【技术实现步骤摘要】
本专利技术涉及智能算法预测，具体为基于融合策略智能算法的行进方法。
技术介绍
1、目前随着私家车保障量的快速增长，城市交通压力持续增加，而传统的导航软件更关注最短距离和时间，缺乏诸如能源消耗、环境影响等多方面因素的全局规划功能等综合分析。这导致出行决策真正的绿色化和现代化难以实现。实际上，在复杂的城市道路交通环境下，驾驶员面临多种不确定性，仅靠距离最短常无法得到最优化解决。此外，社会对资源环境保护的关注因此，研发能够动态综合考虑多目标的新一代交通导航系统，实现对出行时间、费用、碳排放等的同步优化和平衡，使出行决策更加智能化和绿色化，对缓解城市交通压力、减轻二氧化碳和排放具有重要意义。
2、从技术上看，要实现交通路径的多目标规划与优化，需要建立科学的时间、费用、环境影响预测模型，同时还需要设计能够处理多目标优化的智能算法。目前基于多目标进化计算的方法其中，多目标粒子群优化修复寻求能力强、收敛速度快、易于实现等特点，成为较有潜力的技术。通过采用多目标粒子群算法动态调整各目标权重，可实现对交通路径时间、费用、碳排放等的自适应优化，生成满足不同需求的最佳方案。因此，研究多目标粒子群算法在交通路径规划中的应用，对发展下一代智能绿色交通导航系统具有重要意义。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了基于融合策略智能算法的行进方法，解决了车辆路径规划问题。
3、(二)技术方案
4、本专利技术为了实现上述目的具
5、基于融合策略智能算法的行进方法，包括如下流程：
6、s1、初始化粒子群并为其分配初始位置与速度，考虑问题域约束；利用目标函数评估粒子适应度，并根据历史与全局最优信息进行更新；融合淘汰选择与父代选择策略，在当前粒子群中进行筛选并进行粒子的重组与进化；持续迭代至满足特定终止条件后输出最优路径；
7、s2、评估过程：使用目标函数计算每个粒子的适应度，并根据历史最优位置和全局最优位置更新粒子的速度和位置；
8、s3、融合策略：基于适应度评分，利用淘汰选择策略从粒子群中淘汰适应度较低的粒子，确保群体的优良性质；使用父代选择策略，在当前粒子群中选取一部分优质粒子作为父代，为后续重组提供基因；在父代粒子基础上，利用交叉、变异等操作生成新的粒子，并将其纳入粒子群中；
9、s4、模型结果检查：检查是否满足终止条件，如满足则输出当前最优解，否则返回s2；输出具有最优适应度的粒子作为行进预测的结果，并给出相应的预测误差和精确度。
10、进一步地，合淘汰选择与父代选择策略的过程进一步包括：基于适应度评分，使用淘汰选择策略从当前粒子群中淘汰适应度较低的粒子，并利用父代选择策略在剩余粒子中选取适应度较高的粒子作为父代，为后续的粒子重组与进化提供基因，记录每个粒子在历史迭代过程中的最优位置和全局最优位置，以供后续迭代中进行比较和更新，提高算法的收敛速度。
11、进一步地，对于融合策略的实施，还应在父代粒子基础上，通过交叉、变异等操作生成新的粒子，并将新生成的粒子纳入当前的粒子群中，以保持粒子群的多样性和适应性。
12、进一步地，对于模型结果检查，在s4步骤中，设定终止条件，预设的适应度评分阈值等，以确保算法的收敛性和计算效率；根据终止条件，输出当前最优解和相应的预测误差、精确度，以提高算法的实用性；如果没有满足终止条件，则返回s2继续执行算法，直至满足终止条件或者达到预定的最大迭代次数，以提高算法的求解精度和实用性。
13、(三)有益效果
14、与现有技术相比，本专利技术提供了基于融合策略智能算法的行进方法，具备以下
15、有益效果：
16、本专利技术，融合了最大适应度值淘汰选择策略和子代复用型父代选择策略，是在传统粒子群优化算法基础上的一大创新，具有较强的先进性和独创性，能够解决实际路径优化问题中的多目标冲突和复杂约束，具有很高的实用性和广泛的应用前景，如在物流、交通、网络设计等领域都有潜在应用价值，通过该专利技术，可以在保持多样性的同时，更精确地定位优质解，实现高精度和高效率的优化，具有优于传统算法的性能，由于该专利技术融合了两种策略，具有较强的自适应性和通用性，能够适应不同类型和不同性质的路径优化问题，通过更优的路径规划，有助于实现资源的合理利用和优化分配，减少无效行进和碳排放，具有环保价值。
本文档来自技高网...【技术保护点】
1.基于融合策略智能算法的行进方法，其特征在于，包括如下流程：
2.根据权利要求1所述的基于融合策略智能算法的行进方法，其特征在于：融合淘汰选择与父代选择策略的过程进一步包括：基于适应度评分，使用淘汰选择策略从当前粒子群中淘汰适应度较低的粒子，并利用父代选择策略在剩余粒子中选取适应度较高的粒子作为父代，为后续的粒子重组与进化提供基因，记录每个粒子在历史迭代过程中的最优位置和全局最优位置，以供后续迭代中进行比较和更新，提高算法的收敛速度。
3.根据权利要求1所述的基于融合策略智能算法的行进方法，其特征在于：对于融合策略的实施，还应在父代粒子基础上，通过交叉、变异等操作生成新的粒子，并将新生成的粒子纳入当前的粒子群中，以保持粒子群的多样性和适应性。
4.根据权利要求1所述的基于融合策略智能算法的行进方法，其特征在于：对于模型结果检查，在S4步骤中，设定终止条件，预设的适应度评分阈值等，以确保算法的收敛性和计算效率；根据终止条件，输出当前最优解和相应的预测误差、精确度，以提高算法的实用性；如果没有满足终止条件，则返回S2继续执行算法，直至满足终止条件
...【技术特征摘要】
1.基于融合策略智能算法的行进方法，其特征在于，包括如下流程：
2.根据权利要求1所述的基于融合策略智能算法的行进方法，其特征在于：融合淘汰选择与父代选择策略的过程进一步包括：基于适应度评分，使用淘汰选择策略从当前粒子群中淘汰适应度较低的粒子，并利用父代选择策略在剩余粒子中选取适应度较高的粒子作为父代，为后续的粒子重组与进化提供基因，记录每个粒子在历史迭代过程中的最优位置和全局最优位置，以供后续迭代中进行比较和更新，提高算法的收敛速度。
3.根据权利要求1所述的基于融合策略智能算法的行进方法，其特...
【专利技术属性】
技术研发人员：陈爱武，纪旺，周如春，
申请(专利权)人：安徽长江数智云计算科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。