The complexity of urban traffic road network and the China's car parc are growing at a high speed. Traffic jam now is a common problem in most citys. And the quality of people's driving trips is being seriously affected. How to plan a real⁃time and optimal driving route in a complex and variable traffic network has become a real concern for people when they travel. In most of the current research on the optimal route selection of traffic,only the static traffic road network scenario is considered,and the cost of driving through the signal intersections is neglected,which resulting in a large error between the calculation result and the actual driving cost. To solve this problem,a more accurate multi⁃factor traffic network model with road and signal intersection based on Petri nets is built,and a traffic optimal route selection algorithm based on improved elitist ant system is proposed. Improvements on the classical ant colony optimization are provided in two aspects. Firstly,the main road guiding and driving direction guiding are added in the initialization of the pheromone concentration to speed up the initial search; Secondly,a dual elitist ant strategy is utilized that the pheromone concentration on the two optimal paths is globally updated in mutually constraints way. This strategy can accelerate the convergence of the algorithm while avoiding the local optimal solution and two optimal paths can be searched to for selection. The simulation results show that the probability of finding the optimal path is increased to 100% while the convergence rate is guaranteed with the proposed algorithm. At the same time,the convergence rate of this algorithm is several times of others’ under the premise that the probability of finding the optimal solution is not less than 90%.
Keywords:traffic
;
optimal path
;
road network model
;
ant colony optimization
;
pheromone
;
elitist strategy
Wang Guiqing, Yuan Jie, Shen Qinghong. Research on traffic optimal path based on elitist ant system. Journal of nanjing University[J], 2019, 55(5): 709-717 doi:10.13232/j.cnki.jnju.2019.05.001
交通最短路径问题是车辆行驶路径问题的一种,是交通工程学与地理信息科学的一个重要的研究方向,其概念最早由Dantzig and Ramser[1]于1959年提出,此后的多数研究都基于静态的交通路网.但是,随着城市的发展以及社会的变迁,我国交通路网系统变得越来越庞大、多变和复杂,车辆拥堵问题、路面质量、限速和交通管制等状态也在不断变化,人们对出行时间、行车距离和路面对车辆的损耗等方面均有显著差异化的需求,这些都使得基于传统静态交通路网模型的最优路径选择不再具有实际意义.
国外关于最短路径问题的研究开始较早,1959年图灵奖获得者Dijkstra[2]提出用于求解SSAP问题的Dijkstra算法,1968年斯坦福研究院Hart et al[3]首次提出了著名的启发式算法
A⁃star算法,该算法被视为是Dijkstra算法的拓展,也有更好的性能.蚁群算法(Ant Colony Optimization,ACO)最早由Dorigo[4]于1992年提出,在计算机科学和运筹学研究中被用于概率性地求解计算问题.作为现代元启发式算法,其通过模拟现实生活中蚂蚁群在觅食过程中寻找路线的行为而工作.蚁群算法具有正反馈、鲁棒性和分布式等特点,被广泛应用于汽车路线问题[5]、调度问题[6]和集合问题[7]等问题中.在最短路径问题的许多研究中,改进的蚁群算法也表现出较好的性能.郑卫国等[8]在MMAS(Max⁃Min Ant System)的基础上根据循环中蚂蚁所选路径长度与平均值比较进行分区,对于所走路径大于平均值的蚂蚁降低其路径上的信息素浓度,相反则提高信息素浓度.吴虎发等[9]为了解决在求解交通最短路径时蚁群算法的收敛性差和过早陷入局部最优的问题,使用方向引导以加快初始搜索速度,也降低了局部最优解的概率;同时,在全局信息素更新时设计了一个自适应因子,保证了全局搜索的正确率,实验结果也验证了算法的有效性.Liu[10]提出运用改进的蚁群算法应用于QoS(Quality of Service)路由,研究了蚁群算法的缺陷,并从三个方面提高了蚁群算法的收敛性,使得QoS路由得到了显著优化.Cao[11]提出了基于蚁群算法的QoS路由算法,将各种约束条件、网络负载条件和蚂蚁释放的信息素相结合,通过正确性和收敛性分析验证了该算法能有效地解决网络负载均衡问题.
