导读:本文包含了时变最短路径论文开题报告文献综述及选题提纲参考文献，主要关键词:动态时变,油料运输,最短时路径
时变最短路径论文文献综述
周刚刚,王永,梁振江[1]（2019）在《基于动态时变网络的战时油料运输最短时路径研究》一文中研究指出为在动态战场环境中选择最短时间、最优路径,提高战时油料运输保障的及时性和精确性,以时间作为主要指标,将动态N-FIFO弧问题转化为FIFO弧问题,并运用Dijkstra算法求解。通过检验验算发现,在动态时变网络最短路径问题中,虽然出发时间和到达时间不同,但最短路径和总通行时间均相同,表明应用此法解决油料运输最短时路径优化问题可行。(本文来源于《军事交通学院学报》期刊2019年10期）
杨传印,黄玮,薛少聪,王劲松[2]（2019）在《基于优先队列的时变网络最短路径算法》一文中研究指出提出了基于优先队列的时变网络最短路径算法,能克服传统最短路径算法难以对时变网络求解最短路径的缺陷。提出的时间窗选择策略能够在算法求解过程中为节点选择合适的时间窗以降低路径长度,从而求得精确解。进一步地,算法使用了优先队列组织节点集合以提高计算效率。在随机生成的网络数据以及美国道路数据上的实验表明,基于优先队列的时变网络最短路径算法与经典方法相比,不仅能够求得精确解,运算速度也有所提高。(本文来源于《计算机应用研究》期刊2019年05期）
李剑[3]（2017）在《卫星时变网络中星座设计和最短路径优化算法研究》一文中研究指出为满足用户能够随时随地进行通信的需求以及多种业务的性能要求,卫星通信以其全球无缝覆盖和支持大规模、多业务流量等特性已成为当前的研究重点。卫星通信网络中节点的高速移动、拓扑结构的动态变化对星座设计和最短路径优化提出难题和挑战。本文主要围绕卫星时变网络中星座设计和最短路径优化技术进行深入研究,具体内容主要包括以下几个方面:首先,简要概述了卫星通信的发展和其中的关键技术,全面阐述了星座设计和路径优化相关的基础理论,在研究卫星时变网络动态拓扑控制策略的基础上,分析总结了已有的星座设计方法和最短路径优化算法。其次,在卫星时变网络的星座设计优化研究工作中,分析了当前的星座组网结构,针对单层卫星网络抗毁能力差、处理时延高以及叁层卫星网络管理复杂、链路冗余度高等问题,结合“最差观察点”以及“覆盖带”理论,分别采用Walker星座设计方法和极轨道星座设计方法对中地球轨道(Medium Earth Orbit,MEO)卫星和低地球轨道(Low Earth Orbit,LEO)卫星进行了组网分析和星座设计,提出了一种适合我国纬度范围的双层混合卫星网络优化设计方案;同时,针对传统卫星覆盖性能指标不能对不同构型的卫星星座进行统一评价的问题,提出了一种基于层次分析法的统一评估模型。通过对仿真结果的各项覆盖性能进行综合分析,验证了该方案对中国区域的无间隙、持续性多重覆盖性能。最后,在卫星时变网络的最短路径优化研究工作中,分析了卫星时变网络的动态拓扑结构,针对Dijkstra最短路径算法在卫星时变拓扑网络中不能时刻保证路径最优的问题,结合卫星节点运动规律的确定性及卫星网络拓扑结构周期性改变的特点,提出了一种基于连接计划(Contact Plan,CP)的最短路径优化算法(CP-Dijkstra)。该算法在信息转发前,通过检查CP是否发生改变,对信息转发路径进行不同的处理,直至信息成功转发到目的节点,从而确保信息经过的一系列路径序列为最短路径。通过与传统的虚拟拓扑路由算法进行仿真对比分析,验证了该算法具有更优的网络性能。(本文来源于《重庆邮电大学》期刊2017-04-05）
