[1]薛国新,王 岳.一种改进的蚁群算法求解车辆的最短路径问题[J].常州大学学报(自然科学版),2012,(01):78-81.
　XUE Guo-xin,WANG Yue.Improved Ant Colony Algorithm for the Shortest Vehicles Path[J].Journal of Changzhou University(Natural Science Edition),2012,(01):78-81.
点击复制

一种改进的蚁群算法求解车辆的最短路径问题()
分享到：

常州大学学报(自然科学版)[ISSN:2095-0411/CN:32-1822/N]

卷:
期数:
2012年01期
页码:
78-81
栏目:
计算机与信息工程
出版日期:
2012-01-01

文章信息/Info

Title:
Improved Ant Colony Algorithm for the Shortest Vehicles Path
作者:
薛国新; 王 岳
常州大学 信息科学与工程学院,江苏 常州 213164
Author(s):
XUE Guo-xin; WANG Yue
School of Information Science and Engineering,Changzhou University,Changzhou 213164,China
关键词:
蚁群算法;  最短路径问题;  实时交通信息
Keywords:
ant colony algorithm;  shortest path problem;  real-time traffic information
分类号:
TP 301.6
文献标志码:
A
摘要:
基于交通网中交通流参数关系模型,提出了新的状态转移概率计算公式,同时在信息素更新策略中引入交通流密度因子,使算法可以根据时变的路网信息求解车辆的最短路径; 利用蚁群算法和遗传算法相结合的思想来避免基本蚁群算法在求解车辆最短路径时易陷入局部最优解的缺陷。实验仿真结果表明,改进后的蚁群算法较基本蚁群算法能准确快速地找到基于时间的最短路径,并能有效解决实际交通系统中的最短路径问题,具有一定的实际意义和参考价值。
Abstract:
Based on the model of the traffic parameters, a new computing formula of the transition probability is proposed. And traffic density factor is introduced in pheromone update strategy, and as a result, the algorithm could resolve the shortest path problem with the real-time trafic information. Toavoid the algorithm converging to the local optimal result, the ant colony algorithm was combined with genetic algorithm. The results of the experimentation prove that the improved algorithm could find the shortest path more accurately andquickly than the basic algorithm. Besides this, the improved algorithm can resolve the shortest path problem of traffic system of reference value and actual meaning.

参考文献/References:

[1]Dorigo M,Birattari M,Stutzle T.Ant colony optimization-Artificial ants as a computational intelligence technique[J].IEEE Computational Intelligence Magazine,2009,1(4):28-39.
[2]Hall R W.The fastest path through a network with random time-dependent travel time[J].Transportation Science,1986,20(3):182-188.
[3]谭国真,高文.时间依赖网络中最小时间路径算法[J].计算机学报,2002,25(2):165-172.
[4]陈立潮,刘佳,吕亚男.带杂交算子的蚁群算法求解动态网络中的最短路径问题[J].计算机工程与科学,2007,29(5):81-82.
[5]刘永强,常青,熊华钢.改进蚁群算法求解时变网络中最短路径问题[J].北京航天航空大学学报,2009,35(10):1 245-1 248.
[6]夏兰.基于改进蚁群算法的交通最佳路径研究[J].计算机与数字工程,2009,37(1):28-31.
[7]段海滨.蚁群算法原理及其应用[M].北京:科学出版社,2005:34-36.
[8]刘伟.基于蚁群算法的动态路径诱导研究[D].成都:西南交通大学,2008.
[9]姜桂艳,常安德,吴超腾.基于GPS浮动车的交通信息采集方法[J].吉林大学学报,2010,40(4):971-972.
[10]钱寒峰,林航飞,杨东援.浮动车车速处理分析系统中的数据融合技术[J].计算机工程与应用,2007,43(31):230-232.
[11]曹晶,李清泉.城市路网中浮动车数据和线圈数据的融合[J].交通与计算机,2008,26(4):11-14.
[12]张航,田冬军,曾宪宝,等.城市道路交通检测器优化配置方法研究[J].武汉理工大学学报,2008,32(6):1 161-1 164.
[13]张文洁,邓卫.基于蚁群算法的动态路径选择问题[J].交通科技与经济,2009,11(1):51-53.

相似文献/References:

[1]王洪元,刘志远,卜 莹.基于蚁群优化算法的无线传感器网络跨层路由协议[J].常州大学学报(自然科学版),2014,(02):32.[doi:10.3969/j.issn.2095-0411.2014.02.009]
　WANG Hong-yuan,LIU Zhi-yuan,BU Ying.Ant Colony Optimization Algorithm For WSN CrossLayer Routing Protocol[J].Journal of Changzhou University(Natural Science Edition),2014,(01):32.[doi:10.3969/j.issn.2095-0411.2014.02.009]
[2]段锁林,顾川林.基于BP神经网络视频火灾火焰检测方法[J].常州大学学报(自然科学版),2017,(02):65.[doi:10.3969/j.issn.2095-0411.2017.02.012]
　DUAN Suolin,GU Chuanlin.Rsearch on the Detection Method Based on the Optimized BP Neural Network for the Visual Fire Flame Recognition[J].Journal of Changzhou University(Natural Science Edition),2017,(01):65.[doi:10.3969/j.issn.2095-0411.2017.02.012]

备注/Memo

备注/Memo:
作者简介:薛国新(1962-),男,江苏武进人,研究员。
更新日期/Last Update: 2012-01-01