【技术实现步骤摘要】
本专利技术涉及一种交通路径搜索系统及方法，特别是涉及一种基于云模型进化算法的不确定环境的交通路径搜索系统及方法。
技术介绍
传统的交通最短路径的选择往往是城市任意两个地点的最短路径，而驾驶员需要搜寻的是行驶时间最短的路径。现实生活中行驶长度最短的路径不一定就是行驶时间最短的路径，因为随时都有可能出现交通阻塞等意外情况，路网交通状态具有实时可变的特点，具有不确定性的因素。根据这种情况，当前最常见的做法是把交通路网节点和节点之间的距离描述成模糊变量的形式，该模糊变量符合某种隶属函数的分布，建立模糊期望值模型求解模糊最短路径问题。由于一般模糊变量其隶属函数的形式是多种多样的，对于有些模糊变量来说，很难求出其具体的期望值，因此只能采用一些智能算法来进行求解，当前最常使用的则为遗传算法。遗传算法来源于达尔文的进化论、魏茨曼的物种选择学说和孟德尔的群体遗传学说，其基本思想是模拟自然界遗传机制和生物进化论而形成的一种过程搜索最优解的算法。它模拟了自然选择和自然遗传过程中发生的繁殖、交配和变异现象，根据适者生存、优胜劣汰的自然法则，通过选择、交叉和变异等遗传算子，使群体一代一代地进行到...
【技术保护点】
一种交通路径搜索系统，至少包括：模糊期望值模型建立模组，通过将交通路网节点与节点之间的距离描述成模糊变量的形式，建立模糊期望值模型；以及最短路径计算模组，根据获得的模糊期望值模型，通过建立云模型并利用云模型进化算法计算获得交通路网节点和节点之间的最短路径和长度。
【技术特征摘要】
1.一种交通路径搜索系统，至少包括 模糊期望值模型建立模组，通过将交通路网节点与节点之间的距离描述成模糊变量的形式，建立模糊期望值模型；以及 最短路径计算模组，根据获得的模糊期望值模型，通过建立云模型并利用云模型进化算法计算获得交通路网节点和节点之间的最短路径和长度。2.如权利要求I所述的交通路径搜索系统，其特征在于，该模糊期望值模型为，3.如权利要求2所述的交通路径搜索系统，其特征在于，该云模型定义为设T为论域u 上的语言值，映射4.如权利要求3所述的交通路径搜索系统，其特征在于，该最短路径计算模组至少包括 初始化模组，用于初始化种群，确定进化代数，利用正向云算子产生初始种群； 进化代数判断模组，判断是否到达指定的进化代数，如果是，最优精英个体即为所求最优解，如果不是，则启动目标值计算模组进行目标值计算； 目标值计算模组使用模糊模拟计算所有的目标值，目标值为该期望值； 适应度值计算模组，根据目标值，计算群落中个体的适应度函数值； 评估模组，根据适应度值进行评估得到优秀个体向量； 跨代精英个体判断模组，用于判断是否出现跨代精英个体，如果是，则进行局部求精操作，并通过产生新种群产生模组产生新种群，如果不是，则启动突变判断模组进行突变判断； 突变判断模组，用于判断连续平凡代是否达到突变阈值，如果不是，判断连续平凡代是否达到局部求变阈值，如果是，则进行局部求变操作，并通过新种群产生模组产生新种群，如果不是，直接通过新种群产生模组产生新种群，如果连续平凡代达到突变阈值，则启动突变模组进行突变操作； 突变模组，用于进行突变操作；以及 新种群产生模组，用于产生新种群。5.如权利要求4所述的交通路径搜索系统，其特征在于，该适应度值计算模组根据以下算式计算群落中个体的适应度函数值6.如权利要求5所述的交通路径搜索系统，其特征在于，该种群的产生模型为进化模型，该进化模型为EP (E...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。