闫春望,黄玮,王劲松[4]（2016）在《一种随机时变神经网络最短路径算法》一文中研究指出提出一种基于脉冲耦合神经网络(PCNN)的框架来解决随机时变网络最短路径问题.由于随机时变网络中弧的长度是不确定的,因此传统的最短路径算法无法有效的解决随机时变网络最短路径问题,本文中提出的随机时变神经网络(STDNN)算法通过构造具有随机时变特性的神经网络来解决随机时变网络的时变和随机特性.理论和实验分析可以得出,算法针对边较少,结点稠密的随机时变网络求解效率较高.(本文来源于《天津理工大学学报》期刊2016年02期）
蒋睿[5]（2016）在《考虑节点耗费的时变随机网络最短路径问题研究》一文中研究指出近年来,随着中国社会经济的迅猛发展和人民生活水平的逐年提高,国民车辆的保有量不断增加,因此,城市交通变得日益拥塞,因车辆慢行和发动机空耗而引起的汽油燃烧不充分所带来的尾气污染日益严重.人们越来越希望城市智能交通系统(ITS)以及车载导航系统能够迅疾快速地给出路径规划,使得车辆能够高速快捷地到达目的地。因此,交通管理者和业界研究人员非常关注行车路径规划和车辆的实时导航问题。然而,现有的一般车载导航系统所提供的路径规划存在如下问题:第一,以两点之间的物理距离最短为目标来规划最短路径,而不是以最短行车时间作为规划路径的目标;其次,没有重视车辆在路口处时间耗费问题,车辆在路口处选择左转、右转、直行或掉头,所耗费的时间是不同的,不可以将其统一归结到对应的路段上;第叁,对交通网络的时变性和随机性重视不够。因此,本文以行车时间最短为目标,对考虑节点耗费的时变随机网络最短期望行车时间路径问题进行了研究,具体内容如下:基于道路网络图是时变的、车辆于不同时间在每条路段和每个节点处的时间耗费均是取有限个数值的离散型随机变量的假设,首先建立了考虑节点耗费的离散型时变随机网络一般最短期望行车时间路径预规划问题、出发时间确定的最短期望行车时间路径预规划问题、具有最晚到达时间约束的最短期望行车时间路径预规划问题的数学模型,并设计了求解以上问题的最优路径搜索算法——逆序标号法,对问题进行求解;为了方便数据的存储和计算,引入向量标签描述车辆于每个时间段在路段和节点处的时间耗费;再次,对逆序标号算法的思想、步骤及其模块进行了详细的介绍,得到该算法的时间复杂度为O(I·(N·(M+K)~2·|E|+|V|));最后,考虑到车辆在行驶过程中,道路状况会发生实时变化,对考虑实时信息的实时路径诱导问题进行了算法设计,并对算法的步骤进行了详细的介绍。基于道路网络图是时变的、车辆于每个时间段在每条路段和每个节点处的时间耗费均是服从叁角形分布的连续型随机变量的假设,给出了考虑节点耗费的连续型时变随机网络一般最短期望行车时间路径预规划问题、出发时间确定的最短期望行车时间路径预规划问题、最晚到达时间约束的最短期望行车时间路径预规划问题的数学模型;并将逆序标号算法推广到考虑节点耗费的连续型时变随机网络中,得到了解决该问题的最优路径搜索算法。(本文来源于《天津理工大学》期刊2016-03-01）
闫春望[6]（2016）在《模糊时变网络最短路径模型的神经网络算法研究》一文中研究指出动态网络最短路径问题是网络优化的重要内容,传统的求解算法如Dijkstra算法、A*算法无法求解动态网络最短路径问题,而智能算法如遗传算法等迭代次数高、效率低下,为了更好的解决动态网络最短路径问题,我们尝试改进自动波神经网络算法来解决这一问题,论文的主要内容分为以下叁个部分。(1)模糊网络最短路径问题的神经网络框架研究。