單交叉口信號配時優(yōu)化的量子進化算法研究.pdf

1、單交叉口信號配時優(yōu)化問題是交叉口信號優(yōu)化控制的重要內(nèi)容,也是區(qū)域交叉口信號協(xié)調(diào)控制的基礎(chǔ)。本文分別以排隊車輛數(shù)、平均停車延誤、停車率以及通行能力等性能指標建立單交叉口信號配時優(yōu)化問題的數(shù)學(xué)模型,并應(yīng)用量子進化算法實現(xiàn)模型求解。具體如下:
　　 ⑴建立以周期內(nèi)排隊車輛數(shù)為性能指標的單交叉口信號配時優(yōu)化模型,并應(yīng)用混合混沌量子進化算法對模型進行求解。該算法采用混沌初始化方法產(chǎn)生初始種群,利用混沌現(xiàn)象隨機和不重復(fù)遍歷的特性使種群在可行

2、解空間中形成比較理想的分布；引入混合混沌搜索策略提高算法的全局搜索能力,克服早熟收斂。
　　 ⑵將固定周期模型擴展為可變周期模型,并應(yīng)用混沌雙鏈量子進化算法進行求解。該算法采用基于量子概率幅角的隱雙鏈編碼,加速解空間搜索；采用基于目標函數(shù)梯度信息的量子旋轉(zhuǎn)門,增強算法的尋優(yōu)能力,加快收斂速度；引入混沌搜索策略提高算法的全局搜索能力,克服早熟收斂。
　　 ⑶建立以平均停車延誤為性能指標的單交叉口信號配時優(yōu)化問題的TSP模型

3、,并應(yīng)用自適應(yīng)量子進化算法實現(xiàn)模型求解。該算法采用量子位編碼,將自適應(yīng)搜索引入量子旋轉(zhuǎn)門,加快算法收斂速度；采用量子非門保持群體多樣性,提高算法的全局搜索能力。
　　 ⑷建立以周期內(nèi)停車延誤、周期內(nèi)停車次數(shù)和交叉口通行能力為性能指標的單交叉口信號配時多目標優(yōu)化問題的數(shù)學(xué)模型,并應(yīng)用融合粒子群算法的混沌量子進化算法實現(xiàn)對模型的求解。該算法采用實數(shù)對個體基因值進行編碼；采用量子旋轉(zhuǎn)門模擬粒子群進化,實現(xiàn)對最優(yōu)基因值的搜索；引入混沌變