原文传递
改进量子蚁群算法的动态最优路径诱导研究
| 论文题名： | 改进量子蚁群算法的动态最优路径诱导研究 |
| 关键词： | 智能交通;动态路网模型;量子计算;蚁群算法;图论理论 |
| 摘要： | 随着我国经济的飞速发展，汽车保有量逐年增多，城市交通拥挤、环境污染日益严重。智能交通系统(ITS)成为了公认的有效解决城市交通问题的最佳途径。其中ITS中的交通最优路径诱导就是根据出行者的出行要求动态地规划出一条最合理的路径，提高交通系统的运行效率。其解决方法是构建有效的路网模型，应用高效的智能算法实现最优路径的诱导；而现有的路网模型对交通信息考虑并不完善，采用的诱导算法存在收敛速度慢、易陷入局部最优等不足。 针对以上问题，本文首先在静态路网模型和静态最短路径模型的基础上，根据图论理论和动态交通分配理论，构建了基于交叉口和路段动态信息的动态路网模型；综合考虑了交叉口的排队延误和转弯延误，以及路段的行程时间；并用改进的TPI指数作为交通拥堵评价指标，然后对交通能耗的计算方法进行了定义，在此基础上建立了基于距离、时间、能耗的动态路径诱导模型。 其次，针对传统蚁群算法中收敛速度慢、易陷入局部最优的缺点，通过引入量子计算原理以及量子蚁群算法，本文提出了一种改进的量子蚁群算法。采用量子比特编码表述蚂蚁位置信息，通过缩小量子比特编码的相位角范围，并在双链编码时引入一个调整因子k，既保证了概率幅取值范围的同时又压缩了编码空间以提高算法的搜索空间；而在量子蚁群算法中，针对量子非门变异中的量子位幅值未发生变化而造成的局部最优问题，将Hadamard门引入变异机制，通过相位角旋转不仅实现了量子比特两个概率幅值的位置互换，也改变了量子位的幅值，扩大了种群多样性。通过经典函数的寻优分析，改进的量子蚁群算法可以扩大搜索空间，增加种群的多样性，收敛速度快，搜索精度高，不易陷入局部最优解。 最后，将改进的量子蚁群算法应用到动态路网下的最优路径诱导中，通过对路网模型的抽象，分别根据距离、时间、能耗路径诱导模型设计算法的适应度函数，并进行仿真分析。实验结果表明，改进的量子蚁群算法适用于最优路径诱导，证明了所构建的动态路网模型和最优路径诱导模型的有效性；改进的量子蚁群算法具有很好的寻优效果，能够快速的搜索到全局最优解。 |
| 作者： | 张程程 |
| 专业： | 信息与通信工程 |
| 导师： | 康维新 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