为了解决模糊网络最短路径问题,给出了模糊期望最短路径问题的定义,提出了基于自动波神经网络的并行模糊神经网络最短路径(PFNNSP:Parallel Fuzzy Neural Network Shortest Path)算法,通过实例说明了PFNNSP算法的运行过程,在随机生成模糊网络上的仿真实验表明,PFNNSP算法的运行时间优于传统的Dijkstra算法,在国际数据集上的仿真实验表明,PFNNSP算法在迭代次数和收敛速度上优于Dijkstra算法和A*算法。(2)边权动态的时变最短路径问题的神经网络框架研究。为了解决边权动态的时变网络最短路径问题,给出了边权动态的时变期望最短路径问题的定义,通过公交车模型推导出了问题的形式化表示(这里假设边上的权值服从指数分布),提出了基于自动波神经网络的边权动态的时变神经网络(STDNN:Stochastic Time-dependent Neural Network)算法,考虑到算法设计的复杂性,在进行随机模拟时将网络中边上的权值看作服从指数分布,将随机权值转化为静态权值进行计算,实验结果表明,STDNN算法在求解边稠密边权动态的时变网络最短路径问题时效果明显优于DPA算法,在求解传统静态网络最短路径问题时,效率相差不大。(3)带时间窗的时变网络最短路径问题的神经网络框架研究。为了研究时变网络最短路径问题,给出了带时间窗的最短路径问题的定义,结合时变网络的特征设计了带时间窗的神经元,提出了基于自动波神经网络的时变神经网络(TDNN:Time-dependent Neural Network)算法,并且证明了最优解定理、自动波激活次数定理、TDNN算法优化定理,分析了TDNN算法的时间和空间复杂度,在小规模动态数据集上的仿真实验表明,TDNN算法的求解效率优于PCNN算法,在大规模静态数据集上的仿真实验表明,TDNN算法的运行时间优于传统的Dijkstra算法。(本文来源于《天津理工大学》期刊2016-03-01）
陈亮,卢厚清[7]（2016）在《双层智能优化算法求解时变网络最短路径问题》一文中研究指出边成本为一般函数的时变网络最短路径问题(TDSP),已被证明不存在多项式时间算法。同时智能优化算法被广泛地用于求解该类问题,但多数没有考虑节点的可等待约束。提出了求解TDSP问题的双层智能优化算法,内层遗传算法优化每条可行路径的各节点离开时间,外层蚁群算法优化构建的路径,最终搜索到从起始点到终点的最短时间路径。实验结果表明:双层智能优化算法能快速寻优,并且收敛速度和最优路径较同类算法更优秀。(本文来源于《装备学院学报》期刊2016年01期）
王福[8]（2010）在《GIS中时变最短路径理论及算法研究》一文中研究指出最短路径问题作为地理信息系统(GIS)、通信、物流管理等领域的研究热点,多年来产生了大量的研究成果。在这些研究成果中,绝大部分是基于静态网络的,也就是说路径寻优中网络弧段的权值是固定不变的。然而实际生活中的很多问题,如交通导航,其网络弧段的权值是随时间变化的,而静态最短路径算法无法解决这类问题。论文基于城市道路网络,对时变最短路径(TDSP)理论及叁种常见的时变最短路径问题进行了分析和研究,并从搜索策略和网络分布特征入手对算法进行改进,提高了算法效率。论文的研究成果主要包括：1)利用GIS技术提取了北京市区道路网信息,构建出静态道路网络拓扑结构。2)对城市交通流统计特性进行分析,建立了时变道路网络模型。根据日常出行需要,对叁类时变最短路径问题及算法进行研究：出发时间给定的TDSP问题,出发时间域给定的TDSP问题以及到达时间给定的TDSP问题。3)针对D TDSP算法(出发时间给定情形)在搜索过程中的盲目性,采用启发式搜索策略,提出了带启发因子的A_TDSP算法,加快了算法的收敛速度。4)针对A_TDSP算法实现过程中偶尔出现的启发信息不足的情形,根据道路网络特征对算法进行改进。基于网络的统计特征数据,提出了限制搜索区域的R_TDSP算法。5)基于所构建的北京市区时变道路网络平台,对上述所有算法进行了实验仿真。实际系统运行结果及算法实例表明文中所提出算法的正确性和有效性。而且,A_TDSP算法、R_TDSP算法与D_TDSP算法相比,具有明显的优越性。(本文来源于《南京理工大学》期刊2010-05-01）
