李晓君,赵晓蕾,赵洪銮,3,宿梦梦,邹 炜

(1.山东建筑大学 计算机科学与技术学院,山东 济南 250101;2.山东建筑大学 建筑城规学院,山东 济南 250101;3.天津城建大学 理学院,天津 300384)

0 引 言

交通拥堵加剧导致的出行成本大幅提高、交通事故增加、环境污染和能源消耗等问题愈发严重,缓解交通拥堵成为当下亟待解决的难题。目前缓解交通拥堵的有效途径是结合智能交通系统(ITS)智能技术和动态交通分配(DTA)模型对交通流量进行合理管理和分配。

动态交通分配模型是ITS的核心,交通分配是动态交通分配的基础,其求解常用粒子群算法。粒子群优化算法(PSO)是Eberhart和Kennedy[1]基于鸟类的觅食行为提出的一种随机搜索算法,是基于群体的启发式优化算法。粒子群算法在具有原理简单、没有变异等复杂操作且能应用于大多数优化问题的求解等优点的同时,也存在迭代后期收敛速度慢、精度低和易陷入局部最优等问题。针对这些问题,研究者设计了不同的改进策略。Wang等[2]将自适应学习策略引入粒子群算法,同时加入潜在预测策略来预测候选粒子在各个维度引导种群的能力,以此提高算法的收敛速度;张晓莉等[3]使用神经网络中神经元的非线性作用函数作为权重建立模型,提高了算法的稳定性及收敛速度;杨红[4]将天牛须搜索算法与粒子群优化算法结合,并利用Logistic混沌映射对粒子速度及位置进行初始化,有效提高了算法的精度;李荣雨[5]将布谷鸟算法中的莱维飞行策略引入到粒子群算法,利用莱维飞行进一步更新个体的位置,有效提高了算法的优化性能;梁田等[6]将基于相似度及聚集度分析的莱维飞行引入粒子群算法,能够有效帮助粒子逃离局部最优。……