面向搶險應(yīng)急調(diào)度的最短路徑尋優(yōu)規(guī)劃算法

李云鋒， 鄭勇平， 劉 洋

(1 武警警官學(xué)院, 成都 610213； 2 海軍工程大學(xué)， 武漢 430033)

0 引 言

隨著搶險應(yīng)急管理能力的發(fā)展，對搶險應(yīng)急調(diào)度的路徑規(guī)劃受到人們的關(guān)注，采用人工智能學(xué)習(xí)和自適應(yīng)控制算法，進(jìn)行搶險應(yīng)急調(diào)度和規(guī)劃設(shè)計，建立人工智能學(xué)習(xí)方法，進(jìn)行搶險應(yīng)急調(diào)度的路徑規(guī)劃設(shè)計，采用智能學(xué)習(xí)技術(shù)，結(jié)合人工智能的學(xué)習(xí)方法，提高搶險應(yīng)急調(diào)度最短路徑的自適應(yīng)規(guī)劃的人工智能控制能力[1]，相關(guān)的搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃算法在搶險應(yīng)急調(diào)度和管理中具有重要意義。對搶險應(yīng)急調(diào)度最短路徑尋優(yōu)設(shè)計是建立在路徑空間規(guī)劃和信息融合基礎(chǔ)上，結(jié)合搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃設(shè)計，提高搶險應(yīng)急能力[2]。本文提出基于粒子群算法的搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃算法。采用粒子群尋優(yōu)方法進(jìn)行搶險應(yīng)急調(diào)度區(qū)域的環(huán)境信息采樣采用最短路徑規(guī)劃法進(jìn)行搶險應(yīng)急調(diào)度特征分析，分析車輛的運動慣性勢能，采用粒子群算法進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃過程中的自適應(yīng)尋優(yōu)，實現(xiàn)搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃。最后進(jìn)行仿真測試分析，得出有效性結(jié)論，展示了本文方法在提高搶險應(yīng)急調(diào)度的最短路徑尋優(yōu)規(guī)劃能力方面的優(yōu)越性能。

1 搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的三維信息采樣和尋優(yōu)控制

1.1 搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的三維信息采樣

為了實現(xiàn)基于粒子群算法的搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃，進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的尋優(yōu)控制，建立搶險應(yīng)急調(diào)度的路網(wǎng)模型[3]，采用一個5元組表示搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的路網(wǎng)，即有向圖中的一條邊，如公式所示：

Edge={StartID,EndID,ca,xa,ta},

(1)

其中，ca表示搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的道路特性；xa表示搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃過程中的車輛運行動態(tài)特性；Edge表示一條搶險應(yīng)急調(diào)度的有向邊；StartID表示搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的道路動態(tài)分布的ID；EndID表示有向邊的終止結(jié)點的ID。根據(jù)搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的路網(wǎng)模型，進(jìn)行道路環(huán)境信息采樣，根據(jù)搶險應(yīng)急調(diào)度的傳感節(jié)點通信范圍和相對距離關(guān)系完成搶險應(yīng)急調(diào)度的信息聚簇處理，搶險應(yīng)急調(diào)度最短路徑的分布集中，用N表示搶險應(yīng)急調(diào)度的節(jié)點個數(shù)，邊的集合為：

E={e1,e2,e3，...，eM}，

(2)

根據(jù)節(jié)點在路段內(nèi)不同調(diào)度通道，建立搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃模型，空間規(guī)劃函數(shù)為：

(3)

其中，J為調(diào)度通道的負(fù)載；t0a為修正自適應(yīng)系數(shù)；ca為搶險應(yīng)急調(diào)度的擁擠系數(shù)。采用二乘規(guī)劃方法進(jìn)行搶險應(yīng)急調(diào)度和路徑尋優(yōu)，提高搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃能力[4]。

1.2 搶險應(yīng)急調(diào)度的尋優(yōu)算法

建立搶險應(yīng)急調(diào)度區(qū)域的路徑空間區(qū)域自適應(yīng)規(guī)劃模型，采用模糊狀態(tài)尋優(yōu)控制方法進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃和自適應(yīng)調(diào)度，進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的信息融合[5]，搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的負(fù)載為：

