基于混沌神经网络的最优路径选择算法

• 作者: 孙峥 孙燕
• 来源期刊: 公路交通科技
• 学科: 交通运输
• 关键词: 智能运输系统 最优路径选择 神经网络 交通流诱导系统 暂态混沌 平稳收敛
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 智能运输系统与交通工程
• 页码范围: 117-121
• 页数: 5页
• 分类号: U491.14
• 字数: 4079字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0268.2008.04.024

摘要

研究车载交通流诱导系统的最优路径选择问题.采用广义路阻的定义,考虑了驾驶员在路径选择中的不同要求,并借助一种具有暂态混沌和时变增益的神经网络(NNTCTG),针对最优路径选择问题设计了神经网络结构,构造了能量函数,提出了一种能够满足不同出行者偏好的最优路径选择算法.所提出的算法具有很多优良特性,即暂态混沌特性和平稳收敛性,能有效地避免传统Hopfield神经网络极易陷入局部极值的缺陷.它通过短暂的倒分叉过程,能很快进入稳定收敛状态.仿真结果表明,NNTCTG求解指定起讫点对之间的最优路径问题时,总能收敛到全局最优,同时具有更高的搜索效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙燕	中国海洋大学工程学院	25	174	8.0	13.0
2	孙峥	中国海洋大学工程学院	6	97	4.0	6.0