基于多条件约束的网络信息传输路径动态选择

针对传统网络信息传输路径动态选择速率低的问题,提出基于多条件约束的网络信息传输路径动态选择。笔者在原有技术基础上增加传输路径时延和丢失率两个参数条件,约束传输路径动态选择,建立新的传输路径动态选择模型,利用Qos算法将模型通过线性整数规划方式对其求解。经实例验证,该方法能够快速地选择出距离短、时延最低且丢失率较低。

基于蚁群算法的动态路径选择优化方法

为了确保城市路网交通流平稳运行和各路段交通流量合理分配,提出了一种基于伪随机状态转移规则的动态路径选择优化方法.该方法首先计算路段上流量和路阻,利用伪随机状态转移规则和路径、路段信息素更新规则,模拟了出行者在路网节点的择路行为,实现了路径选择过程中静态先验知识、动态交通状态及路径选择随机性的综合.算例结果表明,该方法能够体现不同OD需求下路径选择的叠加效果和时延效果,相对于平衡分配法可获得更好的路网交通均衡性,对于时变路况环境下的路径诱导系统也具有一定的应用价值.

面向动态路径选择的路段行程时间的分析研究

从交通流的时空变化特性出发,在路径选择时把同向不同车道作为一个整体合并为一个方向车道来计算其路段行程时间,并分析了路段行程时间的变化规律,且认为其是受随机因素影响而服从渐近正态分布的虚拟观测,通过权的定义决定观测值的影响,从而将一些突发事件与正常的交通流同等对待;其次讨论了该随机过程的采样函数与概率分布,在分析速度、密度、流量交通流基本参数间关系的基础上,认为采用空间占有率在计算路段行程时间时,更能体现其动态性。

基于多智能体系统的动态路径选择算法研究

动态路径选择算法是城市交通流诱导系统的核心理论之一 ,一直受到国内外研究学者的普遍关注。本文给出了一种基于多智能体系统的动态路径选择新方法 ,阐述该方法的主要思想 ,借助交通模拟软件———PARAMICS建立一个基于多智能体的交通诱导系统 ,并实现对一个简单路网的诱导管理。仿真结果显示 :该方法具有实时性强和鲁棒性好的特点 ,说明多智能体系统在实际交通诱导应用中具有可行性。

基于并行遗传神经网络算法的动态路径选择方法

实时、高效的求解大规模路网中的最优路径是动态路径诱导领域的研究难点。针对基本遗传算法在计算大型网络的优化问题时表现出的求解效率低等缺点,在基本遗传算法中引入了子群体和迁移策略,提出了基于并行遗传算法的最优路径选择方法,设计了适用于路径优化的编码方式、适应度函数、遗传操作算子和迁移算子,并采用神经网络预测方法构造了实时动态的路阻矩阵。仿真试验表明:该方法的准确性、实时性和快速性优于基本遗传算法,并且大规模路网中求解效率和求解质量的平衡问题也得以解决。

基于蚁群算法的动态路径选择问题

论述蚁群算法在动态路径选择问题上应用。在蚂蚁寻径原理基础上,建立经济圈公路网蚁群算法模型,并对算法的参数进行标定。针对算法的缺陷,对信息素更新策略进行了优化改进,使其能更快的收敛到全局最优解。该模型算法对经济圈道路交通智能化动态诱导系统的建立大有帮助。

交通信息下危险品道路运输动态路径选择研究

根据影响危险品道路运输路径选择的风险、经济及时间因素,构建了包含风险、经济及时间的广义运输时间函数。将出行者对路段的广义运行时间预测看作随机过程,对出行路径上节点到达广义时间取期望值,利用一阶近似,建立基于广义时间最短的动态路径选择模型。研究表明,在交通信息可获知条件下,只要给定起讫点对(Origin-Destination,简称OD)中起点的出发时间,就可通过基于广义时间最短的动态路径选择模型求解通过某一路径到达终点的期望时间,而最小期望时间所对应路径即是危险品道路运输动态最短路径。

交通信息影响下的动态路径选择模型研究

考虑交通信息对出行者选择出行路径的动态影响 ,建立一种动态路径选择模型。将不同类型的出行者对路段(路径 )运行时间的预测看作不同的随机过程 ,通过对出行路径上节点的到达时间取期望值 ,利用一阶近似表达式 ,研究交通信息对出行者的出行路径选择行为的影响。

驾驶员实时动态路径选择行为组合模型

考虑了3种类型的路径选择行为: 选择固定路径,选择具有最短理解出行时间的路径,选择最小实际出行时间路径. 基于驾驶员路径选择行为的差别,在不考虑交通阻抗函数是否对称(即允许交通阻抗函数非对称)的前提下,将这3种动态路径选择行为综合表达为一个与之等价的变分不等式模型.