(4)

式中，F(xiàn)(x)表示搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的模糊度函數(shù)，vi(x)為搶險應(yīng)急調(diào)度最短路徑空間分布函數(shù)，采用相似度信息尋優(yōu)方法，進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃，提高搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃能力[6]，得到搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的物理信息融合參數(shù)為：

2JT(x)J(x)+2S(x)，

(5)

采用模糊信息聚類方法，進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃，得到路徑控制模型為：

l(vv)=l(av)+l(cv)+l(bv)，

(6)

統(tǒng)計第i個方案的調(diào)度指令，對搶險應(yīng)急調(diào)度交通網(wǎng)絡(luò)布局方案進(jìn)行綜合評價，得到節(jié)點va，vb和vc中的調(diào)度評價函數(shù)表示為：

l(va)=l(ba)+l(ca)，

(7)

l(vb)=l(ab)+l(cb)，

(8)

l(vc)=l(ac)+l(bc).

(9)

在許多不確定因素的影響下，采用模糊狀態(tài)尋優(yōu)控制方法進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃，提高自適應(yīng)調(diào)度能力。

2 搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃

2.1 搶險應(yīng)急調(diào)度最短路徑規(guī)劃的粒子群算法

采用模糊狀態(tài)尋優(yōu)控制方法進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃過程中的并行調(diào)度，提取搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的信息素特征量，搶險應(yīng)急調(diào)度最短路徑規(guī)劃的粒子群狀態(tài)參數(shù)為T06，在路徑分布坐標(biāo)系下?lián)岆U應(yīng)急調(diào)度最短路徑規(guī)劃的Hama尋優(yōu)分布為Xi(t)=(xi1(t),xi2(t),…,xiD(t))，在并行尋優(yōu)控制算法下，得到最短分布距離T0,U0,V0，在交通道路最短路徑規(guī)劃下進(jìn)行搶險應(yīng)急調(diào)度最短路徑的輸出避障控制，建立搶險應(yīng)急調(diào)度最短路徑的并行控制模型，得到蟻群的個體信息素為T16，模糊融合參數(shù)為p1=(p1x,p1y,p1z)T，以最短路徑為尋優(yōu)目標(biāo)函數(shù)，進(jìn)而得到搶險應(yīng)急調(diào)度的模糊度信息量為T1,U1,V1，得到搶險應(yīng)急調(diào)度最短路徑的智能規(guī)劃模糊參數(shù)為：

(10)

選擇不同的指標(biāo)權(quán)重，得到粒子群尋優(yōu)參數(shù)xi,yi,zi,Ti,Ui,Vi(i=1,2,…,6)。根據(jù)模糊控制方法，進(jìn)行粒子群尋優(yōu)，得到粒子群控制方程：

(11)

式中,s表示搶險應(yīng)急調(diào)度最短路徑尋優(yōu)的定位誤差;c表示搶險應(yīng)急調(diào)度最短路徑規(guī)劃的尋優(yōu)參數(shù);P0,P1,P2,…,Pn為粒子群變異系數(shù)；06T0,06T1,…,06Tn為應(yīng)急調(diào)度的空間變化矩陣，得到優(yōu)化的并行蟻群尋優(yōu)函數(shù)為：

06T=01T12T23T34T45T56T.

(12)

求出搶險應(yīng)急調(diào)度最短路徑規(guī)劃的尋優(yōu)參數(shù)，結(jié)合模糊度尋優(yōu)方法，進(jìn)行搶險應(yīng)急調(diào)度最短路徑的智能規(guī)劃設(shè)計[7]。

2.2 搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃

采用粒子群算法進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃，給定搶險應(yīng)急調(diào)度最短路徑的空間規(guī)劃矩陣，得到路徑規(guī)劃的誤差測量參數(shù)為：

(13)

采用自適應(yīng)尋優(yōu)方法，進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃，得到n個決策變量構(gòu)成的搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的模糊控制模型，表示為：

minF(x)=(f1(x),f2(x),...,fm(x))T,

s.t.gi≤0,i=1,2,...,q,

hj=0,j=1,2,...,p,

(14)

