[Планирование пути] Анализ системы диспетчеризации шины на основе генетического алгоритма Matlab [включая исходный код Matlab, период 220]

1. Введение

1 Фоновый анализ системы расписания движения автобусов.
Поскольку строительство городских транспортных объектов отстает от темпов роста спроса на движение, условия городского движения ухудшаются день ото дня. Транспортные заторы в различной степени возникают на основных транспортных развязках и некоторых дорогах с интенсивным движением Проблема стала узким местом, ограничивающим городское развитие.
Городская транспортная система - это открытая и сложная система, состоящая из городских дорожных сетей, транспортных средств и систем управления. Есть много способов решить проблему городского трафика. Например, текущие меры по ограничению количества пассажиров являются одним из лучших методов. Благодаря операции ограничения количества людей количество людей, которые ходят на автобусе пешком, увеличивается, поэтому как решить проблему с автобусом? планирование особенно необходимо. Разумное решение проблемы системы расписания общественного транспорта - сложная задача, которая требует учета сложных факторов, таких как люди, транспортные средства, дороги и т. Д. Следовательно, необходимо использовать высокотехнологичные технические методы для более эффективного решения проблем городского дорожного движения. В настоящее время интеллектуальные транспортные системы (ИТС) стали одним из важных способов решения этой проблемы.
Интеллектуальное планирование движения транспортных средств является одной из типичных проблем, которые необходимо решить при интеллектуальной диспетчеризации транспортных средств общественного транспорта. В контексте интеллектуальной транспортной системы (ИТС) составление расписания автобусов является основным содержанием городского общественного транспорта. диспетчеризация и ежедневное управление диспетчеризацией общественного транспорта. Важная основа для нормальной работы транспортных средств - это также основная основа для работы диспетчеров и водителей автобусов. Разумное расписание движения автобусов может помочь автобусным компаниям повысить эффективность использования транспортных средств, снизить эксплуатационные расходы и сократить время ожидания пассажиров для повышения качества обслуживания.
2 Модель вождения транспортного средства
Вставьте описание изображения сюда
3 Модель посадки и высадки пассажиров

4 Этапы применения
генетического алгоритма Генетический алгоритм GA - это метод глобальной оптимизации, основанный на эволюционной и генетической теории.
Основные шаги простого генетического алгоритма для решения проблемы заключаются в следующем:
(1) Инициализация: случайным образом сгенерировать N индивидуумов как начальную популяцию P (0), которая представляет собой набор возможных решений для целевой функции. Установите счетчик алгебры эволюции на ноль и установите максимальную алгебру эволюции iter_max;
(2) Индивидуальная оценка: подставьте начальную популяцию в целевую функцию и вычислите приспособленность каждой популяции в текущей популяции в соответствии с функцией приспособленности;
(3) Оценка условий завершения: учитывая условия завершения, определите, удовлетворяет ли алгоритм условиям завершения, и если да, перейдите к (8);
(4) Операция выбора: выполните операцию выбора на начальной группе, хорошие индивидуумы копируются в большом количестве и низкого качества.Люди редко копируются или даже удаляются;
(5) Расчет кроссовера: расчет кроссовера выполняется на основе вероятности кроссовера;
(6) Расчет мутаций: расчет кроссовера выполняется на основе вероятности мутации;
(7) Группа P (t) подвергается расчету отбора и расчету кроссовера. После операции мутации получается популяция следующего поколения P (t + 1), состоящая из N новых особей, затем перейдите к (2), в противном случае перейдите к (4);
(8) Непрерывная эволюция в конечном итоге получит целевую функцию, адаптацию. Индивидуум с наивысшей степенью выдается как оптимальное решение или удовлетворительное решение проблемы, и расчет прекращается.
Вставьте описание изображения сюда

Во-вторых, исходный код

% 产生t(i)序列
clc,clear,close all
warning off
Tmin = 1;   % 表示相邻车辆间发车间隔的最小值(min)
Tmax = 10;  % 表示相邻车辆间发车间隔的最大值(min)
delta = 4;  % 表示相邻车辆发车间隔之差的限制值
m = 500;    % 表示总的发车次数(车次)
a = randi(10);  % t(1)第一个值的取值范围设定为1-10之间随机取值
t(1) = a;       % 赋值
maxt = 960;    % t(i)的最大值
% Loop
for i=2:m
    flag = 1;       % 标志变量
    while flag == 1
        % Tmin< t(i)-t(i-1) < Tmax
        a1 = randi(9);
        if a1>Tmin+2 && i==2
            t(i)=t(i-1)+a1; % Tmin < t(i)-t(i-1) < Tmax
            flag = 0;   % i 时间点计算完毕
        elseif a1>Tmin+2 && i>2  % |t(i+1)-2*t(i)+t(i-1)|<delta 
            t(i)=t(i-1)+a1; % Tmin < t(i)-t(i-1) < Tmax
            if abs( (t(i)-t(i-1)) -(t(i-1)-t(i-2)) )<delta
                flag = 0;  % i 时间点计算完毕
            end
        end
    end
    function flag=test(code)
% code       output: 染色体的编码值
global Tmin Tmax delta
x=code; %先解码
flag=1;
for i=3:length(x)
    else
        flag=0;
    end
end    
% 产生t(i)序列
function ret=Mutation(pmutation,lenchrom,chrom,sizepop,num,maxgen)
% 本函数完成变异操作
% pcorss                input  : 变异概率
% lenchrom              input  : 染色体长度
% chrom     input  : 染色体群
% sizepop               input  : 种群规模
% opts                  input  : 变异方法的选择
% pop                   input  : 当前种群的进化代数和最大的进化代数信息
% bound                 input  : 每个个体的上届和下届
% maxgen                input  ：最大迭代次数
% num                   input  : 当前迭代次数
% ret                   output : 变异后的染色体
function t = pop_meet_conditions(maxt)
global Tmin Tmax delta m tt PP Q cita
% 输入变量说明：
% Tmin = 1;   % 表示相邻车辆间发车间隔的最小值(min)
% Tmax = 10;  % 表示相邻车辆间发车间隔的最大值(min)
% delta = 4;  % 表示相邻车辆发车间隔之差的限制值
% m = 500;    % 表示总的发车次数(车次)
% maxt = 960;    % t(i)的最大值

% 输出变量说明：
% t为满足条件的个体

a = randi(10);  % t(1)第一个值的取值范围设定为1-10之间随机取值
t(1) = a;       % 赋值

flag = 1;       % 标志变量
% Loop
while flag==1
    
    for i=2:m
        flag = 1;       % 标志变量
        while flag == 1
            % Tmin< t(i)-t(i-1) < Tmax
            a1 = randi(9);
            if a1>Tmin+2 && i==2
                t(i)=t(i-1)+a1; % Tmin < t(i)-t(i-1) < Tmax
                flag = 0;   % i 时间点计算完毕
            elseif a1>Tmin+2 && i>2  % |t(i+1)-2*t(i)+t(i-1)|<delta 
                t(i)=t(i-1)+a1; % Tmin < t(i)-t(i-1) < Tmax
                if abs( (t(i)-t(i-1)) -(t(i-1)-t(i-2)) )<delta
                    flag = 0;  % i 时间点计算完毕
                end
            end
        end
    end

Три, результаты бега

Вставьте описание изображения сюда

Четыре, примечания

[Задача коммивояжера] Решение задачи коммивояжера на основе иммунного алгоритма Matlab [включая исходный код Matlab 195]