[发明专利]一种基于多目标优化的T型路口通行设计方法

权利要求书

1.一种基于多目标优化的T型路口通行设计方法，其特征在于：包括以下步骤：

S1：通过问卷调查的方式，统计得到不同通行设计方案下，人的等待时间x₁和车的等待时间x₂；

S2：根据人的等待时间x₁，得到估计的期望Ex₁、熵En₁和超熵He₁，并生成以En₁为期望，以He₁为标准差的正态随机数b'₁；

S3：根据正态随机数b'₁生成以Ex₁为期望值，b'₁为标准差的正态随机数b₁；

S4：采用和步骤S2-S3同样的方法，根据车的等待时间x₂，得到相应的期望Ex₂、熵En₂、超熵He₂、正态随机数b'₂和正态随机数b₂；

S5：根据得到的期望Ex₁或Ex₂、正态随机数b'₁或b'₂，和正态随机数b₁或b₂，计算得到确定度Y，(x₁,x₂,Y)为一个云滴，重复所有步骤直到得到M个云滴为止，M＝3000，Ex₁、b'₁和b₁作为一组使用，Ex₂、b'₂和b₂作为另一组使用；

S6：构建云模型，其输入是人的等待时间x₁和车的等待时间x₂，输出是确定度Y，利用粒子群算法搜索云模型的最优解，即得到通行设计方法的最优解；

采用粒子群算法搜索最优解的过程如下：

(1)随机初始化种群中各粒子的位置和速度，根据式(6)评价每个粒子的适应度：

G＝1-Y (6)

其中，G为粒子的适应度，Y为该粒子的确定度；

(2)根据式(7)更新每个粒子的运动速度，根据式(8)更新每个粒子的位置：

V_i(t+1)＝ω×V_i(t)+η₁×rand×(P_ib-P_i(t))+η₂×rand×(P_gb-P_i(t)) (7)

P_i(t+1)＝P_i(t)+V_i(t+1) (8)

其中，P_ib表示存储有当前各个粒子的位置和适应度的个体最优集合，P_gb表示存储有适应度值最优个体的位置和适应度值的全局最优集合；V_i(t+1)表示第i个粒子的第t+1次迭代过程的速度值，V_i(t)表示第i个粒子的第t次迭代过程的速度值；ω是一个0～1的系数，表示粒子速度的传递惯性；η₁和η₂分别用来控制粒子向P_ib和P_gb聚集的程度；rand为0～1的随机数；P_i(t+1)代表第i个粒子的第t+1次迭代过程中所处的位置，P_i(t)代表第i个粒子的第t次迭代过程中所处的位置；

对于每个粒子，将其适应度值和它经历过的最好位置作比较，如果较好，则将其作为当前的最好位置，遍历后更新P_gb，直至更新后的P_gb满足终止条件，此时即得到T型路口通行设计的最优解。