基于前景理论的动态路径选择模型研究

在实际出行过程中受多种不确定因素的影响,导致出行者的路径选择行为往往是动态的。本文考虑出行者在路径选择过程中的有限理性以及路径改变方式,在前景理论的基础上建立了动态路径选择模型,提出了更适合人们思维习惯的动态路径选择方法。该方法允许出行者根据道路情况随时调整路径,并用实例验证了方法的正确性和适用性。结果表明,当出行者遇到拥堵路段时,可以在途中改变路径,并且在心理预期时间不能满足时,就会选择有风险的路径。

智能交通系统中动态用户最优路径选择问题的解决途径

本文为智能交通系统动态用户最优路径选择问题给出了一个解决途径。首先建立了与动态用户最优条件等价的变分不等式模型,然后针对实时出行矩阵——O-D(Origin—Destination)矩阵不易获得的问题,根据历史O-D矩阵和实时采集到的路段上的交通量数据,用极大熵方法对基于时间段的O-D矩阵进行预测,最后使用嵌套对角线方法对该模型进行求解,并给出了一个算例,说明该途径是可行的。

多源信息约束下的路径选择模型与算法

针对交通诱导管理措施的制定常缺乏理论支持的问题,提出信息约束机理作用下的时变路径选择行为研究方法。从人的知觉角度出发基于模糊聚类算法深入解析了多源交通信息(MSTI)的约束规律,借助VISSIM软件模拟路网环境并构建交通状态模式识别模型模拟信息约束下出行者的心理活动。采用意向(SP)调查法获取驾驶员在路网中的路径选择决策数据,并利用Biogeme软件对行为数据建模。结果表明,当偏好路径拥挤不严重时,信息很难对行为产生约束,出行者更倾向于坚持偏好路径;但随着偏好路径拥挤加剧,在信息影响下路径变更行为渐趋频繁,相应的信息对行为的约束也逐渐增强。研究结论为信息环境下出行者的不完全理性行为研究提供了思路及借鉴,并可为交通管理部门提供决策支持。

Dijkstra算法在矿井水灾动态避灾路径中的改进与应用

针对矿井水灾发生时,随时间动态变化的水位高度对矿工逃生路径选择的影响,开展动态最短路径算法在矿井水灾动态路径选择中的研究。为判断水位高度不断变化对矿工逃生路径选择的影响,本文在将逃生路径选择数学模型最优化的基础上,将所研究的时间段进行划分,根据不同时段下每条巷道中的平均逃生速度求得时间当量长度,以此作为邻接矩阵的权值。本文突破传统Dijkstra算法在矿井水灾最优路径搜索中不能有效用于动态环境下的弊端,实现了改进的Dijkstra算法在矿井突水时期动态选择最优路径的应用,具有更高的实用价值与精确度。并且,在后期的矿井虚拟现实/增强现实水灾模拟应用中具有较大的意义。

一种无线传感器网络多信道动态路径转发协议

为了改善无线传感器网络在重负载情况下的性能,提出了一种多信道动态路径转发协议MDFP.该协议通过整合动态路径选择和预测唤醒调度,使得发送者在发送数据前能预测可用转发节点的唤醒时间,避免了现有动态路径转发协议依赖长前导来完成转发节点选择和数据传输所带来的问题,从而实现更低的能耗并改善网络在重负载下的延时和可靠性.MDFP利用多信道通信减少节点间干扰,从而进一步提升网络在重负载情况下的可靠性.基于TelosB节点的实验结果表明,在重负载情况下,相对于现有的动态路径转发协议,MDFP在能耗、延时和可靠性方面均有较明显的性能提升.