基本蚁群算法框架中,在整个蚁群一次迭代完成后,仅仅对本次迭代的最优路径进行信息素更新,而单次迭代的最优解的偶然性较大,容易造成算法过早陷入局部最优,这一全局信息素更新策略显然过于粗糙.针对这一问题,Dorigo et al[17]使用精英策略优化算法,在显著加速收敛的同时也能保证搜索到最优解的概率.但本文经过分析发现,这一策略依然存在较大的概率提前收敛,因为经过十几次迭代之后,精英蚂蚁所选路径上的信息素浓度得到增加,如果该路径并非全局最优路径,则此后的过程中蚁群选择其他路径的概率还是很小.
... 交通最短路径问题是车辆行驶路径问题的一种,是交通工程学与地理信息科学的一个重要的研究方向,其概念最早由Dantzig and Ramser[1]于1959年提出,此后的多数研究都基于静态的交通路网.但是,随着城市的发展以及社会的变迁,我国交通路网系统变得越来越庞大、多变和复杂,车辆拥堵问题、路面质量、限速和交通管制等状态也在不断变化,人们对出行时间、行车距离和路面对车辆的损耗等方面均有显著差异化的需求,这些都使得基于传统静态交通路网模型的最优路径选择不再具有实际意义. ...
A note on two problems in connexion with graphs
1
1959
... 国外关于最短路径问题的研究开始较早,1959年图灵奖获得者Dijkstra[2]提出用于求解SSAP问题的Dijkstra算法,1968年斯坦福研究院Hart et al[3]首次提出了著名的启发式算法 ...
A formal basis for the heuristic determination of minimum cost paths
1
1968
... 国外关于最短路径问题的研究开始较早,1959年图灵奖获得者Dijkstra[2]提出用于求解SSAP问题的Dijkstra算法,1968年斯坦福研究院Hart et al[3]首次提出了著名的启发式算法 ...
Optimization learning and natural algorithms
1
1992
... A⁃star算法,该算法被视为是Dijkstra算法的拓展,也有更好的性能.蚁群算法(Ant Colony Optimization,ACO)最早由Dorigo[4]于1992年提出,在计算机科学和运筹学研究中被用于概率性地求解计算问题.作为现代元启发式算法,其通过模拟现实生活中蚂蚁群在觅食过程中寻找路线的行为而工作.蚁群算法具有正反馈、鲁棒性和分布式等特点,被广泛应用于汽车路线问题[5]、调度问题[6]和集合问题[7]等问题中.在最短路径问题的许多研究中,改进的蚁群算法也表现出较好的性能.郑卫国等[8]在MMAS(Max⁃Min Ant System)的基础上根据循环中蚂蚁所选路径长度与平均值比较进行分区,对于所走路径大于平均值的蚂蚁降低其路径上的信息素浓度,相反则提高信息素浓度.吴虎发等[9]为了解决在求解交通最短路径时蚁群算法的收敛性差和过早陷入局部最优的问题,使用方向引导以加快初始搜索速度,也降低了局部最优解的概率;同时,在全局信息素更新时设计了一个自适应因子,保证了全局搜索的正确率,实验结果也验证了算法的有效性.Liu[10]提出运用改进的蚁群算法应用于QoS(Quality of Service)路由,研究了蚁群算法的缺陷,并从三个方面提高了蚁群算法的收敛性,使得QoS路由得到了显著优化.Cao[11]提出了基于蚁群算法的QoS路由算法,将各种约束条件、网络负载条件和蚂蚁释放的信息素相结合,通过正确性和收敛性分析验证了该算法能有效地解决网络负载均衡问题. ...
