基于并行遗传神经网络算法的动态路径选择方法

摘要：

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.

关键词：动态路径选择、路径优化、神经网络、路阻矩阵、并行遗传算法、迁移策率

分类号：TP18(自动化基础理论)

资助基金：科技部国际科技合作项目2003DF020009

在线出版日期：2006-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：166-168,32