[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

说明书

本发明提供一种基于并行混合群智能优化的交通流分配方法，包括：获取路网信息及交通流需求信息；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；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。本发明利用并行混合群智能优化算法对交通流分配问题进行优化。在给定旅行时间函数和起讫点交通量分布的情况下，用该方法优化交通流量在路网上的分配，为各路段交通流规划提供理论依据。

技术领域

本发明涉及智能交通管理技术领域，具体而言，尤其涉及一种基于并行混合群智能优化的交通流分配方法。

背景技术

交通流分配是现代智能交通管理领域的关键技术，现有交通流分配方法多采用单一优化算法优化交通流分配模型，而采用单一的优化算法可能会导致此类算法对于某种优化问题优化效果不好。而使用混合算法可以弥补算法的不足，若其中一种算法优化效果不好，可以采用其他优化效果好的算法进行优化。但是混合算法的实现比较复杂，涉及到如何混合、如何选择的策略机制。

发明内容

根据上述提出的单一优化算法在交通流分配领域应用效果不佳的技术问题，而提供一种基于并行混合群智能优化的交通流分配方法。本发明将混合群智能优化算法改造成并行结构，在混合算法的思想上引入并行机制，根据不同算法得到结果的好坏，自适应的调整不同算法被选择的概率，使得算法的优化效率得到提升。

本发明采用的技术手段如下：

一种基于并行混合群智能优化的交通流分配方法，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。

进一步地，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。

进一步地，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。进一步地，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；