路的需求服务和交通网络发展规划形成文明的发展。永远在现代城市交通的情况下,越来越多的汽车,它是非常必要的解决网络拥塞和尽量减少旅行时间。这项工作是基于确定的最佳等待时间在交通信号微观离散模型。问题是制定作为一个上下两层的模型。上层优化旅行时间在交通信号通过减少等待时间和较低的层解决了随机用户均衡。软计算技术如遗传算法、蚁群优化,和许多其他生物启发技术证明给好的结果求解问题。这里使用蝙蝠情报工作来解决交通网络设计问题。结果与现有的技术相比。gydF4y2Ba
现在越来越多越来越多的车辆在现代城市交通场景中创建了一个挑战。对于n的道路网连接,gydF4y2B一个
需要运输和道路网规划正轨了文明的扩张。Abdullaal [gydF4y2B一个
欧烁[gydF4y2B一个
不理解一个先天的路径通过网络的最短旅行时间。我们可以得出结论,车辆用户可以被预测的反应不是决定。生物启发技术已经证明给好的结果在这样的场景。自然提供了一个广泛的灵感在许多不同寻常的形式,尺寸,和属性。gydF4y2B一个
Ceylan和贝尔gydF4y2B一个
Xin-She杨(gydF4y2B一个
本文分为5部分。第一部分介绍了纸和讨论一些相关工作。部分gydF4y2B一个
道路网络可以作为一个有向图G = (N),“N”是节点的集合;即。,thero一个djunctions ‘a’ is the links connecting the junctions as shown in Figure
网络的一个十字路口显示一对O-D通过一个3路和4路结连接。绿色箭头表示信号的值。gydF4y2B一个
我们假设连接节点的链接有一个旅行时间函数gydF4y2B一个
上下两层的交通网络模型确定的问题。gydF4y2B一个
这个模型在数学上可以制定如下所示的层。gydF4y2B一个
蝙蝠算法是一个创新的技术证明比许多流行的传统启发式算法给出更好的解决方案(gydF4y2B一个
微蝠回声定位的行为。gydF4y2B一个
蝙蝠发出响亮的超声波声波并听回声反映从周围的对象。蝙蝠算法使用一些崇拜规则简单。gydF4y2B一个
蝙蝠用回声定位猎物,捕食者,或任何障碍的路径和距离。gydF4y2B一个
蝙蝠飞行的速度gydF4y2B一个
当他们接近猎物,脉搏增加和响度减少。gydF4y2B一个
图gydF4y2B一个
蝙蝠算法。gydF4y2B一个
投影的方法来解决TNDP基于二层模型。图gydF4y2B一个
流程图使用蝙蝠的交通信号优化问题的算法。gydF4y2B一个
蝙蝠的频率gydF4y2B一个
本文认为3组测试用例。gydF4y2B一个
5测试用例被改编自(gydF4y2B一个
12-node测试网络4交叉口信号值的5个不同的阶段。gydF4y2B一个
16 - 20 - 24和28-node测试网络。gydF4y2B一个
16-node网络gydF4y2B一个
20-node网络gydF4y2B一个
24-node网络gydF4y2B一个
28-node网络gydF4y2B一个
英航是100年作为迭代终止条件。这个实验建立的终止条件是几个运行时的结果。十字路口实施使用术语叫做节点和额外的功能,如等待时间信号,信号值,旅行时间的链接,链接附加位置信息,和其他延误。gydF4y2B一个
有一定的假设简化实现,维护的完整性问题。选择网络连接的每一个术语叫做对通过至少一个十字路口。底层数据生成随机模拟其上层的函数作为输入。表gydF4y2B一个
最好的比较分析,平均最糟糕的解决方案是5网络。gydF4y2B一个
| 12个节点gydF4y2B一个 | 16个节点gydF4y2B一个 | 20个节点gydF4y2B一个 | 24节点gydF4y2B一个 | 28个节点gydF4y2B一个 | |
|---|---|---|---|---|---|
|
|
62.25gydF4y2B一个 | 256.82gydF4y2B一个 | 443.10gydF4y2B一个 | 480.03gydF4y2B一个 | 596.50gydF4y2B一个 |
|
|
|||||
|
|
70.15gydF4y2B一个 | 222.25gydF4y2B一个 | 338.03gydF4y2B一个 | 459.54gydF4y2B一个 | 541.21gydF4y2B一个 |
|
|
|||||
| ACO -gydF4y2B一个 |
75.40gydF4y2B一个 | 218.29gydF4y2B一个 | 332.10gydF4y2B一个 | 421.29gydF4y2B一个 | 542.15gydF4y2B一个 |
|
|
|||||
|
|
64.81gydF4y2B一个 | 212.21gydF4y2B一个 | 320.21gydF4y2B一个 | 430.31gydF4y2B一个 | 538.10gydF4y2B一个 |
|
|
|||||
|
|
