面向搶險應急調度的最短路徑尋優規劃算法

李云鋒， 鄭勇平， 劉 洋

(1 武警警官學院, 成都 610213； 2 海軍工程大學， 武漢 430033)

0 引 言

隨著搶險應急管理能力的發展，對搶險應急調度的路徑規劃受到人們的關注，采用人工智能學習和自適應控制算法，進行搶險應急調度和規劃設計，建立人工智能學習方法，進行搶險應急調度的路徑規劃設計，采用智能學習技術，結合人工智能的學習方法，提高搶險應急調度最短路徑的自適應規劃的人工智能控制能力[1]，相關的搶險應急調度最短路徑尋優規劃算法在搶險應急調度和管理中具有重要意義。對搶險應急調度最短路徑尋優設計是建立在路徑空間規劃和信息融合基礎上，結合搶險應急調度最短路徑尋優規劃設計，提高搶險應急能力[2]。本文提出基于粒子群算法的搶險應急調度最短路徑尋優規劃算法。采用粒子群尋優方法進行搶險應急調度區域的環境信息采樣采用最短路徑規劃法進行搶險應急調度特征分析，分析車輛的運動慣性勢能，采用粒子群算法進行搶險應急調度最短路徑尋優規劃過程中的自適應尋優，實現搶險應急調度最短路徑尋優規劃。最后進行仿真測試分析，得出有效性結論，展示了本文方法在提高搶險應急調度的最短路徑尋優規劃能力方面的優越性能。

1 搶險應急調度最短路徑尋優規劃的三維信息采樣和尋優控制

1.1 搶險應急調度最短路徑尋優規劃的三維信息采樣

為了實現基于粒子群算法的搶險應急調度最短路徑尋優規劃，進行搶險應急調度最短路徑尋優規劃的尋優控制，建立搶險應急調度的路網模型[3]，采用一個5元組表示搶險應急調度最短路徑尋優規劃的路網，即有向圖中的一條邊，如公式所示：

Edge={StartID,EndID,ca,xa,ta},

(1)

其中，ca表示搶險應急調度最短路徑尋優規劃的道路特性；xa表示搶險應急調度最短路徑尋優規劃過程中的車輛運行動態特性；Edge表示一條搶險應急調度的有向邊；StartID表示搶險應急調度最短路徑尋優規劃的道路動態分布的ID；EndID表示有向邊的終止結點的ID。根據搶險應急調度最短路徑尋優規劃的路網模型，進行道路環境信息采樣，根據搶險應急調度的傳感節點通信范圍和相對距離關系完成搶險應急調度的信息聚簇處理，搶險應急調度最短路徑的分布集中，用N表示搶險應急調度的節點個數，邊的集合為：

E={e1,e2,e3，...，eM}，

(2)

根據節點在路段內不同調度通道，建立搶險應急調度最短路徑尋優規劃模型，空間規劃函數為：

(3)

其中，J為調度通道的負載；t0a為修正自適應系數；ca為搶險應急調度的擁擠系數。采用二乘規劃方法進行搶險應急調度和路徑尋優，提高搶險應急調度最短路徑尋優規劃能力[4]。

1.2 搶險應急調度的尋優算法

建立搶險應急調度區域的路徑空間區域自適應規劃模型，采用模糊狀態尋優控制方法進行搶險應急調度最短路徑尋優規劃和自適應調度，進行搶險應急調度最短路徑尋優規劃的信息融合[5]，搶險應急調度最短路徑尋優規劃的負載為：

(4)

式中，F(x)表示搶險應急調度最短路徑尋優規劃的模糊度函數，vi(x)為搶險應急調度最短路徑空間分布函數，采用相似度信息尋優方法，進行搶險應急調度最短路徑尋優規劃，提高搶險應急調度最短路徑尋優規劃能力[6]，得到搶險應急調度最短路徑尋優規劃的物理信息融合參數為：

2JT(x)J(x)+2S(x)，

(5)

采用模糊信息聚類方法，進行搶險應急調度最短路徑尋優規劃，得到路徑控制模型為：

l(vv)=l(av)+l(cv)+l(bv)，

(6)

統計第i個方案的調度指令，對搶險應急調度交通網絡布局方案進行綜合評價，得到節點va，vb和vc中的調度評價函數表示為：

l(va)=l(ba)+l(ca)，

(7)

l(vb)=l(ab)+l(cb)，

(8)

l(vc)=l(ac)+l(bc).

