非支配排序遺傳算法在智能公交調(diào)度中的應用研究_開題報告(編輯修改稿)
2025-02-14 23:44 本頁面
【文章內(nèi)容簡介】 時刻表應用遺傳算法進行優(yōu)化，主要做了如下工作：（1）研究公交運營實際情況，建立了以公交車輛的發(fā)車時刻間隔作為決策變量的數(shù)學模型，模型引入多目標優(yōu)化問題，目的在于使乘客的經(jīng)濟效益和公交公司運營的經(jīng)濟效益達到最優(yōu)。（2）研究非支配排序遺傳算法，結(jié)合多目標優(yōu)化求解，應用改進后的算法，求得優(yōu)化后的發(fā)車間隔。2. 設(shè)計方案論證（可行性研究）非支配排序遺傳算法是一種優(yōu)化效果較好的多目標優(yōu)化遺傳算法，相比于其他優(yōu)化算法，非支配排序遺傳算法不限制優(yōu)化個數(shù)，非劣最優(yōu)解分布均勻。方案如下：1）確定種群規(guī)模為n，隨機產(chǎn)生n個可行解Xi1≤i≤n組成初始群體；2）計算賦予個體適應度值fXi，作為個體評價標準；3）設(shè)a=1；4）對所有b=1,2,?,n且a≠b,比較個體Xa與Xb之間的支配與非支配關(guān)系；5）若不存在個體Xb支配Xa，則標記Xa為非支配個體；6）令a=a+1，轉(zhuǎn)到2)，找到所有非支配個體后，算法結(jié)束。通過上述方案操作，將會得到種群的第一級非支配層，忽略第一級非支配層中的個體，再循環(huán)上述步驟，得到第二級非支配個體，依次循環(huán)，種群中所有個體將會分層，賦予同級個體相同虛擬適應度，同時非支配級別越低，其相對虛擬適應度越高，也就是說其個體越優(yōu)，非支配級別越高，其相對虛擬適應度值越低，在接下來的操作中，相對較優(yōu)的個體將會被以較高概率優(yōu)先選入下一代，使得算法迅速收斂于最優(yōu)區(qū)域。同時，為得到均勻分布的Pareto最優(yōu)解集，引入基于擁擠策略的共享小生境技術(shù)。方案如下：1） 設(shè)l非支配層上有nl個個體，個體虛擬適應度值為fl，且令a,b=1,2,3?nl；2） 對于同一非支配層的個體Xa，Xb，計算兩者間歐幾里得距離：da,b=l=1LDlXaDl(Xb)DluDld2其中，自變量個數(shù)為L，Dlu表示Dl的上界，Dld表示Dl的下界。3） 個體Xa和Xb通過共享函數(shù)sda,b表示個體之間的關(guān)系：sda,b=1da,bσshareα 0 若da,bσshare其它其中σshare為共享半徑，其值越大，代表個體間密切度越大，α為常數(shù)。4） 令b=b+1，如果b≤nl，轉(zhuǎn)到2）；否則計算個體Xa的小生境數(shù)量為:ca=b=1nlsda,b5） 計算個體Xa共享適應度：fl39。Xa=flXaca令a=a+1，反復執(zhí)行，計算每個個體的共享適應度值結(jié)合共享小生境技術(shù)，種群中的個體即使位于相同非支配集也會被賦予不同虛擬適應度，從而保證了種群多樣性，避免優(yōu)秀個體被淘汰，陷入局部最優(yōu)的情況，也更好的得到均勻分布的最優(yōu)解集。但非支配排
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1