14、智能交通与车辆燃油消耗近似算法研究

智能交通与车辆燃油消耗近似算法研究

1. 智能交通中的算法应用

在智能交通领域，面临着诸多复杂问题，如运输调度、资源分配等。其中，调度问题可以通过四维分配方法同时执行。不过，模拟退火方法存在一定缺点，当维度增加时，调度器的运行时间会显著增加，大致估计为 (O(nm))，这里 (n) 是其中一个坐标的最大维度，(m) 是坐标的数量。为了达到可接受的运行时间，需要引入额外的启发式方法。

考虑到所提出算法的特点，使用拍卖和模拟退火方法的混合解决方案来解决分配问题是比较方便的，根据当前的一组要求分别应用这两种方法。

为了研究牵引资源附着问题的解决效果，进行了铁路路段的模拟。选择的铁路路段包含 566 个车站、772 个机车容量计划、469 个列车计划、4723 条列车路线、783 台带有参数的真实机车以及 44 列真实列车。标准规划机制的特点是：预先计算多步的所有 ((Plan, Loco)) 对的效用函数，然后相对于该深度计算总效用函数，并选择该函数值最高的选项。以下是不同参数下算法的模拟结果：

参数	无遗传算法	遗传算法（P = 15, M = 10, D = 4 ，按 F 优化）	遗传算法（P = 15, M = 20, D = 4 ，按 F 优化）	遗传算法（P = 20, M = 10, D = 4 ，按 (N_p) 优化）	遗传算法（P = 15, M = 20, D = 4 ，按 (N_p) 优化）