(9)

在許多不確定因素的影響下，采用模糊狀態尋優控制方法進行搶險應急調度最短路徑尋優規劃，提高自適應調度能力。

2 搶險應急調度最短路徑尋優規劃

2.1 搶險應急調度最短路徑規劃的粒子群算法

采用模糊狀態尋優控制方法進行搶險應急調度最短路徑尋優規劃過程中的并行調度，提取搶險應急調度最短路徑尋優規劃的信息素特征量，搶險應急調度最短路徑規劃的粒子群狀態參數為T06，在路徑分布坐標系下搶險應急調度最短路徑規劃的Hama尋優分布為Xi(t)=(xi1(t),xi2(t),…,xiD(t))，在并行尋優控制算法下，得到最短分布距離T0,U0,V0，在交通道路最短路徑規劃下進行搶險應急調度最短路徑的輸出避障控制，建立搶險應急調度最短路徑的并行控制模型，得到蟻群的個體信息素為T16，模糊融合參數為p1=(p1x,p1y,p1z)T，以最短路徑為尋優目標函數，進而得到搶險應急調度的模糊度信息量為T1,U1,V1，得到搶險應急調度最短路徑的智能規劃模糊參數為：

(10)

選擇不同的指標權重，得到粒子群尋優參數xi,yi,zi,Ti,Ui,Vi(i=1,2,…,6)。根據模糊控制方法，進行粒子群尋優，得到粒子群控制方程：

(11)

式中,s表示搶險應急調度最短路徑尋優的定位誤差;c表示搶險應急調度最短路徑規劃的尋優參數;P0,P1,P2,…,Pn為粒子群變異系數；06T0,06T1,…,06Tn為應急調度的空間變化矩陣，得到優化的并行蟻群尋優函數為：

06T=01T12T23T34T45T56T.

(12)

求出搶險應急調度最短路徑規劃的尋優參數，結合模糊度尋優方法，進行搶險應急調度最短路徑的智能規劃設計[7]。

2.2 搶險應急調度最短路徑尋優規劃

采用粒子群算法進行搶險應急調度最短路徑尋優規劃，給定搶險應急調度最短路徑的空間規劃矩陣，得到路徑規劃的誤差測量參數為：

(13)

采用自適應尋優方法，進行搶險應急調度最短路徑尋優規劃，得到n個決策變量構成的搶險應急調度最短路徑尋優規劃的模糊控制模型，表示為：

minF(x)=(f1(x),f2(x),...,fm(x))T,

s.t.gi≤0,i=1,2,...,q,

hj=0,j=1,2,...,p,

(14)

采用二乘規劃方法進行搶險應急調度最短路徑尋優，得到搶險應急調度最短路徑規劃相似度信息為：

(15)

構建搶險應急調度最短路徑規劃的測量模型，得到測量方程為：

(16)

建立搶險應急調度最短路徑的最短尋優函數，表示為：

(17)

式中，τ為搶險應急調度最短路徑尋優規劃過過程中的位置信息；f為搶險應急調度最短路徑分布的頻率特征量；t為時間參數。綜上分析，采用粒子群算法進行搶險應急調度最短路徑尋優規劃過程中的自適應尋優，實現搶險應急調度最短路徑尋優規劃優化設計[8]。

3 仿真實驗與結果分析

為了測試本文方法在實現搶險應急調度最短路徑尋優規劃中的應用性能，進行仿真實驗，實驗建立在Matlab仿真平臺基礎上，搶險應急調度的空間分布節點數為80，最短響應時間14 s，指標權重為λ=(0.135, 0.132 2, 0.135 6, 0.154 6, 0.156 7, 0.143 4,0.156 4, 0.134 5)。搶險區域地圖大小1 200×1 200像素，搶險應急調度的工作環境坐標如圖1所示。

圖1 搶險應急調度的工作環境坐標

Fig. 1 Working environment coordinates of emergency dispatch

在圖1所示的環境中，進行搶險應急調度，得到尋優路徑如圖2所示。

圖2 搶險應急調度尋優路徑

根據圖2所示的搶險應急調度尋優路徑，進行搶險應急調度的尋優規劃，得到優化規劃模型如圖3所示。

圖3 搶險應急調度的優化規劃結果

分析上述仿真結果得知，采用該方法進行搶險應急調度最短路徑規劃的尋優能力較好，提高了搶險應急調度響應能力。測試應急調度的響應時間，得到對比結果如圖4所示，分析圖4得知，本文方法進行應急調度的路徑規劃，有效縮短了響應時間。

圖4 搶險應急調度的響應時間對比

4 結束語

本文提出基于粒子群算法的搶險應急調度最短路徑尋優規劃算法。采用粒子群尋優方法進行搶險應急調度區域的環境信息采樣，對采集的搶險應急調度區域數據進行自適應尋優控制，建立搶險應急調度區域的路徑空間區域自適應規劃模型，采用模糊狀態尋優控制方法進行搶險應急調度最短路徑尋優規劃和自適應調度，提取搶險應急調度最短路徑尋優規劃的信息素特征量，采用最短路徑規劃法進行搶險應急調度特征分析，分析車輛的運動慣性勢能，采用粒子群算法進行搶險應急調度最短路徑尋優規劃過程中的自適應尋優，實現搶險應急調度最短路徑尋優規劃。分析得知，采用本文方法進行搶險應急調度最短路徑規劃的尋優能力較好，提高了搶險應急調度響應能力，執行時間開銷較小。