.png){kind=icon}
返回
Vehicle navigation path optimization based on complex networks
.png){kind=icon}
PRE
AI
DOI：10.1016/j.physa.2025.130509.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
车辆导航路径优化是一种预防和缓解交通拥堵的关键手段，它能够基于获取的交通信息帮助用户找到从起点到终点的最优路线。本文提出了一种融合复杂网络的车辆导航路径优化方法。首先，构建了基于复杂网络的多目标优化模型，以解决总旅行时间和成本目标问题。随后，通过整合机器学习方法并设计竞争性选择算子，以及基于层次聚类的交叉和变异算子，对Nondominated Sorting Genetic Algorithm II (NSGA-II)进行了改进，形成了一种多目标车辆导航路径优化算法。最后，通过案例研究验证了模型和算法的有效性。实验结果表明，所提出的机器学习与NSGA-II混合算法相较于传统的NSGA-II和NSGA-III具有更优的性能。本研究通过合理引导车辆，实现了交通流在路段上的合理均衡分布，从而提升了交通网络效率。
Keyword:
Road transportation
Vehicle navigation
NSGA-II
Hierarchical clustering
Multi-objective optimization
期刊
P
IF:
3.1
论文数:
1.3K
被引数:
3.6W
机构
暂无机构信息
引用论文
Bidirectional neural network for trajectory planning: An application to medical emergency vehicle.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
分享收藏An adaptive bi-level task planning strategy for multi-USVs target visitation面向多usv目标访问的自适应双层任务规划策略
PREAI
分享收藏Development of eco-routing guidance for connected electric vehicles in urban traffic systems城市交通系统中联网电动汽车生态路径引导的开发
PREAI
分享收藏The multi-depot pickup and delivery vehicle routing problem with time windows and dynamic demands多车场带时间窗和动态需求的集货送货车辆路径问题
PREAI
分享收藏
查看更多内容