基于蚁群算法的车辆众包任务分配及路径规划方法

来源 :华南理工大学 | 被引量 : 0次 | 上传用户:maclin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
众包是依赖于大量众包参与者的贡献来完成各种任务的模式。随着移动设备的迅速普及,“空间众包”模式应运而生。近年来车辆被广泛应用于空间众包模式中,驾驶员和乘客可以借助自身的能力来完成一系列的主动任务,车辆上的传感器则可以被动的完成感知任务。在该背景下,合理的众包任务分配方式能够有效的提高众包任务的完成质量乃至降低任务的开销。此外,车辆众包的另一主要应用模式便是众包物流。由于该模式刚刚兴起,在物流路径规划方面还缺乏研究,并且伴随着中国城市拥堵现象的普遍出现,使得研究拥堵交通网络下的车辆路径规划变得尤为关键。本文提出了一个新颖的多目标蚁群优化算法解决车辆众包中的任务分配问题。本文首先考虑了一个车辆空间众包场景,在该场景中一位任务承担者可以同时完成一组基于位置的主动执行任务和借助传感器完成的被动感知任务。本文首先以众包任务成功率和传感覆盖面积为优化目标,对该场景下的任务分配模型进行建立,然后提出了一种基于车辆众包任务分配的多目标蚁群优化算法(VC-ACO)在招聘预算约束下对众包任务分配问题进行求解。本文对该算法的启发式信息以及信息素更新策略等进行了改进设计。最后本文还将该算法在真实世界的数据集Tdrive上进行验证,并与NSGA-II等算法进行比较。结果证明所提出算法能够有效的提高任务成功率和传感覆盖面积,并且能提供一组灵活优秀的任务分配方案。本文提出了一个多车辆蚁群系统算法以解决众包物流中的车辆路径规划问题。本文首先将问题定义为在拥堵交通网络中多车辆多OD对的路径规划问题,并引入动态交通速度对该交通网络模型进行定义。本文针对此问题提出了一种基于众包物流的多车辆蚁群系统算法(MVRP-ACS),结合任务执行者(车辆)行驶的总耗时和总里程数两个目标,对算法的全局与局部信息素更新策略进行重新设计。在本算法中每只蚂蚁仅代表一位任务承担者,由整个蚁群来模拟交通网络中车辆行驶于OD对之间的状态。最后本文将该算法在Open Street Map交通网络上验证并与Dijkstra等算法进行比较,结果证明提出的算法能够有效的减少任务执行过程中的总耗时并且减少行驶总里程数。
其他文献
牛肠道病毒(Bovine enterovirus,BEV)感染是由小RNA病毒科肠道病毒属牛肠道病毒引起的一种临床上以消化道和呼吸道症状为特征的传染病,给养牛业造成较为严重的经济损失。BEV感染自1959年由Moll等首次报道以来,很多国家和地区陆续报道了本病的感染与流行。国内李英利等于2011年分离出首株F种肠道病毒;邢泽黎等于2012年从吉林省发生严重腹泻的牛群中分离获得国内首株E种肠道病毒H
学位
图结构数据广泛存在于现实生活中。由于其非欧式空间数据的特性导致现有大部分方法无法直接处理这类数据,因此如何进行图表示学习备受关注,其中图表示学习旨在为下游任务提取具有高可分性的节点表示。同时,越来越多的证据表明,与单视图图结构数据相比,多视图图结构数据可以提供更全面的节点间关系,从而可以更加全面地捕捉节点间的内在联系。然而,以无监督的方式从多视图图结构数据中挖掘每个节点的节点表示却很少受到关注。为
学位
有创机械通气是通过气管插管或气管切开建立有创人工气道进行机械通气的方式,是重症监护病房中挽救呼吸困难患者的常用干预措施。因为会对患者造成人为创伤,准确且提早预测患者机械通气干预需求有重要意义。太迟开始会错过救治患者的最佳治疗时机,非紧急状况开始干预又会导致不必要的人为创伤;太早结束干预,患者需要再次干预导致二次伤害。本文以广东省某医院重症监护病房(ICU)的患者作为研究对象。该ICU病房部署了比较
