交通运输业与人工智能的深度融合-遗传算法在交通领域的应用 内容简介

交通运输问题日益突出，对现有交通进行有效地管理和控制已成为我国交通运输中迫切需要解决的问题。在交通运输领域采用遗传算法，可以为实现交通流畅提供重要合理的方法。

交通运输业与人工智能的深度融合-遗传算法在交通领域的应用 本书特色

本书内容分为两个部分。本书内容分为两个部分。第1部分探讨区域公路网络布局及其优化问题，以*化理论和现代组合优化理论为基础，以系统工程的思想为指导，以我国公路交通运输现状和发展趋势为背景，借鉴已有研究成果，运用国内和国外相比较、理论分析和实证分析相结合、定量和定性分析相结合的研究方法，对公路网规划理论的重要组成部分——公路网布局优化进行了系统深入的分析和研究。首先总结分析了现有公路网等级结构优化模型存在的优化目标选取不当的问题，在此基础上分析并提出等级结构优化的目标，采用新的优化目标对原有的目标规划模型进行改进，并通过东北三省干线公路网等级结构优化实例，对改进模型的合理性进行了分析。总结分析了公路网结点选择的原则以及结点层次划分方法。分别考虑各结点的交通运输水平和路网交通需求在各结点之间的空间分布情况，对结点重要度及路段重要度模型进行了改进。针对存在的没有根据公路网的层次有区别地建立布局优化模型的弊端，应用组合优化理论和双层规划模型分别建立了适合*公路网的路线布局组合优化模型和适合省、市级公路网的路线布局双层规划模型，并通过实例分析了模型的合理性。分别应用线性加权和法和乘除法将公路网络路线布局组合优化模型及双层规划模型转化为单目标优化模型。将遗传算法应用于公路网络路线布局优化问题，采用Matlab语言的遗传算法工具箱求解大规模的公路网络路线布局组合优化模型，该算法同样适用于公路网络路线布局双层规划模型中上层优化模型的求解，克服了常规算法难以求解大规模优化问题的局限性，并通过实例分析验证了算法的优越性。在借鉴现有的公路网部分技术评价指标的基础上建立了公路网布局技术评价指标体系。从而验证公路网路线布局优化模型的合理性和可实施性，使得规划公路网与社会经济发展相适应、相协调。第2部分研究带同时取货和送货的车辆路径优化问题。传统的车辆路径问题只考虑了车辆运行中单纯的取货或者送货的过程，而带回程取货的车辆路径问题则多数要求车辆先服务送货客户节点，后服务取货节点，即车辆只在配送过程中完成送货任务，在配送回程的过程中完成取货任务，没有将取货和送货结合起来考虑，造成了运输路线的迂回，加大运输成本。所研究的同时带取货和送货的车辆路径问题（Vehicle Routing Problem with Simultaneous Delivery and Pickup,VRPSDP）没有取送货先后顺序的要求，将运输过程中的送货与取货过程作为一个整体进行考虑，减少了车辆运输距离，提高企业经营效益。首先论述了车辆路径问题的基本理论及其常见求解算法，然后在此基础上考虑到车辆启用数量和车辆运输总距离对运输总成本的影响，建立了以运输成本*小为目标的VRPSDP数学模型，确定了遗传算法作为本研究模型的求解方法，设计了更适合于求解VRPSDP模型的染色体编码方式以及遗传算子。*后，应用修正的Solomon R101算例进行仿真实验，分别求出基本遗传算法和改进遗传算法下的*目标函数值与*车辆路径安排方案，通过对两种算法的对比分析验证了所建模型及求解算法的有效性和合理性。

交通运输业与人工智能的深度融合-遗传算法在交通领域的应用 目录

交通运输业与人工智能的深度融合-遗传算法在交通领域的应用 作者简介

朱诺副研究员，博士。 2012年10月毕业于北京交通大学 交通运输学院，现就职于中国民航 科学技术研究院，主要研究方向为 行人疏散原理、国际航空运输市场、 国际民航政策、民航竞争力研究等。 至今，共承担“973”、国家自然基金、 科技支撑项目等***项目6项， 作为项目负责人或主要参与人参与 民航局、商务部、外交部、国家开 发银行等省部级纵向软科学项目10 余项，参与各地方政府、机场、航 空公司等省（市）级横向课题20余 项，并在各类期刊发表论文20余篇。