校车最优路径规划算法

提出一个基于GIS网络分析的校车路径方案规划算法。算法采用Dijkstra最短路径算法结合道路网络拓扑分析。以高效利用各种资源为目的,通过限制搜索范围提高算法效率,并用空间分析选择最佳起始节点,计算将学区内路网上各乘车节点处的学生送至学校的最优路径方案。实验结果验证了该算法的高效性和有用性。     

一种大规模车辆路径问题的启发式算法

针对大规模物流配送,提出了一种集成模拟退火机制和Voronoi长边引导优化的启发式算法.模拟退火机制控制局部搜索过程,Voronoi长边发现解中不合理的空间结构,引导局部搜索过程,从而优化路径质量.实验结果表明,本文算法的搜索性能良好,能够在较短时间内给出高质量的车辆路径安排方案.     

一种大规模车辆路径问题的启发式算法

随着中国经济的快速发展,物流配送对车辆调度的实时性与应急情况处理能力提出了更高的要求,使用传统车辆调度算法难以满足突发事件实时处理需求。针对紧急情况如车辆故障或新增任务点等,在传统启发式算法——破坏重建算法的基础上提出了一种动态调度方法：局部搜索方法,实现了物流车辆的动态调度,有效提升了车辆调度中应对紧急情况的实时性与动态性。与多目标混合蚁群优化算法进行实验对比,结果验证了破坏重建算法的优势;利用公开数据和真实数据,与全局方式破坏重建车辆调度方法进行对比实验,结果验证了局部搜索动态调度方法的有效性。     

时间窗约束车辆路径问题求解的遗传模拟退火算法

论文建立了时间窗约束车辆路径问题的数学模型,采用了插入法、遗传算法、模拟退火相结合的启发式方法求解时间窗约束的车辆路线问题。试验结果表明:模拟退火与遗传算法结合求解时间窗约束的物流配送车辆路径问题,可以在一定程度上解决遗传算法易"早熟收敛"问题,从而得到较高质量的解。     

基于转向限制和延误的双向启发式最短路径算法

提出了基于节点的交通网络拓扑关系模型,描述交通网络的物理连通性以及逻辑连通性;根据对偶图的思想,定义搜索节点结构,处理交叉口转向限制和延误;改进传统的Dijkstra算法,提出了基于搜索节点的双向启发式A*算法,使用二叉堆优先级队列存储扩展节点,RB-tree存储标记节点。实验表明,本算法在效率和结果两方面都能满足车辆导航系统路径规划的要求。     

A^＊算法的改进及其在路径规划中的应用

A*算法是一种启发式搜索算法,在路径规划中得到广泛的应用,其中启发函数的设计尤其重要.本文针对路径规划问题,对A*算法作了以下改进:一是在估价函数中考虑以距离和方向两个要素,通过归一化处理解决了单位不统一的问题;二是利用k-d树空间索引结构,动态加载节点信息,减小内存使用空间.实验结果表明,改进后的A*算法的搜索效率得到了明显的提高.     

楼宇内部路径规划算法研究及其应用综述

在人群密集的大型楼宇,构建基于楼宇内部空间三维拓扑结构的逃生疏散路径,是当前路径规划算法研究的难点和热点。本文对当前常见的路径规划算法进行优劣对照比较,并详细阐述其在楼宇内部逃生疏散场景应用的算法思想和主要特征,最后总结了楼宇内部路径规划算法研究的发展方向。     

Bayes理论在最优路径规划中的应用

路径规划是车载导航系统的核心,是路径引导和信息服务的基础,其目的是根据交通信息分析得到最佳路径。目前,路径规划中对交通信息的应用过于简单,使得交通信息没有得到充分的应用,并且规划结果也不够理想。本文根据交通信息的特点,将其进行量化后,应用Bayes理论将不同的道路交通信息进行融合,将融合后的值作为道路权值应用到最优路径规划中。实验表明,该算法能有效地优化路径规划结果。     

模拟退火算法及其在大地测量反演中的应用

本文针对大地测量反演算解算中的非线性问题介绍了模拟退火算法的基本原理,结合算例详细讨论了Ｍｅｔｒｏｐｏｌｉｓ模拟退火算法的特点和大地测量反演解算中的应用,分析比较了模拟退火算法和局部搜索算法在反演解算中各自的特点。     

满足实时导航应用的路径规划算法研究

主要针对当前嵌入式导航应用中路径规划计算存在的问题,设计了一种满足实时导航应用基于转换路网的分层搜索A*算法。该算法对于大区域的路径规划采用分层搜索策略,路径计算时采用能够处理交叉口转向限制和结点权重,并且占用存储空间小,搜索速度快的基于转换路网的二次搜索A*算法。通过实际的应用表明,算法在计算速度、路径合理性等方面可以满足实时导航应用的技术需求。     

改进的K-means算法在校车站点布局中的应用

校车站点布局问题是一种典型的设施选址问题.大多数设施选址问题均属于区域选址,将设施选址限定在一定空间范围内,其方法并不适用于需要将位置固定在道路上的校车站点布局问题.因此,为保证生成的站点分布在路网上,且学生到站点的步行距离较短,提出了一种改进的K-means聚类算法,以一定范围内密度最大的点为初始类中心,在逐次迭代中...     

