[发明专利]一种基于粒子群优化的路径寻优方法

摘要

本发明公开一种基于粒子群优化的路径寻优方法，包括读入路网数据，构建路网模型；随机生成若干条可行路径，每条路径对应一个粒子，组成初始状态的粒子群；以可行路径的总距离作为适应度函数，通过求和每个粒子内各弧段的路段长度得到；根据每个粒子的自身经验，获取目前为止粒子经历过最优适应度函数的可行路径，作为该粒子的最优解；结合社会经验，比较该粒子邻域内各粒子的最优解，获取粒子邻域最优解；若迭代次数不超过设定的最大迭代次数，根据粒子的最优解、粒子邻域最优解、粒子移动惯性，分别更新每个粒子的可行路径，得到新的可行解集，否则比较最后一次迭代中粒子邻域最优解，选出适应度函数最优的解，记录为粒子群最优解，即优选路径。

主权项

1.一种基于粒子群优化的路径寻优方法，其特征在于，包括以下步骤：S11.读入并构建路网；将路网数据定义为弧段集和节点集的组合，其中每个弧段包含弧段编号、道路名称、进节点编号、出节点编号、路段编号、路段长度、方向编号，每个节点包含节点编号、经纬度、邻接节点编号集和连接弧段编号集；分别读入以上信息，构建路网模型；S12.初始化粒子群；将一个粒子定义为一条路径，由该路径的弧段集和节点集组成，根据设定的随机因子范围，生成初始状态的随机路径集，即粒子群；同时，将每个粒子的最优解赋值为粒子的初始解；S13.计算每个粒子的适应度函数；将适应度函数定义为粒子的总路径距离，将粒子中的弧段长度相加，计算粒子路径距离总和；S14.获取每个粒子的最优解；遍历粒子群的每个粒子，当本次迭代的解的适应度函数优于该粒子的最优解的适应度函数，则该粒子的最优解更新为本次迭代的解，记为该粒子的自身认知；S15.获取每个粒子邻域的最优解；遍历粒子群，比较每个粒子邻域的最优解的适应度函数，将适应度函数最优的解更新为粒子邻域最优解，记为该粒子的社会认知；S16.判断当前迭代次数是否超过设定的最大迭代次数阈值，若是跳到步骤S18，否则跳转到步骤S17；S17.更新粒子群；遍历每个粒子，根据其自身认知、社会认知和移动惯性，移动惯性是指粒子前两代状态形成的更新方向，分别对粒子位置进行更新，并返回步骤S13；S18.记录粒子群最优解；通过比较最后一次迭代中每个粒子邻域的最优解间的适应度函数，记录最优的解作为最短路径。