[发明专利]一种基于并行混合群智能优化的交通流分配方法

权利要求书

1.一种基于并行混合群智能优化的交通流分配方法，其特征在于，包括：

S100、获取路网信息及交通流需求信息；

S200、以路网上各路线的交通流旅行时间最小化为目标，构建交通流分配模型；

S300、基于粒子群优化算法、人工蜂群优化算法、动物迁徙优化算法以及差分进化算法构造混合并行算法模型求解所述交通流分配模型，获得优化的交通流分配方案。

2.根据权利要求1所述的基于并行混合群智能优化的交通流分配方法，其特征在于，基于粒子群优化算法、人工蜂群优化算法、动物迁徙优化算法以及差分进化算法构造混合并行算法模型求解所述交通流分配模型，包括：

S310、构建交通流分配模型的初始解向量；

S320、确定每种算法被选中的概率，采用轮盘赌方式选择相应的算法；

S330、基于初始解向量采用并行模型进行多线程种群优化。

3.根据权利要求2所述的基于并行混合群智能优化的交通流分配方法，其特征在于，构建交通流分配模型的初始解向量，包括：

构建交通流分配模型的解向量，所述解向量的维度为可行路线数量；

对构建的解向量的每一维元素在约束范围内随机取值，初始化种群的个体；

根据优化模型函数计算解向量得到交通流分配模型中个体的适应度值。

4.根据权利要求2所述的基于并行混合群智能优化的交通流分配方法，其特征在于，基于初始解向量采用并行模型进行多线程种群优化，包括：

S331、设置一个全局被选择概率向量，其用于存储粒子群优化算法、人工蜂群优化算法、动物迁徙优化算法以及差分进化算法在线程中优化时被选择的概率，所述被选择概率随着优化过程中算法执行效果而自适应动态调整的；

S332、启动各个线程分别采用不同算法开始对种群个体更新，直到达到循环的结束条件；

S333、设置一个全局的适应度比较向量，其用于存储四种算法优化结果；

S334、当四种算法都被随机选择执行过后，比较算法的优化效果好坏，修改对应被选择概率向量中的值；

S335、将优化后的适应度值与优化之前的适应度值进行对比，满足更新条件则进行替换此时，个体更新次数count加一；

S336、当个体更新次数等于种群个数时，视为进行了一轮迭代，此时需要对全局最优个体适应度进行更新，然后后对迭代轮数进行判断，如果符合一定的轮数间隔则执行S337，否则执行S332。

S337、对此时的种群个体中gbest个体执行局部搜索策略，执行S332。

5.根据权利要求4所述的基于并行混合群智能优化的交通流分配方法，其特征在于，所述循环结束条件是个体的适应度值小于设定的阈值或者满足迭代次数要求。

6.根据权利要求4所述的基于并行混合群智能优化的交通流分配方法，其特征在于，启动各个线程开始对种群个体更新，包括：多个线程并行的随机选择种群中的个体进行更新优化，根据轮盘赌选择具体执行哪种优化算法，优化更新后的解向量首先按照边界取值，并且归一化以满足约束条件，然后再经过目标函数计算对应的适应度值new_fitness；

所述轮盘赌选择包括：首先按照被选择向量中的值划分四个区间，当随机数落在[0,0.25)的区间内时选择执行粒子群优化算法，落在[0.25,0.5)的区间内时选择执行蜂群优化算法，落在[0.5,0.75)的区间内时执行动物迁徙优化算法，落在[0.75,1]的区间时候执行差分进化算法。

7.根据权利要求1所述的基于并行混合群智能优化的交通流分配方法，其特征在于，所述交通流分配模型的约束条件包括交通流需求量约束及各路线上的交通流量约束。