基于改进蜂群算法的共享汽车停放区域多目标选址方法

周 婷

(三联学院，安徽 合肥 230071)

随着共享汽车产业的不断发展，对车辆停放位置的需求不断提升。其中，共享汽车停放的地址成为该产业持续发展的关键环节。因此，相关的停放区域选址研究受到人们的极大重视[1]。

对共享汽车停放区域多目标选址规划设计是建立在对共享汽车停放区域的位置参数节点分析基础上，采用空间参数寻优，进行规划和动态节点控制，实现停放区域多目标选址和自动化规划设计[2]。传统方法中，选址方法主要有基于模糊动态参数识别的选址方法、基于粒子群寻优的选址方法、基于模糊PID的多目标选址方法等。本文构建选址规划的动态特征分析模型，通过控制信息融合和多维参数识别，完成规划设计[3-5]。但传统方法选址的自适应性不好，联合参数寻优能力不强。

针对上述问题，本文提出基于改进蜂群算法的共享汽车停放区域多目标选址方法。首先，构建共网格区域规划模型，采用分块网格区域模板匹配方法，实现选址过程中参数寻优；然后，建立共选址规划模型，通过量化参数融合方法，构建节点定位模型，建立最优目标搜索函数，通过反馈调节方法，实现多目标选址和自适应定位；最后，进行仿真测试分析，展示了本文方法在提高选址和规划能力方面的优越性能。

1 共享汽车停放区域参数规划和融合

1.1 共享汽车停放区域参数规划模型

为了实现基于改进蜂群算法的多目标选址，首先构建网格区域规划模型，采用分块网格区域模板匹配方法，实现选址过程中参数寻优[6]，得到选址的总体结构如图1所示。

图1 共享汽车停放区域选址的总体结构

构建选址的测度模型，通过测度分析方法，进行区域的网格分块匹配[7]，得到规划的联合特征概率值pi，定义如式(1)所示。

(1)

式中，giti代表停放区域节点i的适应值；mb代表最佳停放区域分布的网格分布系数。

采用联合特征分析方法，建立选址的自适应参数规划模型如式(2)所示。

(2)

式中，k∈{1,2,…,SN}，j∈{1,2,…,D}是先验知识可循调度集，且k≠i；共享汽车停放区域的自相关参数β是一个随机跳变的数，表示共享汽车停放区域的搜索区域范围，采用蜂群寻优控制，进行共享汽车停放区域的选址节点定位。

求得共享汽车停放区域的选址节点kij与xkj之间的差距缩小，意味共选址得到最优解。对选址位置kij采用随机定位方法进行优化定位。根据上述分析，得到选址的参数识别模型，结合空间参数规划，进行多目标参数融合[8]。

1.2 共享汽车停放区域多目标参数融合

采用分块网格区域模板匹配方法，实现共享汽车停放区域选址过程中的参数寻优，得到共享汽车停放区域选址的在线参数得到模型如式(3)所示。

(3)

式中，h∈{1,2,…,D}，表示共享汽车停放区域多目标寻优的最佳解范围。

基于联合参数识别和补偿控制的方法，进行共享汽车停放区域多目标输出状态参数识别，得到空间区域融合参数定义如式(4)所示。

(4)

采用Rastrigin函数实现对共享汽车停放区域多目标定位的输出稳定性控制，得到控制函数如式(5)所示。

根据自适应控制结果，结合人工蜂群算法，建立共享汽车停放区域多目标参数寻优的联合动态特征量，表示如式(6)所示。

(6)

在负载均衡控制下，根据变异蜂群指导和迁移特征量转换，得到共享汽车停放区域选址寻优的适应度函数如式(7)所示。

(7)

(8)

通过上述多目标参数融合结果，采用二乘规划算法进行共享汽车停放区域选址的博弈寻优，构建共享汽车停放区域选址的自适应网络拓扑结构，提高优化选址能力[9]。

2 共享汽车停放区域选址方法优化

2.1 共享汽车停放区域选址的蜂群寻优

采用分块网格区域模板匹配方法，实现共享汽车停放区域选址过程中的参数寻优，建立选址规划模型，通过量化参数融合方法，构建选址的节点定位模型，采用蜂群寻优算法[10]，得到选址的联合控制参数limit，蜜源因素参量式(9)所示。

