[发明专利]一种基于神经网络求解时变环境下多目标最短路径的方法

权利要求书

1.一种基于神经网络求解时变环境下多目标最短路径的方法，其特征在于包括以下步骤：

第1步，利用地图软件实时采集网络拓扑信息构建交通网络模型，采集的信息包括各节点前驱和后继，以及各边权重函数，比如路由时间函数B_ij(t_i)和路由成本函数R_ij(t_i)；

第2步，根据采集到的网络拓扑信息加载到神经网络模型中，且设计构建的神经网络模型的拓扑结构与交通网络的拓扑结构相同，不用前期数据集对神经网络训练；

第3步，初始化神经网络，包括各个神经元的接收器、过滤器、存储器、波产生器和波发送器5个部分，在接收器中设置解码函数F，在过滤器中设置过滤函数D，在存储器开辟存储空间S，在波产生器中初始化能量函数E和阈值函数θ，在波发生器中设置编码函数J并设置网络的初始时刻为t＝0；

第4步，更新神经网络，分为3个子步骤：自动波的接收与过滤、自动波的存储与产生和自动波的激活和转发；采用“神经元激活”技术和“自动波过滤”技术更新每个神经元在网络t时刻的状态；

第5步，更新网络时刻t＝t+1，重复第4步直到t＝T，其中T是网络的时间上限；

第6步，遍历目的神经元接收到的波利用回溯的方法寻找到所有的多目标最短路径。

2.根据权利要求1所述的求解多目标最短路径方法，其特征在于：第1步所述的权重函数是根据记录拓扑数据利用统计软件计算变量的概率分布函数，一般为分段函数或线性连续函数。

3.根据权利要求1所述的求解多目标最短路径方法，其特征在于：第2步所述的神经网络模型的拓扑结构与交通网络的拓扑结构相同，不用前期数据集对神经网络训练。

4.根据权利要求1所述的求解多目标最短路径方法，其特征在于：第3步所述的初始化神经网络包含5个部分；

第3.1步，接收器中初始化为和解码函数F；

第3.2步，过滤器中初始化过滤函数D，筛选遵循Pareto最优非主导性原则；

第3.3步，储波器中开辟存储空间Sⁱ[|M|]，M是预定义的正整数常量；

第3.4步，波产生器中初始化阈值函数其中B_ij(t)是旅行者经过弧(i，j)时在t时刻从i点出发到达j点的路由时间，t是网络时刻，h是t时刻所在的时间区间；

第3.5步，波发生器中初始化为和编码函数J。