[发明专利]基于分解的动态多目标多路径诱导方法、系统及存储介质

摘要

本发明公开了基于分解的动态多目标多路径诱导方法、系统及存储介质，该方法能在动态实时交通路段下，为驾驶者提供诸如路程最短、用时最少、最为安全舒适，甚至带有驾驶者偏好的多条最优路径供其选择；算法将一个动态多目标多路径优化选择问题转换为N个单目标路径优化选择子问题，每个子问题的目标函数由各个目标的函数聚合而成，算法在一次进化过程中同时优化这N个子问题，最后用户根据偏好从这N个子问题的最优解中选择一条路径行驶。由于每个子问题解决只需要用到它周围的邻居信息，而邻居的数目T远小于种群的规模N，因此算法具有较小的计算复杂度，能够更好地满足多目标多路径诱导系统的动态路段实时性要求。

主权项

1.基于分解的动态多目标多路径诱导方法，其特征是，包括：步骤(1)：开始导航，采集用户当前行驶路径和用户输入的多个目标；所述用户的多个目标，包括：距离最短f1(x,t)、时间最短f2(x,t)、速度最快f3(x,t)或红绿灯路口最少f4(x,t)；将一个动态多目标多路径优化选择问题分解转换为N个动态单目标路径优化选择子问题，每个子问题的优化目标是一个关于各个路径优化目标函数的聚合函数；步骤(2)：对于分解后的N个子问题，采用进化算法，在一次进化过程中同时优化N个子问题：初始化算法终止条件，所述算法终止条件，包括：路段变化次数Tmax到达上限或者行驶到达目的地；初始化初始种群popk(t)、交叉概率pc、变异概率pm和最大迭代次数gmax(t)，令路段变化计数因子t＝0，计数器k＝1，计算任意两个聚合权向量之间的欧氏距离，为每个权向量选出最近的T个向量作为它的邻居；步骤(3)：假设种群popk(t)包括N个个体，每个个体代表待优化的路径；对于种群popk(t)中的所有的个体路径xi进行优化；进入步骤(4)；步骤(4)：判断k是否大于gmax(t)，如果k>gmax(t)，则输出popk(t)中的所有解路径供用户选择，接收用户新选择的路径，令t＝t+1，转步骤(6)；否则，转步骤(5)；步骤(5)：判断采集的当前路段是否发生变化，如果发生变化，令t＝t+1，转步骤(6)；否则，令popk+1(t)＝popk(t)，计数器k+1；转步骤(3)；步骤(6)：判断t是否大于Tmax或到达目的地，如果t>Tmax或到达目的地，结束；否则，利用前t次路段变化产生的种群popk(t)作为分布估计法的初始值，按照分布估计法产生第t+1次路段变化下的初始种群popk(t+1)，令t＝t+1,k＝1，转步骤(3)。