基于混沌神经网络的最优路径选择算法

摘要：

研究车载交通流诱导系统的最优路径选择问题.采用广义路阻的定义,考虑了驾驶员在路径选择中的不同要求,并借助一种具有暂态混沌和时变增益的神经网络(NNTCTG),针对最优路径选择问题设计了神经网络结构,构造了能量函数,提出了一种能够满足不同出行者偏好的最优路径选择算法.所提出的算法具有很多优良特性,即暂态混沌特性和平稳收敛性,能有效地避免传统Hopfield神经网络极易陷入局部极值的缺陷.它通过短暂的倒分叉过程,能很快进入稳定收敛状态.仿真结果表明,NNTCTG求解指定起讫点对之间的最优路径问题时,总能收敛到全局最优,同时具有更高的搜索效率.

关键词：智能运输系统、最优路径选择、神经网络、交通流诱导系统、暂态混沌、平稳收敛

所属期刊栏目：25

分类号：U491.14(交通工程与公路运输技术管理)

资助基金：中国海洋大学校科研和教改项目813417

在线出版日期：2008-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：117-121