A multi?level composite heuristic for the multi?depot vehicle fleet mix problem
1
1997
... A⁃star算法,该算法被视为是Dijkstra算法的拓展,也有更好的性能.蚁群算法(Ant Colony Optimization,ACO)最早由Dorigo[4]于1992年提出,在计算机科学和运筹学研究中被用于概率性地求解计算问题.作为现代元启发式算法,其通过模拟现实生活中蚂蚁群在觅食过程中寻找路线的行为而工作.蚁群算法具有正反馈、鲁棒性和分布式等特点,被广泛应用于汽车路线问题[5]、调度问题[6]和集合问题[7]等问题中.在最短路径问题的许多研究中,改进的蚁群算法也表现出较好的性能.郑卫国等[8]在MMAS(Max⁃Min Ant System)的基础上根据循环中蚂蚁所选路径长度与平均值比较进行分区,对于所走路径大于平均值的蚂蚁降低其路径上的信息素浓度,相反则提高信息素浓度.吴虎发等[9]为了解决在求解交通最短路径时蚁群算法的收敛性差和过早陷入局部最优的问题,使用方向引导以加快初始搜索速度,也降低了局部最优解的概率;同时,在全局信息素更新时设计了一个自适应因子,保证了全局搜索的正确率,实验结果也验证了算法的有效性.Liu[10]提出运用改进的蚁群算法应用于QoS(Quality of Service)路由,研究了蚁群算法的缺陷,并从三个方面提高了蚁群算法的收敛性,使得QoS路由得到了显著优化.Cao[11]提出了基于蚁群算法的QoS路由算法,将各种约束条件、网络负载条件和蚂蚁释放的信息素相结合,通过正确性和收敛性分析验证了该算法能有效地解决网络负载均衡问题. ...
Multi?agent approach to open shop scheduling: adapting the Ant?Q formalism
1
1996
... A⁃star算法,该算法被视为是Dijkstra算法的拓展,也有更好的性能.蚁群算法(Ant Colony Optimization,ACO)最早由Dorigo[4]于1992年提出,在计算机科学和运筹学研究中被用于概率性地求解计算问题.作为现代元启发式算法,其通过模拟现实生活中蚂蚁群在觅食过程中寻找路线的行为而工作.蚁群算法具有正反馈、鲁棒性和分布式等特点,被广泛应用于汽车路线问题[5]、调度问题[6]和集合问题[7]等问题中.在最短路径问题的许多研究中,改进的蚁群算法也表现出较好的性能.郑卫国等[8]在MMAS(Max⁃Min Ant System)的基础上根据循环中蚂蚁所选路径长度与平均值比较进行分区,对于所走路径大于平均值的蚂蚁降低其路径上的信息素浓度,相反则提高信息素浓度.吴虎发等[9]为了解决在求解交通最短路径时蚁群算法的收敛性差和过早陷入局部最优的问题,使用方向引导以加快初始搜索速度,也降低了局部最优解的概率;同时,在全局信息素更新时设计了一个自适应因子,保证了全局搜索的正确率,实验结果也验证了算法的有效性.Liu[10]提出运用改进的蚁群算法应用于QoS(Quality of Service)路由,研究了蚁群算法的缺陷,并从三个方面提高了蚁群算法的收敛性,使得QoS路由得到了显著优化.Cao[11]提出了基于蚁群算法的QoS路由算法,将各种约束条件、网络负载条件和蚂蚁释放的信息素相结合,通过正确性和收敛性分析验证了该算法能有效地解决网络负载均衡问题. ...