刘永强,常青,熊华钢[9]（2009）在《改进蚁群算法求解时变网络中最短路径问题》一文中研究指出给出一种时变网络中蚁群算法的信息素更新策略,使边上残留信息素能够正确反映时变网络中边上权值的变化情况;改进了传统蚁群算法的相邻节点选择策略,使蚂蚁只需计算与当前节点存在直接路径的节点的转移概率,降低算法的计算量;将蚁群算法和遗传算法结合,将蚁群算法每次遍历后形成的解作为初始群种进行单点交叉计算,避免陷入局部最优解,提高算法收敛速度.仿真结果表明,改进的蚁群算法能够有效求解时变网络中最短路径问题,比传统蚁群算法得到全局最优解的概率更大,算法的收敛速度更高.(本文来源于《北京航空航天大学学报》期刊2009年10期）
胡腾波,叶建栲[10]（2008）在《GIS时变权值网络最短路径算法研究》一文中研究指出最短路径分析是GIS网络分析的基础。传统的最短路径算法中,比较经典的算法是Dijkstra算法。由于地理信息系统中的数据具有不确定性、数据量庞大等特点,因此采用传统的Dijkstra算法进行最短路径分析就不适应。为此本文分析了传统网络中的最短路径算法-Dijkstra算法在时变权值网络结构中的局限性,给出了一种适应于时变权值网络的最短路径算法,并且利用改进的邻接表作为存储结构对算法进行了优化。(本文来源于《计算机与现代化》期刊2008年11期）
时变最短路径论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出了基于优先队列的时变网络最短路径算法,能克服传统最短路径算法难以对时变网络求解最短路径的缺陷。提出的时间窗选择策略能够在算法求解过程中为节点选择合适的时间窗以降低路径长度,从而求得精确解。进一步地,算法使用了优先队列组织节点集合以提高计算效率。在随机生成的网络数据以及美国道路数据上的实验表明,基于优先队列的时变网络最短路径算法与经典方法相比,不仅能够求得精确解,运算速度也有所提高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
时变最短路径论文参考文献
[1].周刚刚,王永,梁振江.基于动态时变网络的战时油料运输最短时路径研究[J].军事交通学院学报.2019
[2].杨传印,黄玮,薛少聪,王劲松.基于优先队列的时变网络最短路径算法[J].计算机应用研究.2019
[3].李剑.卫星时变网络中星座设计和最短路径优化算法研究[D].重庆邮电大学.2017
[4].闫春望,黄玮,王劲松.一种随机时变神经网络最短路径算法[J].天津理工大学学报.2016
[5].蒋睿.考虑节点耗费的时变随机网络最短路径问题研究[D].天津理工大学.2016
[6].闫春望.模糊时变网络最短路径模型的神经网络算法研究[D].天津理工大学.2016
[7].陈亮,卢厚清.双层智能优化算法求解时变网络最短路径问题[J].装备学院学报.2016
[8].王福.GIS中时变最短路径理论及算法研究[D].南京理工大学.2010
[9].刘永强,常青,熊华钢.改进蚁群算法求解时变网络中最短路径问题[J].北京航空航天大学学报.2009
[10].胡腾波,叶建栲.GIS时变权值网络最短路径算法研究[J].计算机与现代化.2008