23、运输问题与参数识别问题的算法研究与实验分析

运输问题与参数识别问题的算法研究与实验分析

在当今的技术、经济和社会应用中，控制问题是一个相当常见的问题。为了实现良好的控制，构建一个满足充分性和准确性条件的模型是必要的，而这就涉及到模型参数的识别问题。同时，在解决大型运输问题时，寻找最优路径的算法也至关重要。本文将介绍两种不同领域的研究内容，包括多线程PS算法在运输问题中的应用，以及基于修正OLS的分布式动态过程参数识别问题的估计质量分析。

多线程PS算法在运输问题中的应用

在解决大型运输问题时，为了提高寻找最优路径的效率，开发了一种特殊的软件工具。该工具采用了多线程方法，以并行化处理各种操作，从而减少程序运行时间。

多线程PS操作算法

多线程PS操作算法的流程如下：
1. 接收到路线集后，启动额外的线程。
2. 程序被细分为主线程和两个额外线程：
- 主线程继续处理路线数据并估计目标函数。
- 一个额外线程将生成的种群写入数据库表。
- 另一个额外线程将当前迭代的种群进行图形绘制，即在地图上显示车辆的移动。

通过这种方式，辅助线程独立于主线程运行，从而减少了找到最佳解决方案的时间。在Visual Studio中，使用“System.Threading”库来实现多线程功能，并使用“Thread”类来初始化额外线程。

实验结果

为了评估该算法的性能，在AnyLogic模拟环境中进行了实验。将标准遗传算法的结果与使用多线程执行的软件工具的结果进行了比较。在比较过程中，对软件工具的结果进行了一些小的转换，包括移除与SQL数据库的集成，并将车辆数量减少到一个，以使结果更接近标准遗传算法。