A new version of ant system for subset problems∥Proceedings of the 1999 Congress on Evolutionary Computation
1
1999
... A⁃star算法,该算法被视为是Dijkstra算法的拓展,也有更好的性能.蚁群算法(Ant Colony Optimization,ACO)最早由Dorigo[4]于1992年提出,在计算机科学和运筹学研究中被用于概率性地求解计算问题.作为现代元启发式算法,其通过模拟现实生活中蚂蚁群在觅食过程中寻找路线的行为而工作.蚁群算法具有正反馈、鲁棒性和分布式等特点,被广泛应用于汽车路线问题[5]、调度问题[6]和集合问题[7]等问题中.在最短路径问题的许多研究中,改进的蚁群算法也表现出较好的性能.郑卫国等[8]在MMAS(Max⁃Min Ant System)的基础上根据循环中蚂蚁所选路径长度与平均值比较进行分区,对于所走路径大于平均值的蚂蚁降低其路径上的信息素浓度,相反则提高信息素浓度.吴虎发等[9]为了解决在求解交通最短路径时蚁群算法的收敛性差和过早陷入局部最优的问题,使用方向引导以加快初始搜索速度,也降低了局部最优解的概率;同时,在全局信息素更新时设计了一个自适应因子,保证了全局搜索的正确率,实验结果也验证了算法的有效性.Liu[10]提出运用改进的蚁群算法应用于QoS(Quality of Service)路由,研究了蚁群算法的缺陷,并从三个方面提高了蚁群算法的收敛性,使得QoS路由得到了显著优化.Cao[11]提出了基于蚁群算法的QoS路由算法,将各种约束条件、网络负载条件和蚂蚁释放的信息素相结合,通过正确性和收敛性分析验证了该算法能有效地解决网络负载均衡问题. ...
基于信息素强度的改进蚁群算法
2
2010
... A⁃star算法,该算法被视为是Dijkstra算法的拓展,也有更好的性能.蚁群算法(Ant Colony Optimization,ACO)最早由Dorigo[4]于1992年提出,在计算机科学和运筹学研究中被用于概率性地求解计算问题.作为现代元启发式算法,其通过模拟现实生活中蚂蚁群在觅食过程中寻找路线的行为而工作.蚁群算法具有正反馈、鲁棒性和分布式等特点,被广泛应用于汽车路线问题[5]、调度问题[6]和集合问题[7]等问题中.在最短路径问题的许多研究中,改进的蚁群算法也表现出较好的性能.郑卫国等[8]在MMAS(Max⁃Min Ant System)的基础上根据循环中蚂蚁所选路径长度与平均值比较进行分区,对于所走路径大于平均值的蚂蚁降低其路径上的信息素浓度,相反则提高信息素浓度.吴虎发等[9]为了解决在求解交通最短路径时蚁群算法的收敛性差和过早陷入局部最优的问题,使用方向引导以加快初始搜索速度,也降低了局部最优解的概率;同时,在全局信息素更新时设计了一个自适应因子,保证了全局搜索的正确率,实验结果也验证了算法的有效性.Liu[10]提出运用改进的蚁群算法应用于QoS(Quality of Service)路由,研究了蚁群算法的缺陷,并从三个方面提高了蚁群算法的收敛性,使得QoS路由得到了显著优化.Cao[11]提出了基于蚁群算法的QoS路由算法,将各种约束条件、网络负载条件和蚂蚁释放的信息素相结合,通过正确性和收敛性分析验证了该算法能有效地解决网络负载均衡问题. ...
... A⁃star算法,该算法被视为是Dijkstra算法的拓展,也有更好的性能.蚁群算法(Ant Colony Optimization,ACO)最早由Dorigo[4]于1992年提出,在计算机科学和运筹学研究中被用于概率性地求解计算问题.作为现代元启发式算法,其通过模拟现实生活中蚂蚁群在觅食过程中寻找路线的行为而工作.蚁群算法具有正反馈、鲁棒性和分布式等特点,被广泛应用于汽车路线问题[5]、调度问题[6]和集合问题[7]等问题中.在最短路径问题的许多研究中,改进的蚁群算法也表现出较好的性能.郑卫国等[8]在MMAS(Max⁃Min Ant System)的基础上根据循环中蚂蚁所选路径长度与平均值比较进行分区,对于所走路径大于平均值的蚂蚁降低其路径上的信息素浓度,相反则提高信息素浓度.吴虎发等[9]为了解决在求解交通最短路径时蚁群算法的收敛性差和过早陷入局部最优的问题,使用方向引导以加快初始搜索速度,也降低了局部最优解的概率;同时,在全局信息素更新时设计了一个自适应因子,保证了全局搜索的正确率,实验结果也验证了算法的有效性.Liu[10]提出运用改进的蚁群算法应用于QoS(Quality of Service)路由,研究了蚁群算法的缺陷,并从三个方面提高了蚁群算法的收敛性,使得QoS路由得到了显著优化.Cao[11]提出了基于蚁群算法的QoS路由算法,将各种约束条件、网络负载条件和蚂蚁释放的信息素相结合,通过正确性和收敛性分析验证了该算法能有效地解决网络负载均衡问题. ...