90.14gydF4y2B一个 | 265.02gydF4y2B一个 | 443.00gydF4y2B一个 | 480.27gydF4y2B一个 | 569.17gydF4y2B一个 |
|
|
|||||
|
|
110.21gydF4y2B一个 | 259.17gydF4y2B一个 | 450.41gydF4y2B一个 | 485.17gydF4y2B一个 | 560.11gydF4y2B一个 |
|
|
|||||
| ACO -gydF4y2B一个 |
85.01gydF4y2B一个 | 242.33gydF4y2B一个 | 421.36gydF4y2B一个 | 479.33gydF4y2B一个 | 542.65gydF4y2B一个 |
|
|
|||||
|
|
122.02gydF4y2B一个 | 273.36gydF4y2B一个 | 465.22gydF4y2B一个 | 511.25gydF4y2B一个 | 588.17gydF4y2B一个 |
|
|
|||||
|
|
92.14gydF4y2B一个 | 215.65gydF4y2B一个 | 425.39gydF4y2B一个 | 465.14gydF4y2B一个 | 560.34gydF4y2B一个 |
|
|
|||||
|
|
103.21gydF4y2B一个 | 245.24gydF4y2B一个 | 425.37gydF4y2B一个 | 438.54gydF4y2B一个 | 540.74gydF4y2B一个 |
|
|
|||||
| ACO -gydF4y2B一个 |
87.27gydF4y2B一个 | 220.14gydF4y2B一个 | 414.26gydF4y2B一个 | 450.94gydF4y2B一个 | 528.28gydF4y2B一个 |
|
|
|||||
|
|
93.12gydF4y2B一个 | 242.94gydF4y2B一个 | 399.58gydF4y2B一个 | 465.79gydF4y2B一个 | 561.16gydF4y2B一个 |
要权衡结果英航算法,遗传算法,混合ACO-GA [gydF4y2B一个
最佳解决方案。gydF4y2B一个
图gydF4y2B一个
糟糕的解决方案。gydF4y2B一个
图gydF4y2B一个
一般的解决方案。gydF4y2B一个
范围的所有四个算法,算法,遗传算法,混合ACO-GA,英航,并排放置在图gydF4y2B一个
范围的解决方案的,遗传算法,混合ACO-GA,英航。gydF4y2B一个
一些研究人员已经测试了连续网络设计问题在多个网络的性能。一种广泛使用的16-link网络与6节点是改编自Suwansirikul et al。gydF4y2B一个
16-link, 6-node网络。gydF4y2B一个
连续网络设计问题为3测试用例执行给定网络与不同的场景需求。旅游需求如表所示gydF4y2B一个
旅游需求的场景。gydF4y2B一个
| 从节点1到6的需求gydF4y2B一个 | 节点6比1的需求gydF4y2B一个 | 总需求gydF4y2B一个 | |
|---|---|---|---|
| 案例1gydF4y2B一个 | 5gydF4y2B一个 | 10gydF4y2B一个 | 15gydF4y2B一个 |
|
|
|||
| 案例2gydF4y2B一个 | 10gydF4y2B一个 | 20.gydF4y2B一个 | 30.gydF4y2B一个 |
16-link网络问题是估计使用一些技术与传统H-J,江户,SA CS,不同的研究者所表gydF4y2B一个
技术和引用的测试用例2。gydF4y2B一个
|
|
|
|
|---|---|---|
| 模块化的核心内的非线性优化系统gydF4y2B一个 | 迈诺斯gydF4y2B一个 | Suwansirikul et al。gydF4y2B一个 |
|
|
||
| Hooke-Jeeves算法gydF4y2B一个 | H-JgydF4y2B一个 | Abdulaal和勒布朗gydF4y2B一个 |
|
|
||
| 平衡分解优化gydF4y2B一个 | 江户gydF4y2B一个 | Suwansirikul et al。gydF4y2B一个 |
|
|
||
| 模拟退火算法gydF4y2B一个 | SAgydF4y2B一个 | Friesz et al。gydF4y2B一个 |
|
|
||
| 布谷鸟搜索算法与利维航班gydF4y2B一个 | CSgydF4y2B一个 | Ozgur Baskan [gydF4y2B一个 |
|
|
||
| 粒子群优化gydF4y2B一个 | 算法gydF4y2B一个 | 胡回族(gydF4y2B一个 |
|
|
||
| 蝙蝠算法gydF4y2B一个 | 英航gydF4y2B一个 | 这篇论文gydF4y2B一个 |
解决方案的需求为TNDP场景1。gydF4y2B一个
|
|
|
|
|