(9)

式(9)用于侦察峰通过联合寻优，进行目标控制，建立共享汽车停放区域选址的自适应寻优控制参数，采用二乘规划算法进行空间规划设计，得到蜂源寻优路径如式(10)所示。

(10)

(11)

通过上述模型，得到共享汽车停放区域选址的自适应蜂群寻优函数如式(12)所示。

上式表示为共享汽车停放区域选址的约束指标参量集，为一个标准的正态分布函数，得到共享汽车停放区域选址的蜂群寻优规划模型如图2所示。

图2 共享汽车停放区域选址的蜂群寻优规划模型

2.2 共享汽车停放区域选址定位优化

采用嵌入式的模糊控制方法，建立低碳模式下共享汽车停放区域选址信息融合[11]，采用定量分析法得到共享汽车停放区域选址评估的解释参数分析模型，得到联合适应度函数如式(13)所示。

(13)

(14)

fmin和fmax形成的共享汽车停放区域选址的最大和最小概率密度集，rand表示共享汽车停放区域选址的寻优函数服从随机分布，根据上述分析，构建共享汽车停放区域选址的自适应控制模型，如式(15)所示。

(15)

根据共享汽车停放区域的蜜蜂参与度水平，得到联合概率密度表达式如式(16)所示。

(16)

分析低碳排放下共享汽车停放区域选址的可靠性，当满足EUR(q,w,e)，得到低碳排放下共享汽车停放区域定位实现流程如下。

(1)计算碳排放下共享汽车停放区域的联合特征检测统计量A，每个解个体i的定位规则排序R′(i)如式(17)所示。

R′(i)==|{j|j∈A,ji}|∀i∈A

(17)

(18)

人工蜂群算法解个体i的排序数R(i)等于解个体i的伪随机排序结果。这与所支配个体i的所有解个体的伪排序数之和相同。

(3)根据人工蜂群种群分布，得到共享汽车停放区域选址评估的效益度水平，得到效益度特征分量如式(18)所示。

(19)

根据蜂群寻优的密度参数，进行多目标选址和参数控制。

(4)建立最优目标搜索函数，通过反馈调节方法，实现自适应定位，得到停放区域选址定位优化如式(20)所示。

(20)

式中，R(i)表示人工蜂群算法中共享汽车停放区域多目标寻优的控制函数，λ(i)表示相对解

个体i的密度值。根据上述分析，实现选址算法优化设计。实现流程如图3所示。

图3 蜂群寻优实现流程

3 实验测试

为了测试本文方法在实现共享汽车停放区域选址可靠性分析中的应用性能，进行仿真测试。实验在MATLAB软件上进行，实验操作系统为WINDOWS XP系统，其运行内存为16GB，CPU为3.6GHz。选择Sphere函数为测试函数，设定共享汽车停放区域多目标选的蜂群寻优的个体数为340，寻优进化系数为0.35，变异系数为0.14，共享汽车停放区域选址的参数寻优结果见表1。

表1 共享汽车停放区域选址的参数寻优结果

根据表1的测试样本集，采用本文方法进行蜂群寻优控制，得到共享汽车停放区域多目标选址的空间规划结果见表2。

表2 共享汽车停放区域多目标选址的空间规划结果

根据上述参数解算结果，进行共享汽车停放区域多目标选址，得到初始位置分布如图4所示。

图4 初始位置分布

根据图4所示的选址位置分布，进行多目标选址寻优，得到目标选址的自适应性测试结果如图5所示。

图5 目标选址的自适应性测试结果

分析图5得知，采用本文方法进行多目标选址，得到识别能力检测结果如图6所示。

图6 识别能力检测结果

分析图6得知，将文献[1]、文献[2]的传统方法与该方法进行比较，可得本文方法进行选址的识别能力较好，自适应性较强。

4 结论

研究共享汽车停放区域规划模型，结合目标选址的参数识别和优化规划方法，实现对共享汽车停放区域动态参数分析，本文提出基于改进蜂群算法的共享汽车停放区域多目标选址方法。构建选址的网格区域规划模型，结合空间参数规划，进行选址识别。研究得知，本文方法进行选址的识别能力较好，自适应性较强，提高了选址规划能力。