... A⁃star算法,该算法被视为是Dijkstra算法的拓展,也有更好的性能.蚁群算法(Ant Colony Optimization,ACO)最早由Dorigo[4]于1992年提出,在计算机科学和运筹学研究中被用于概率性地求解计算问题.作为现代元启发式算法,其通过模拟现实生活中蚂蚁群在觅食过程中寻找路线的行为而工作.蚁群算法具有正反馈、鲁棒性和分布式等特点,被广泛应用于汽车路线问题[5]、调度问题[6]和集合问题[7]等问题中.在最短路径问题的许多研究中,改进的蚁群算法也表现出较好的性能.郑卫国等[8]在MMAS(Max⁃Min Ant System)的基础上根据循环中蚂蚁所选路径长度与平均值比较进行分区,对于所走路径大于平均值的蚂蚁降低其路径上的信息素浓度,相反则提高信息素浓度.吴虎发等[9]为了解决在求解交通最短路径时蚁群算法的收敛性差和过早陷入局部最优的问题,使用方向引导以加快初始搜索速度,也降低了局部最优解的概率;同时,在全局信息素更新时设计了一个自适应因子,保证了全局搜索的正确率,实验结果也验证了算法的有效性.Liu[10]提出运用改进的蚁群算法应用于QoS(Quality of Service)路由,研究了蚁群算法的缺陷,并从三个方面提高了蚁群算法的收敛性,使得QoS路由得到了显著优化.Cao[11]提出了基于蚁群算法的QoS路由算法,将各种约束条件、网络负载条件和蚂蚁释放的信息素相结合,通过正确性和收敛性分析验证了该算法能有效地解决网络负载均衡问题. ...
改进的蚁群算法求解最短路径问题
1
2012
... A⁃star算法,该算法被视为是Dijkstra算法的拓展,也有更好的性能.蚁群算法(Ant Colony Optimization,ACO)最早由Dorigo[4]于1992年提出,在计算机科学和运筹学研究中被用于概率性地求解计算问题.作为现代元启发式算法,其通过模拟现实生活中蚂蚁群在觅食过程中寻找路线的行为而工作.蚁群算法具有正反馈、鲁棒性和分布式等特点,被广泛应用于汽车路线问题[5]、调度问题[6]和集合问题[7]等问题中.在最短路径问题的许多研究中,改进的蚁群算法也表现出较好的性能.郑卫国等[8]在MMAS(Max⁃Min Ant System)的基础上根据循环中蚂蚁所选路径长度与平均值比较进行分区,对于所走路径大于平均值的蚂蚁降低其路径上的信息素浓度,相反则提高信息素浓度.吴虎发等[9]为了解决在求解交通最短路径时蚁群算法的收敛性差和过早陷入局部最优的问题,使用方向引导以加快初始搜索速度,也降低了局部最优解的概率;同时,在全局信息素更新时设计了一个自适应因子,保证了全局搜索的正确率,实验结果也验证了算法的有效性.Liu[10]提出运用改进的蚁群算法应用于QoS(Quality of Service)路由,研究了蚁群算法的缺陷,并从三个方面提高了蚁群算法的收敛性,使得QoS路由得到了显著优化.Cao[11]提出了基于蚁群算法的QoS路由算法,将各种约束条件、网络负载条件和蚂蚁释放的信息素相结合,通过正确性和收敛性分析验证了该算法能有效地解决网络负载均衡问题. ...