采用二乘規(guī)劃方法進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)，得到搶險應(yīng)急調(diào)度最短路徑規(guī)劃相似度信息為：

(15)

構(gòu)建搶險應(yīng)急調(diào)度最短路徑規(guī)劃的測量模型，得到測量方程為：

(16)

建立搶險應(yīng)急調(diào)度最短路徑的最短尋優(yōu)函數(shù)，表示為：

(17)

式中，τ為搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃過過程中的位置信息；f為搶險應(yīng)急調(diào)度最短路徑分布的頻率特征量；t為時間參數(shù)。綜上分析，采用粒子群算法進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃過程中的自適應(yīng)尋優(yōu)，實現(xiàn)搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃優(yōu)化設(shè)計[8]。

3 仿真實驗與結(jié)果分析

為了測試本文方法在實現(xiàn)搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃中的應(yīng)用性能，進(jìn)行仿真實驗，實驗建立在Matlab仿真平臺基礎(chǔ)上，搶險應(yīng)急調(diào)度的空間分布節(jié)點數(shù)為80，最短響應(yīng)時間14 s，指標(biāo)權(quán)重為λ=(0.135, 0.132 2, 0.135 6, 0.154 6, 0.156 7, 0.143 4,0.156 4, 0.134 5)。搶險區(qū)域地圖大小1 200×1 200像素，搶險應(yīng)急調(diào)度的工作環(huán)境坐標(biāo)如圖1所示。

圖1 搶險應(yīng)急調(diào)度的工作環(huán)境坐標(biāo)

Fig. 1 Working environment coordinates of emergency dispatch

在圖1所示的環(huán)境中，進(jìn)行搶險應(yīng)急調(diào)度，得到尋優(yōu)路徑如圖2所示。

圖2 搶險應(yīng)急調(diào)度尋優(yōu)路徑

根據(jù)圖2所示的搶險應(yīng)急調(diào)度尋優(yōu)路徑，進(jìn)行搶險應(yīng)急調(diào)度的尋優(yōu)規(guī)劃，得到優(yōu)化規(guī)劃模型如圖3所示。

圖3 搶險應(yīng)急調(diào)度的優(yōu)化規(guī)劃結(jié)果

分析上述仿真結(jié)果得知，采用該方法進(jìn)行搶險應(yīng)急調(diào)度最短路徑規(guī)劃的尋優(yōu)能力較好，提高了搶險應(yīng)急調(diào)度響應(yīng)能力。測試應(yīng)急調(diào)度的響應(yīng)時間，得到對比結(jié)果如圖4所示，分析圖4得知，本文方法進(jìn)行應(yīng)急調(diào)度的路徑規(guī)劃，有效縮短了響應(yīng)時間。

圖4 搶險應(yīng)急調(diào)度的響應(yīng)時間對比

4 結(jié)束語

本文提出基于粒子群算法的搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃算法。采用粒子群尋優(yōu)方法進(jìn)行搶險應(yīng)急調(diào)度區(qū)域的環(huán)境信息采樣，對采集的搶險應(yīng)急調(diào)度區(qū)域數(shù)據(jù)進(jìn)行自適應(yīng)尋優(yōu)控制，建立搶險應(yīng)急調(diào)度區(qū)域的路徑空間區(qū)域自適應(yīng)規(guī)劃模型，采用模糊狀態(tài)尋優(yōu)控制方法進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃和自適應(yīng)調(diào)度，提取搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃的信息素特征量，采用最短路徑規(guī)劃法進(jìn)行搶險應(yīng)急調(diào)度特征分析，分析車輛的運動慣性勢能，采用粒子群算法進(jìn)行搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃過程中的自適應(yīng)尋優(yōu)，實現(xiàn)搶險應(yīng)急調(diào)度最短路徑尋優(yōu)規(guī)劃。分析得知，采用本文方法進(jìn)行搶險應(yīng)急調(diào)度最短路徑規(guī)劃的尋優(yōu)能力較好，提高了搶險應(yīng)急調(diào)度響應(yīng)能力，執(zhí)行時間開銷較小。