最短路径算法用于城市公交出行路径最优化

介绍了经典Dijk st ra算法的主要思想快速实现方法，指出了公交网络不同于一般的道路网络的特点，给出了选择公交出行路径的算法思想。     

基于遗传算法的时相关动态车辆路径规划模型

动态车辆路径规划是智能交通和商业物流领域中的一个重要研究方面,其最大的优点是就是综合考虑了各种实时信息,及时优化更新配送车辆的行驶路径,进一步降低物流成本。提出了一种基于遗传算法的时相关动态车辆路径规划模型。该模型将时变的交通信息和动态客户订单考虑在内,可以获得比较好的动态更新效率和优化结果,为此类动态车辆路径规划探索出了一条可行的途径。     

基于时间窗的多车场车辆路径问题研究

启发式优化算法在解决车辆路径问题时具有较好的收敛性,整体法在解决时间窗的多车场车辆路径问题时具有较好的全局性,结合二者优点,进行了算法研究。首先采用整体法得到车辆路径问题的全局最优解;再采用智能优化算法对配送点进行车场选择,匹配代价最小的车场;最后通过实验验证了该算法在解决时间窗的多车场车辆路径问题上的有效性。     

利用人工鱼群算法优化高斯过程模型及应用分析

基于高斯过程利用传统共轭梯度法搜索超参数,存在对初始值依赖性强、获得局部最优解的不足。本文采用人工鱼群算法对超参数进行智能寻优,建立了基于人工鱼群算法的高斯过程模型对变形体形变进行预测分析。通过隧道和基坑两个工程实例计算比对分析,NN、SE和RQ 3种核函数中NN核函数的预测效果最好,平均相对误差分别为0.69%和1.06%。结果表明超参数优化模型的预测精度得到了较大的提高,改善了高斯过程算法本身存在的超参数求解方面的不足,效果明显。     

基于数字高程模型的混合流向算法

从数字高程模型提取的汇水网络和汇水区等信息是分布式水文模型及应用分析的基础参数,基于地表汇水模拟的算法是提取该类信息的主要方法,其中,水流方向的确定对提取结果有着直接的影响。单流向算法因其易于实现、易于确定上游汇水区等特性,得到了广泛应用,然而单流向算法在坡度平缓区域会产生不自然的平行径流,能模拟地表水流分散径流特点的多流向算法可以在一定程度上避免此问题,但多流向算法使得不同区域的汇水单元可能存在交叉。本文结合两类流向算法各自的优点和适用性,设计实现了一种混合流向算法,以期在不同的地形条件下模拟得到更加合理的水流分配。首先,使用基于模板的形态检测方法,在给定阈值的基础上,对数字地形进行了分类,DEM被划分为山谷、山脊、鞍部、缓坡和陡坡5类。对陡坡、山谷和山脊区域运用单流向算法;对缓坡和鞍部区域采用多流向算法确定径流方向并进行水量分配。本文选取了黄土地貌和中低山丘陵的两个流域作为研究区,利用并采用了30 m和90 m两个分辨率的DEM。本文研究将混合流向算法与现有其他算法的结果进行比较。相比于多流向算法,该算法结果中的分散效应受到明显的抑制,相比于单流向算法,非自然的平行径流也大幅减少。同时,混合流向算法在较大分辨率DEM上（30 m）改进效果更加明显。     

面向空间延迟可容忍网络的路由协议仿真研究

随着空间通信的发展和卫星节点的增加,空间DTN网络中卫星节点之间的路由的重要性日益明显,大量复杂的卫星网络路由方案相继提出。针对空间DTN网络具有规律性与可预见性,研究了基于卫星节点运动接触规律 (CGR)路由协议。在ONE仿真实验平台下,对真实卫星网络场景进行了仿真实验,并对比了CGR、Epidemic与Prophet路由协议的性能。实验结果表明,相比于Epidemic与Prophet,CGR在消息交付率、平均延时和网络开销比等方面的性能优越。