学位
肺炎克雷伯菌(Klebsiella pneumoniae)是一种常见的人兽共患的革兰氏阴性病原菌,可以在多种生态环境中生存,主要引起人的呼吸系统疾病,也可以引起尿路感染、菌血症、脑膜炎及院内感染等疾病;在动物引起牛肺炎、牛乳腺炎、水貂肺炎、猪肺炎等。与此同时,抗生素的大量滥用,加速了多重耐药的肺炎克雷伯菌产生,被称为超级细菌NDM-1,甚至导致对该菌的感染到了无药可用的地步,这使得临床治疗举步维艰
学位
现实生活中,视觉图像数据的分布大多都是服从长尾分布的,类与类之间样本数目不平衡,小部分类别(即头部类)拥有较多的样本,而大部分的类别(即少数类,包括尾部类和部分中间类)样本数目较少。使用常规方法基于长尾不平衡数据集训练得到的模型整体识别效果低下,模型对头部类样本的识别准确率较高,对少数类样本的识别准确率很低。通过对常规方法的分类结果进行分析,本文发现模型倾向于将少数类的样本预测到与其特征相似的头部
学位
图像语义分割作为计算机视觉研究领域的重要分支,被广泛应用于自动驾驶,医疗图像分析和人机交互等场景。目前,基于深度学习的图像语义分割算法依赖于使用大量的像素级标注用于训练,由于获取此类标注需要昂贵的时间和经济代价,全监督语义分割算法的性能和泛化性均受到了制约。为了减少对像素级标注信息的依赖,基于更弱标注信息的弱监督语义分割算法被陆续提出。本文对基于图像级类别标签的弱监督语义分割算法展开了研究,并针对
学位
酮病是围产期奶牛高发的能量代谢障碍性疾病,其会引起免疫功能抑制,导致产后感染性疾病的风险增加。中性粒细胞是机体抗感染免疫的前线,其通过释放胞外诱捕网(NETs)捕获并杀灭入侵机体的病原微生物。酮病奶牛外周血中高浓度的β-羟基丁酸(BHB)可以抑制NETs形成,可能是造成奶牛免疫抑制的重要原因。然而,BHB抑制奶牛NETs形成的机制尚不清楚。本研究选取了5头健康的围产期奶牛(产后3周内),分离得到外
学位
优质的卵母细胞是成功受精和胚胎发育的先决条件,是生命开始的物质基础。如果卵母细胞没有及时受精,排出的卵母细胞在体内或体外会经历一个时间依赖性的退化过程,称为卵母细胞老化。卵母细胞老化会导致烟酰胺腺嘌呤二核苷酸(NAD+)含量下降、DNA损伤增加、线粒体功能障碍和表观遗传修饰改变。表观遗传修饰包括对DNA和相关组蛋白的共价及非共价修饰,可控制基因表达、染色质结构和基因组稳定性。其中,DNA甲基化(5
学位
分布式聚类目前已经成为一个具有吸引力和挑战性的研究课题。尽管进化计算被认为是解决复杂数据聚类问题的有效的方法,但是目前很少有研究使用进化计算来解决分布式聚类问题。目前大多数分布式聚类算法都是基于传统聚类算法的改进,仍然会受到传统聚类算法的限制。同时由于每个节点只存储着一部分的数据,算法的准确性相较于集中式的聚类算法通常会降低。此外聚类与图划分的目的相同,随着一张图包含的数据越来越多,值得探索将分布
学位
随着深度神经网络的发展,生成对抗网络(GAN)生成的图像非常逼真,人眼很难区分,近年的研究已经提出了一些检测方法来区分GAN生成的图像和真实的图像。但是研究发现,在对抗攻击下这些检测方法的表现很脆弱,检测成功率下降显著,现有的攻击方法多数依赖于特定检测器的先验信息和向特定检测器的查询,并且处理的样本很容易被其它类型的检测器检测到。为了探究攻击者在无法获得任何检测器先验信息且无法向检测器查询的现实场
学位