基于GA遗传优化的离散交通网络双层规划模型设计matlab仿真

本文主要是介绍基于GA遗传优化的离散交通网络双层规划模型设计matlab仿真,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

1.程序功能描述

2.测试软件版本以及运行结果展示

3.核心程序

4.本算法原理

5.完整程序


1.程序功能描述

基于GA遗传优化的离散交通网络双层规划模型设计.优化输出路段1和路段2的收费情况收敛过程。

2.测试软件版本以及运行结果展示

MATLAB2022a版本运行

3.核心程序

.....................................................................
while gen < MAXGEN;   rng(gen)genP1 = 0.9;P2 = 1-P1;FitnV=ranking(Objv);    Selch=select('sus',Chrom,FitnV);    Selch=recombin('xovsp', Selch,P1);   Selch=mut( Selch,P2);   phen1=bs2rv(Selch,FieldD);   for a=1:1:NIND  if  gen == 1Cost1(a) = Cost1_intial;       Cost2(a) = Cost2_intial;               elseCost1(a) = phen1(a,1);   Cost2(a) = phen1(a,2);   end%计算对应的目标值[errs,a1,a2,eas,tas,xa3] = func_obj(Cost1(a),Cost2(a));E               = errs;JJ(a,1)         = E;end Objvsel      =(JJ+eps);    [Chrom,Objv] = reins(Chrom,Selch,1,1,Objv,Objvsel);   gen          = gen+1; %保存参数收敛过程和误差收敛过程以及函数值拟合结论Cost1gen(gen) = mean(Cost1);Cost2gen(gen) = mean(Cost2); F(gen)        = mean(JJ);if gen <=32F2(gen)        = mean(F(1:gen));Cost1gen2(gen) = mean(Cost1gen(1:gen));Cost2gen2(gen) = mean(Cost2gen(1:gen));elseF2(gen)        = mean(F(gen-32:gen)); Cost1gen2(gen) = mean(Cost1gen(gen-32:gen));Cost2gen2(gen) = mean(Cost2gen(gen-32:gen));end
end Cost1f = Cost1gen(end);   
Cost2f = Cost2gen(end);   figure;
plot(F2(2:end),'linewidth',2);
xlabel('迭代次数');
ylabel('上层目标函数');
grid onfigure;
plot(Cost1gen2(2:end),'r','linewidth',2);
hold on
plot(Cost2gen2(2:end),'b','linewidth',2);
xlabel('迭代次数');
ylabel('收费情况');
legend('路段1','路段2');
grid ondisp('流量');
eas
06_029m

4.本算法原理

1. 使用一氧化碳作为路网车辆尾气排放的代表指标,计算公式如下:

2. 双层规划模型
上层模型
采用多目标模型,系统总出行时间最小,同时区域排放最小

3.下层模型

采用固定需求的用户平衡(UE),总阻抗最小

N——网络中节点的集合;

L——网络中路段的集合;

R——网络中出发地的集合;

S——网络中目的地的集合;

 ——出发地 和目的地 之间的所有径路的集合;

 ——出发地 和目的地 之间的OD交通量;

5.完整程序

VVV

这篇关于基于GA遗传优化的离散交通网络双层规划模型设计matlab仿真的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/851789

相关文章

MySQL索引的优化之LIKE模糊查询功能实现

《MySQL索引的优化之LIKE模糊查询功能实现》:本文主要介绍MySQL索引的优化之LIKE模糊查询功能实现,本文通过示例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一、前缀匹配优化二、后缀匹配优化三、中间匹配优化四、覆盖索引优化五、减少查询范围六、避免通配符开头七、使用外部搜索引擎八、分

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.

Spring Security基于数据库的ABAC属性权限模型实战开发教程

《SpringSecurity基于数据库的ABAC属性权限模型实战开发教程》:本文主要介绍SpringSecurity基于数据库的ABAC属性权限模型实战开发教程,本文给大家介绍的非常详细,对大... 目录1. 前言2. 权限决策依据RBACABAC综合对比3. 数据库表结构说明4. 实战开始5. MyBA

SpringBoot首笔交易慢问题排查与优化方案

《SpringBoot首笔交易慢问题排查与优化方案》在我们的微服务项目中,遇到这样的问题:应用启动后,第一笔交易响应耗时高达4、5秒,而后续请求均能在毫秒级完成,这不仅触发监控告警,也极大影响了用户体... 目录问题背景排查步骤1. 日志分析2. 性能工具定位优化方案:提前预热各种资源1. Flowable

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI