基于机器学习-优化混合算法的离散交通网络双层规划模型

• 作者: 伍佳妮 刘丹 蒲自源 许晓晴
• 来源期刊: 系统工程
• 学科: 交通运输
• 关键词: 离散交通网络设计 双层规划模型 交通分配 机器学习 混合算法
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 方法与应用
• 页码范围: 114-122
• 页数: 9页
• 分类号: U113
• 语种: 中文

摘要

为求解离散交通网络设计的大规模双层规划问题(Bi-level Programming Program,BPP),提出一种机器学习-优化(ML-OP)混合算法.首先,基于分解方法的求解思路,将双层规划问题转换为:下层一个典型的非线性规划问题(NLP),上层一个整数规划问题来处理.研究设计的混合方法,上层问题用源于机器学习的替代问题代替,采用监督学习算法求解(SLA),下层问题为交通分配问题(TAP),是一个凸非线性规划问题,用Frank-Wolfe算法求解.其次,为了验证机器学习-优化算法的有效性,用一个真实的大规模数据集来测试,并与经典分支定界算法(Branch-and-Bound)进行比较.数据结果表明在处理大规模双层规划问题时,ML-OP混合算法在计算能力方面有较好的表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	伍佳妮		4	10	2.0	3.0
2	许晓晴		8	17	3.0	4.0
3	刘丹		26	89	5.0	9.0
4	蒲自源		1	0	0.0	0.0