复杂多阶段动态决策的蚁群优化方法及其在交通系统控制中的应用

摘要

基于模型的控制算法的控制效果虽然受到交通模型预测精度的影响,但对于交通系统这样的复杂大系统,具有一定精度的模型对系统状态进行预测并对控制作用进行评价,仍是获得系统全局最优控制策略的重要途径.建立基于模型的城市交通自适应协调控制系统(Urban Traffic Adaptive Coordinated Control System,UTACCS)需要解决三个重要问题:一是建立合适的控制问题的数学描述,包括交通流预测模型、目标函数以及控制作用的数学形式;二是设计高效的优化算法,以满足控制问题在线求解的需要;三是在UTACCS现场实施前要经过充分的实验室验证,目前最佳的验证工具是微观交通仿真系统.该文主要在这三个方面进行了深入研究,相应地建立了配时参数协调优化和信号相位滚动优化两种主要的基于模型的UTACCS控制算法,通过设计蚁群优化(Ant Colony Optimization,ACO)算法的解构造图使其能够应用于交通控制问题的求解,并且改进ACO算法以提高其在大规模交通控制问题上的搜索性能,最后在浙江大学自主研发的城域混合交通仿真与分析系统(Simulation and Analysis System for Urban Mixed Traffic,SASUMT)上从单点控制、干线控制及区域控制不同层次对所建立的两种控制算法的控制效果进行了比较和分析.

目录

文摘

英文文摘

致谢

第一章绪论

1.1引言

1.2蚁群优化算法

1.2.1算法原理

1.2.2算法框架

1.2.3算法的理论基础

1.2.4解构造图

1.2.5 ACO算法与其他基于种群的进化算法的比较

1.2.6蚁群算法的研究进展

1.3交通控制技术

1.3.1 交通控制技术的发展历史

1.3.2交通控制技术的分类

1.3.3 典型交通控制系统的原理

1.3.4研究进展

1.4交通仿真系统

1.4.1 系统仿真的概念

1.4.2交通系统仿真的概念

1.4.3 国内外研究概况

1.4.4 交通仿真在交通控制系统研发中的应用

1.5研究内容与成果

1.5.1论文立题依据

1.5.2研究内容

第二章求解复杂多阶段决策问题的蚁群优化算法层状解构造图研究

2.1引言

2.2 ACO算法所求解优化问题的一般数学模型

2.3复杂多阶段决策问题的数学模型

2.4简单解构造图

2.5基本层状解构造图

2.6复合层状解构造图

2.7三种解构造图计算量的比较

2.8仿真实验

2.8.1 一个最优控制问题

2.8.2 层状解构造图ACO算法参数的仿真研究

2.8.3 与GA算法的比较

2.9小结

第三章求解大规模动态决策问题的自适应构造图动态窗口蚁群优化算法

3.1引言

3.2具有大规模决策变量的复杂多阶段决策问题

3.3动态窗口蚁群优化算法的原理

3.4解构造块的适应度

3.5构造图的动态重构

3.6算法步骤

3.7计算量分析

3.8仿真实验

3.8.1 DW-ACO算法参数的仿真研究

3.8.2 仿真结果与比较分析

3.9小结

第四章蚁群优化算法在信号灯配时参数协调优化中的应用

4.1引言

4.2城市道路网上的宏观交通流预测模型

4.2.1 车流在连接上的传播方程

4.2.2 交叉口驶入车流量

4.2.3 通过交叉口的车流

4.2.4 交叉口排队长度与延误时间

4.3信号灯配时参数协调优化问题的多阶段决策模型

4.4 BLCG-ACO算法的应用

4.5系统框图与主要算法步骤

4.6计算量分析

4.7仿真实验

4.7.1仿真实验原理

4.7.2仿真路网参数

4.7.3 TRSP控制算法参数

4.7.4 基于BLCG-ACO算法的配时参数协调优化控制算法参数

4.7.5仿真结果及讨论

4.8 小结

第五章蚁群优化算法在信号相位滚动优化中的应用

5.1引言

5.2区域交通信号相位滚动优化模型

5.3区域交通信号相位滚动优化问题的大规模多阶段决策模型

5.4基于自适应构造图的DW-ACO算法的应用

5.5系统框图与主要算法步骤

5.6计算量分析

5.7仿真实验

5.7.1 仿真实验原理

5.7.2 基于DW-ACO算法的信号相位滚动优化控制算法参数

5.7.3 仿真结果及讨论

5.8小结

第六章城域混合交通仿真与分析系统及交通控制算法的验证

6.1引言

6.2城域混合交通仿真与分析系统

6.2.1 系统框架

6.2.2 主要模型

6.2.3 研发进展与实际应用情况

6.3交通控制算法的验证

6.3.1 仿真实验原理

6.3.2 实际路网的道路参数与交通参数

6.3.3控制算法参数

6.3.4仿真结果分析

6.4小结

第七章结论与展望

7.1主要研究成果

7.2未来研究方向

参考文献

作者简介