|
|
|
|---|---|---|---|---|---|---|
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
|
|
|
|||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
|
|
|
|
|
|
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
|
|
|
|
||
|
|
||||||
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
解决方案的需求为TNDP场景2。gydF4y2B一个
|
|
|
|
|
|
|
|
|
|---|---|---|---|---|---|---|---|
|
|
|||||||
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|||||||
|
|
|||||||
|
|
|||||||
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|||||
|
|
|||||||
|
|
|
|
|
|
|||
|
|
|||||||
|
|
|||||||
|
|
|||||||
|
|
|||||||
|
|
|||||||
|
|
|||||||
|
|
|||||||
|
|
|||||||
|
|
|||||||
|
|
|||||||
|
|
|||||||
|
|
|
|
|
|
|
||
|
|
|||||||
|
|
|
|
|
|
|||
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
一个更现实的道路网络数据改编自苏福尔斯,南达科塔州位于美国。网络要复杂得多,吸引研究人员致力于交通网络的问题(gydF4y2B一个
技术和引用的测试用例3。gydF4y2B一个
|
|
|
|
|---|---|---|
| Hooke-Jeeves算法gydF4y2B一个 | H-JgydF4y2B一个 | Abdulaal和勒布朗gydF4y2B一个 |
| 模拟退火算法gydF4y2B一个 | SAgydF4y2B一个 | Friesz et al。gydF4y2B一个 |
| 梯度投影法gydF4y2B一个 | 全科医生gydF4y2B一个 | 邱(gydF4y2B一个 |
| 遗传算法gydF4y2B一个 | 遗传算法gydF4y2B一个 | 马修和SarmagydF4y2B一个 |
| 布谷鸟搜索算法与利维航班gydF4y2B一个 | CSgydF4y2B一个 | Ozgur Baskan [gydF4y2B一个 |
| 和谐搜索gydF4y2B一个 | 海关gydF4y2B一个 | Ozgur Baskan [gydF4y2B一个 |
| 人工蜜蜂殖民地gydF4y2B一个 | 美国广播公司gydF4y2B一个 | Ozgur Baskan [gydF4y2B一个 |
| 微分进化gydF4y2B一个 | 德gydF4y2B一个 | Ozgur Baskan [gydF4y2B一个 |
| 蝙蝠算法gydF4y2B一个 | 英航gydF4y2B一个 | 这篇论文gydF4y2B一个 |
苏福尔斯网络。gydF4y2B一个
苏福尔斯网络的结果如表所示gydF4y2B一个
比较分析的TNDP苏福尔斯网络。gydF4y2B一个
|
|
|
|
|
|
|
|
|
|
|
|---|---|---|---|---|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|||||
|
|
|||||||||
|
|
|
|
|||||||
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
英航的收敛。gydF4y2B一个
仿真工作进行了不同大小的多个网络变体测试用例和次数。按照测试用例1的结果,可以得出结论,英航探索一套广泛的解决方案并给出更好的结果比遗传算法,算法和混合ACO-GA。虽然混合ACO-GA优于算法、GA和BA平均解决方案。英航相比在16-link问题测试用例2。在gydF4y2B一个
第三测试用例,英航与H-J相比,SA GP, GA, c, h, ABC和德。最佳解决方案的目标函数值,英航优于所有提到的技术。商品之间的平均值,ABC和德,英航给更高的目标函数值。英航的一系列解决方案似乎是在较高的一边。最差解的h值给出比英航最糟糕的解决方案。在未来可以进行更多的改进算法,可以给一个更好的解决方案来实现gydF4y2B一个
使用的数据来支持本研究的发现可以从相应的作者。gydF4y2B一个
作者宣称没有利益冲突。gydF4y2B一个