Application of improved ant colony algorithm in QoS routing optimization
1
2010
... A⁃star算法,该算法被视为是Dijkstra算法的拓展,也有更好的性能.蚁群算法(Ant Colony Optimization,ACO)最早由Dorigo[4]于1992年提出,在计算机科学和运筹学研究中被用于概率性地求解计算问题.作为现代元启发式算法,其通过模拟现实生活中蚂蚁群在觅食过程中寻找路线的行为而工作.蚁群算法具有正反馈、鲁棒性和分布式等特点,被广泛应用于汽车路线问题[5]、调度问题[6]和集合问题[7]等问题中.在最短路径问题的许多研究中,改进的蚁群算法也表现出较好的性能.郑卫国等[8]在MMAS(Max⁃Min Ant System)的基础上根据循环中蚂蚁所选路径长度与平均值比较进行分区,对于所走路径大于平均值的蚂蚁降低其路径上的信息素浓度,相反则提高信息素浓度.吴虎发等[9]为了解决在求解交通最短路径时蚁群算法的收敛性差和过早陷入局部最优的问题,使用方向引导以加快初始搜索速度,也降低了局部最优解的概率;同时,在全局信息素更新时设计了一个自适应因子,保证了全局搜索的正确率,实验结果也验证了算法的有效性.Liu[10]提出运用改进的蚁群算法应用于QoS(Quality of Service)路由,研究了蚁群算法的缺陷,并从三个方面提高了蚁群算法的收敛性,使得QoS路由得到了显著优化.Cao[11]提出了基于蚁群算法的QoS路由算法,将各种约束条件、网络负载条件和蚂蚁释放的信息素相结合,通过正确性和收敛性分析验证了该算法能有效地解决网络负载均衡问题. ...
A QoS routing algorithm based on ant colony optimization and mobile agent
1
2012
... A⁃star算法,该算法被视为是Dijkstra算法的拓展,也有更好的性能.蚁群算法(Ant Colony Optimization,ACO)最早由Dorigo[4]于1992年提出,在计算机科学和运筹学研究中被用于概率性地求解计算问题.作为现代元启发式算法,其通过模拟现实生活中蚂蚁群在觅食过程中寻找路线的行为而工作.蚁群算法具有正反馈、鲁棒性和分布式等特点,被广泛应用于汽车路线问题[5]、调度问题[6]和集合问题[7]等问题中.在最短路径问题的许多研究中,改进的蚁群算法也表现出较好的性能.郑卫国等[8]在MMAS(Max⁃Min Ant System)的基础上根据循环中蚂蚁所选路径长度与平均值比较进行分区,对于所走路径大于平均值的蚂蚁降低其路径上的信息素浓度,相反则提高信息素浓度.吴虎发等[9]为了解决在求解交通最短路径时蚁群算法的收敛性差和过早陷入局部最优的问题,使用方向引导以加快初始搜索速度,也降低了局部最优解的概率;同时,在全局信息素更新时设计了一个自适应因子,保证了全局搜索的正确率,实验结果也验证了算法的有效性.Liu[10]提出运用改进的蚁群算法应用于QoS(Quality of Service)路由,研究了蚁群算法的缺陷,并从三个方面提高了蚁群算法的收敛性,使得QoS路由得到了显著优化.Cao[11]提出了基于蚁群算法的QoS路由算法,将各种约束条件、网络负载条件和蚂蚁释放的信息素相结合,通过正确性和收敛性分析验证了该算法能有效地解决网络负载均衡问题. ...
Ant system: optimization by a colony of cooperating agents
1
1996
... 基本蚁群算法框架中,在整个蚁群一次迭代完成后,仅仅对本次迭代的最优路径进行信息素更新,而单次迭代的最优解的偶然性较大,容易造成算法过早陷入局部最优,这一全局信息素更新策略显然过于粗糙.针对这一问题,Dorigo et al[17]使用精英策略优化算法,在显著加速收敛的同时也能保证搜索到最优解的概率.但本文经过分析发现,这一策略依然存在较大的概率提前收敛,因为经过十几次迭代之后,精英蚂蚁所选路径上的信息素浓度得到增加,如果该路径并非全局最优路径,则此后的过程中蚁群选择其他路径的概率还是很小. ...