收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群优化算法在路径规划中的应用

方昕  
【摘要】: 城市交通影响着全国各大城市的经济和旅游业的发展。人们总希望所在的城市交通便利、路况规划合理,这将有利于人们的出行,因此城市的路径规划问题就显得尤为重要。根据出行者的出行目的和要求,路径规划问题在一定程度上可具体化为旅行商问题(Traveling Salesman Problem-TSP),例如:城市景点环游路径。旅行商问题是通过路径搜索算法来求解。路径搜索算法经历了由传统搜索算法到智能搜索算法发展过程,因为近些年智能搜索算法表现出了良好的性能,如遗传算法、蚁群算法、粒子群优化算法等。其中粒子群优化算法PSO (Particle Swarm Optimization)以概念简单、易于实现、鲁棒性较好等特点。 目前用于求解TSP问题的PSO算法的求解过程较为复杂、求解速度较慢,实验结果无法说明算法总体性能的优势,并且实验多以测试数据为研究对象。因此,本文以实际地理数据作为TSP问题的研究对象,详述了基于地理坐标的离散PSO算法求解TSP问题的模型,用于解决实际问题。为了进一步改善算法的全局搜索能力,又提出了自平衡机制,使得算法过程简便并且算法性能得到提高。同时,采用多线程并行来提高算法的求解速度,弥补了算法并行化研究的不足。本文主要做了四大方面研究: (1)在实际的景点数据中利用PSO算法解决TSP问题,提出一种基于地理坐标的离散PSO算法。实验对同一迭代次数的不同粒子个数的最优解和平均解进行了计算并记录,将不同迭代次数的最优解和平均解进行了统计和对比,结果表明了算法在求解实际问题时具有重要的现实意义,可算法存在易陷入局部最优的缺陷。 (2)为了使得算法不易陷入局部最优且算法求解过程较为简便,提出了自平衡离散PSO算法。此算法相对已有改进算法而言不采用将其它算法思想相结合的思路,而是通过自身达到平衡搜索能力的目的。实验统计方法和基于地理坐标的离散PSO算法的实验一样,结果表明此算法求解出来的解比前者优,且求解过程较为简便,能有效平衡算法的搜索能力不易陷入局部最优解。 (3)为了进一步提高自平衡离散PSO算法的求解速率,设计了适用于此算法的并行模型,采用了基于多核平台的OpenMP多线程并行方式来改善算法性能。关于此算法基于多核的并行程序设计现还很缺乏,此算法并行方式的研究不但促进了算法并行化的发展,而且通过实验和结果证实了其能有效提高算法性能。 (4)实现了对上述这些PSO算法在路径规划中的应用系统的设计与开发,系统由地图数据模块、参数设置模块、算法求解模块和结果显示模块组成。通过系统实验结果表明了算法性能逐步得到改善,也能有效解决实际TSP问题,同时可向正在建设中的西安市地铁部门提供路径参考,以便促进城市景点环游轨道发展,促进城市交通及经济发展。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 林川;冯全源;;利用有效信息的粒子群优化算法[J];哈尔滨工程大学学报;2008年11期
2 孙坚;丁永生;郝矿荣;;基于改进粒子群优化算法的并联机构位置正解法[J];制造业自动化;2010年04期
3 任子晖;王坚;;加速收敛的粒子群优化算法[J];控制与决策;2011年02期
4 梁樱馨;田浩杉;;基于细菌觅食与粒子群的改进混合算法[J];电子科技;2017年04期
5 王瑾;张求明;黄波;;粒子群优化算法的分析与研究[J];计算机与现代化;2009年07期
6 袁莉芬;张悦;何怡刚;吕密;;基于文化双量子粒子群优化的RFID 3D-LANDMARC定位算法[J];电子测量与仪器学报;2017年06期
7 王伯成;施锦丹;王凯;;粒子群优化算法的研究现状与发展概述[J];电讯技术;2008年05期
8 魏星,崔鹏程;粒子群优化算法及其在电力系统中的应用[J];电力科学与工程;2005年03期
9 康燕;冯海朋;须文波;杨燕萍;;合作的具有量子行为粒子群优化算法[J];计算机工程与应用;2010年04期
10 刘锋;覃广;李丽娟;;快速群搜索优化算法及其应用研究[J];工程力学;2010年07期
11 倪庆剑;邢汉承;张志政;王蓁蓁;文巨峰;;粒子群优化算法研究进展[J];模式识别与人工智能;2007年03期
12 张明茜;郭兆燚;;基于人工蜂群算法的一种改进研究[J];科技广场;2017年07期
13 郭雯雯;邵全义;;大数据聚类算法研究[J];无线互联科技;2018年04期
14 廖彬宇;赖晓风;;RSA算法的改进研究[J];计算机与网络;2018年14期
15 孙家芳;;关于算法多样化的思考与实践[J];新教师;2016年09期
16 陈月兰;走进算法[J];上海中学数学;2005年11期
