12期

2 陳軍;智軍;王毓龍;;基于蟻群算法的軍事物流配送車輛調(diào)度優(yōu)化問題研究[J];物流工程與管理;2015年05期

3 趙娜;袁家斌;徐晗;;智能交通系統(tǒng)綜述[J];計算機科學(xué);2014年11期

4 姚艷;;一種最大最小螞蟻系統(tǒng)的改進(jìn)算法[J];數(shù)學(xué)的實踐與認(rèn)識;2014年15期

5 藺婧娜;張立亞;;改進(jìn)的多傳感器融合的機器人局部路徑規(guī)劃[J];計算機測量與控制;2013年08期

6 劉霞;;基于最大最小螞蟻系統(tǒng)的動態(tài)車輛路徑問題研究[J];計算機工程與科學(xué);2013年01期

7 張家善;王志宏;陳應(yīng)顯;;一種基于精英策略的改進(jìn)蟻群算法及應(yīng)用[J];計算機系統(tǒng)應(yīng)用;2012年10期

8 陳一昭;姜麟;;蟻群算法參數(shù)分析[J];科學(xué)技術(shù)與工程;2011年36期

9 俞云新;王更生;;基于粒子群的蟻群算法參數(shù)最優(yōu)組合研究[J];華東交通大學(xué)學(xué)報;2010年01期

相關(guān)碩士學(xué)位論文 前5條

1 石義壽;交通運輸發(fā)展的區(qū)域差異性及其對區(qū)域經(jīng)濟(jì)影響的研究[D];深圳大學(xué);2017年

2 葉琴;城市交通誘導(dǎo)屏信息管理系統(tǒng)設(shè)計與實現(xiàn)[D];山東大學(xué);2016年

3 潘東飛;基于iOS的智能交通系統(tǒng)的設(shè)計與實現(xiàn)[D];北京郵電大學(xué);2015年

4 李琳;我國城市道路交通擁堵的成本測算及對策研究[D];大連海事大學(xué);2013年

5 任瑞春;基于排序加權(quán)的蟻群算法[D];大連海事大學(xué);2006年

本文編號：2678056