基于拥挤度的危化品道路运输事故应急救援路线动态优化

快速高效的应急救援对于有效降低危化品道路运输事故后果及防止次生衍生灾害的发生具有重要意义,针对目前应急救援路线规划中对交通流实时动态性考虑不足进而影响最优路径选择的问题,构建事故应急救援路线选择动态优化模型.通过引入交通流中拥挤度的概念,利用模糊理论对不同道路拥堵情况进行量化,以救援车辆抵达事故点时间最短为目标,对动态路网下救援车辆行驶路径进行优化建模,并在路径求解中引入动态交叉概率和动态变异概率对遗传算法进行改进.实例应用表明:利用动态路径优化模型,行驶时间较未考虑拥挤度的路径模型效率提高25%,说明本文提出的动态路径优化模型是科学、合理和有效的.

高度信息化条件下的动态配流模型

考虑出行者在高度信息化条件下的动态路径选择行为 ,提出一种高度信息化条件下动态配流模型的框架 .将出行者分为被诱导和未被诱导两类 ,未被诱导的出行者选择静态最短路径 ,而被诱导的出行者选择随时间变化的最短路径 .出行者在交通信息影响下选择自己的最佳出行路径 ,先进的出行者信息系统通过对交通网络各种交通状况信息的收集和处理 ,为出行者提供更有价值的交通信息 .该模型框架为智能化交通运输系统的建立提供一定的理论依据 .

考虑风险规避的动态路径选择模型研究

为了研究在不确定性交通环境下路径选择问题,引入前景理论建立动态路径选择模型以规避出行风险,保障出行者准时稳定地到达目的地。首先介绍了前景理论,计算了以行程时间为指标路径前景值和在给定的预算时间内确定路径准时到达可靠度。考虑到绝大多数出行者属于风险规避型,定义可靠度最高的路径为基准路径,将二阶随机占优于基准路径的路径归入有效集。最后定义了延误风险,以有效集中延误风险最低的路径作为可接受的最优路径。通过一个简单测试网络算例,研究了考虑风险规避的动态路径选择,并分析了对路径选择的影响。研究结果分析显示,当考虑风险规避时,出行者不再以单一的期望行程时间为最优目标,而会综合考虑出行选择。

面向多路径并行数据传输的动态路径选择方法

针对多路传输控制协议联合拥塞控制未考虑丢包率对吞吐量的影响和传统静态路径选择方法降低并行数据传输鲁棒性的问题,提出一种以提升吞吐量为优化目标的基于马尔可夫决策过程的动态路径选择方法.综合考虑往返时延和丢包率对吞吐量的影响,根据最优策略动态地选取不同的路径进行数据传输,数据传输时不减少路径数量,在不影响并行数据传输鲁棒性的基础上提升吞吐量.仿真结果表明,在路径参数变化时,所提出的路径选择方法可以更有效地均衡流量,提升吞吐量.

基于改进粒子群的农田WSN路由优化方法

农田无线传感器网络(WSN)应用环境复杂,影响网络传输的因素包括环境变化、作物生长等。路由协议作为网络数据采集过程中的重要环节,其能耗优化是近年来农田WSN领域的研究热点。传统的能耗优化路由算法多数只针对静态网络环境,难以适用于动态变化的农田监测场景。为此,提出一种基于改进粒子群(PSO)的路由优化算法RD-PSO。将不同的路由传输路径抽象为粒子,根据农田网络能耗、剩余能量、网络传输跳数、链路质量等关键因子构建适应度函数,以提高路径寻优的环境适应性。同时,针对PSO路由随机初始化时迭代效率低的问题,采用反向探测方法确定网络节点的初始化拓扑位置,缩短初始位置与最优解的距离,从而提高算法的收敛速度。实验结果表明,相较ELMR、EEABR和MR-PSO路由算法,RD-PSO算法具有更快的收敛速度,在网络生命周期、能耗均衡效果以及平均传输跳数等方面性能较优,其能提高路由算法在农田动态场景中的适配性。

一种新的基于ACSA的ad hoc多径QoS路由方法

ad hoc网络中基于蚁群系统算法(ACSA)的路由协议已经被广泛地研究,但其中的大部分本质上都属于单径路由协议,使得源宿之间最短路径上的主机负担加重。另一方面,由于引入了蚂蚁的正反馈机制,使得协议本身比较差的鲁棒性受到进一步的削弱,多径路由能够更好地支持QoS。本文将ACSA和链路不相交的多径路由结合起来以解决上述问题。新提出的基于ACSA的多径QoS路由方法建立和利用多条链路不相交路径来并发发送数据,并且采用信息素来分散通信流量,因此能够适应网络的动态变化和更好的支持QoS,仿真结果表明该方法要优于其他相关的算法。