17 肖娇娥;;“我一种方法都没学会”——关于算法多样化的思考[J];小学教学参考;2006年Z5期
18 余颖;;优化也需因“材"而优——对算法优化的再思考[J];江苏教育;2006年20期
中国重要会议论文全文数据库 前10条
1 薛云灿;郑东亮;岳兴汉;杨启文;;混沌粒子群优化算法及其在水库优化调度中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
2 徐一;杨静;任志刚;杨迅幸;;基于学习的烟花算法[A];2018中国自动化大会(CAC2018)论文集[C];2018年
3 熊薇薇;吴怀宇;;一种改进的角点检测算法[A];中国计量协会冶金分会2009年年会论文集[C];2009年
4 陶丽;张自力;丁晓明;;一种适用于动态重构的联盟形成算法[A];2008年计算机应用技术交流会论文集[C];2008年
5 张兰平;;谈小学一年级算法多样化的优化[A];中华教育理论与实践科研论文成果选编(下)[C];2007年
6 杨红斌;;计划量算法的优化[A];第四届全国医院药剂科建设与管理学术研讨会论文集[C];2012年
7 冉茂鹏;王青;董朝阳;;一种基于种群熵的动态搜索空间粒子群优化算法[A];第26届中国控制与决策会议论文集[C];2014年
8 林克旺;;基于分层网络实现高效的自稳定的选举算法[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(下册)[C];2006年
9 徐英钟;高震;李波;;基于禁忌搜索的蚁群算法求解旅行商问题[A];第四届中国智能计算大会论文集[C];2010年
10 叶衍;楼荣生;何永保;;自然联结的优化算法[A];第十二届全国数据库学术会议论文集[C];1994年
中国博士学位论文全文数据库 前10条
1 谭跃;具有混沌局部搜索策略的粒子群优化算法研究[D];中南大学;2013年
2 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年
3 盛歆漪;粒子群优化算法及其应用研究[D];江南大学;2015年
4 王艳娇;人工蜂群算法的研究与应用[D];哈尔滨工程大学;2013年
5 李美安;普适分布式互斥算法及应用[D];电子科技大学;2007年
6 王小根;粒子群优化算法的改进及其在图像中的应用研究[D];江南大学;2009年
7 王维博;粒子群优化算法研究及其应用[D];西南交通大学;2012年
8 刘婷;改进人工蜂群算法及其在多用户检测中的应用[D];天津大学;2013年
9 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年
10 龙海侠;进化算法及其在生物信息中的应用[D];江南大学;2010年
中国硕士学位论文全文数据库 前10条
1 方昕;粒子群优化算法在路径规划中的应用[D];陕西师范大学;2010年
2 邓艳青;粒子群优化算法的改进及其应用研究[D];中南大学;2012年
3 李少勇;大爆炸算法的研究与改进[D];广东工业大学;2014年
4 杨琳;改进人工蜂群算法的研究及其应用[D];广西工学院;2012年
5 芦燕爽;改进的粒子群优化算法的研究[D];哈尔滨工业大学;2010年
6 佟金颖;粒子群优化算法的研究及改进[D];南京信息工程大学;2008年
7 孙晶晶;粒子群优化算法的改进及其应用研究[D];陕西师范大学;2010年
8 覃大胜;粒子群优化算法的改进及其应用研究[D];暨南大学;2015年
9 郝丽静;面向微博话题的粒子群优化聚类算法研究[D];河南理工大学;2016年
10 李枝勇;蝙蝠算法及其在函数优化中的应用研究[D];上海理工大学;2013年
中国重要报纸全文数据库 前10条
1 眉间尺;比算法推荐更重要的是确认眼神[N];科技日报;2018年
2 陈航辉;切勿陷入算法迷信[N];解放军报;2019年
3 西南政法大学行政法学院 邬蕾;算法与法秩序的重塑[N];中国社会科学报;2019年
4 沈东坡;致命的“算法”[N];滨海时报;2017年
5 刘振;“成于算法”当警惕“败于算法”[N];安徽日报;2018年
6 中国信息通信研究院产业与规划研究所 李曼 谢智刚;算法升级加快数字经济发展步伐[N];人民邮电;2018年
7 孙益武;算法也应接受法律的审视[N];民主与法制时报;2018年
8 刘文龙;“算法”只是工具 可以运用但别依赖[N];解放日报;2018年
9 小鱼 乐舒 苏晓 晓龙 良辰;算法:干了这杯“酒”,从此推荐内容是好友[N];人民邮电;2018年
10 本报记者 倪弋;网络时代,应如何规范“算法”[N];人民日报;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978