谢 婷

（安徽省马鞍山市委党校，安徽马鞍山243011）

RA 网络多协同排序算法模型及算法研究

谢 婷

（安徽省马鞍山市委党校，安徽马鞍山243011）

针对当下约车平台迅猛发展的态势，就其中广泛关注的问题——RA网络多协同排序问题进行了探究。针对滴滴出行的实际数据，将RA网络多协同排序问题转化为求解数学模型两个评价指标最优解的问题，基于传统的免疫算法（generate and test）的相关概念，融合半解析解的相关思想，构建一种优化算法GBFA（Generate Bacterial Foraging Algorithm），进而提出了基于GBFA算法的RA网络多协同排序算法，并据此开发RA网络多协同排序软件”RA－LC”。以滴滴出行北京市2015年5月—2016年4月的数据为对比对象，利用RA－LC对相关实例进行仿真，结果显示该算法对于时间预测具有较高的准确度，对于RA网络多协同排序问题具有极佳的适用性和精确度。

多协同排序；Mathematica；GBFA；滴滴出行；时间预测

0 引言

网络约车平台的迅猛发展已悄然改变了人们的生产、生活方式［1］。客户发单（request）与司机的应答（answer）涉及到复杂的排序问题，在同一片区往往存在着多名司机，司机彼此之间的线路相互影响，使得request－answer网络（RA网络）极其复杂，应加强RA网络的关联性，进而凸显出多协同排序算法研究的重要性和必要性［2－3］。

鉴于此，国内外学者对RA网络的多协同排序算法进行了大量研究。Cui J X、Shen H［4－5］等人利用GPS定位对司机位置进行的计算，通过对司机当前行进数据进行拟合，计算出司机达到客户发单（request）位置的时间，依照到达时间的长短由低到高排序，但文献［4］和文献［5］仅仅考虑了当前数据的效用，没有将堵车、迟缓度加入协同决策方案中。……