基于多目标优化相邻两交叉口信号配时

序评委肿一开评分，签名壮及备注丽队号：扭1492兼评委三评分暮，签名及备杜注这评委二评分说，签名及备请注礼选题：粱A捆评委四评分纤，签名及备摧注钞题目：层基于多目标斑优化相邻两答交叉口信号架配时研究裤摘要推现代社会，总随着交通拥清堵现象的日群益严重，交忽叉口信号配俩时的优化对公减小道路交克通压力有着窗十分重要的甚意义。针对滩相邻两交叉世口信号配时蔽优化问题，禽本文从等待稻时间和等待喝车辆数两个民角度分别建县立优化模型印，对该问题竟进行了研究编。臭在模型一中污，将相邻两堤交叉口优作为一个系蝴统盈，建立了以蓝系统中车辆刷总队等待叛时间嘴最小古为目标函数荣，纤以各相位有技效绿灯时间皱、信号周期窜时长为约束探条件的优化边函数模型。吉运用遗传算辨法（至GA客）和模拟退洲火精英协同齐算法（著SACEA绕）两种方法改，利用旅MATLA辅B幅编程，分别虏对模型进行嫂了求解，得校到了两种优哄化配时方案费。甲迹在模型二中明，将两交叉趋路口作为一马个系统，对猛系统的车辆寸等待数进行挺分析。将一坟个系统周期凉结束时该系状统的车辆等征待数总和作董为主优化函厌数，将各交邻叉路口各自丧一个周期结挖束时的等待裤放行车辆数窜总和作为次翁优化函数，棉将各相位时波间作为约束昆条件建立多待目标优化模菠型。同样运宰用颈GA矿算法和趁SACEA肚两种方法对托模型进行求乓解，得到了挪两种优化配位时方案涌。拴每个模型得罗到的最优配偿时方案与现炮行配时方案袖对比蒜如下顶：交叉口相位差(s)相位1绿灯时间(s)相位2绿灯时间(s)相位3绿灯时间(s)相位4绿灯时间(s)周期(s)交叉口等待时间(s)A现行852193122140158.1模型一1230.8617.2515.2320.1499.5096.9模型二1326.8621.1215.1522.24101.3990.5B现行843173518129275.4模型一1232.516.2315.4318.1298.35100.6模型二1331.1221.3516.7515.11100.3485.6乖在模型检验进部分，采用熔Synch利ro册软件对优化侍配时方案和封现行油配时方案分意别进行仿真央，圾以交叉口的纸等待时间作箭为衡量标准管，付得到了两种愤模型的配时团结果都优于稳原有的方案部，尤验证了模型或的有效性抱，欠并且品SACEA罩算法的优化节效果炭明显叛优贤于疏GA者算法。表在母收敛性、时貌间复杂度、龙空间复杂度丸方面，晨SACEA井算法的收敛序速度及复杂沾度均菠高于遗传算蒸法。绿最后诸，音本文以模型刑二为基础进奉行了推广否，烛将两交叉口致四相位优化版配时推广到喇了多交叉口向多相位的网狮状系统挣，匙使模型更具秧有通用性平。颠关键词加：叹多目标优化撕；樱遗传算法辰；农模拟退火精销英协同算法摩；同MATLA蜻B碑；暗Synch味ro目录一、问题重述 3二、问题分析 3三、模型假设 4四、符号说明 4五、模型的建立与求解 55.1模型一—基于车辆总延误时间最小的多交叉口优化配时模型 55.1.1思路分析 55.1.2模型建立 85.1.3模型求解 135.1.4结果分析 165.2模型二—基于等待车辆数最小的多目标优化配时模型 205.2.1思路分析 205.2.2模型建立 205.2.3模型求解 245.2.4结果分析 295.2.5模型扩展 335.3与现有配时方案对比分析 355.3.1现有配时方案仿真及模拟 355.3.2现有配时方案与优化后配时方案对比 38六、模型评价 396.1模型优点 396.2模型缺点 396.3模型改进 40七、参考文献 41八、附录 41一、问题重述随着城市化水平的提高，机动车数量急剧增加，城市交通拥堵问题日益严重。平面交叉口是道路交通的主要冲突点，不仅机动车数量多，而且行人和非机动车也在同一平面通过。定时控制这种传统信号灯控制方法会造成某些方向绿时浪费，而在有些方向上车辆通行又延误严重。因此，智能交通信号控制成为了主要控制手段，优化交叉口信号配时是提高交叉口运行效率最有效的方法之一。现有武汉市某相邻两交叉口A、B交通数据如表1所示，交叉口A的第一、二、三、四相位时间分别为56s、23s、35s、26s。测得两个交叉口的相位差为8s，交叉口B的第一、二、三、四相位时间分别为47s、21s、39s、22s。每个相位时间都包括3s黄灯时间、1s红灯时间。表SEQ表\*ARABIC1交通数据徐交通数据蚂交通流量漏/(宗PCU近·瞎h窝-1穿)穷车均延误时屑间高/s娃左转图直行宾右转筹左转插直行欺右转钻武汉市握A毁交叉口剪东进口所366本1394弟98抖7.55必6.72锅5.80独西进口进295绒166抛72唱南进口作525息408木300梢8.16是4.89伪5.63秀北进口吵100腔394照576胳武汉市那B来交叉口逐东进口鸭802早1154忍576轻5.26争11.33孔4.96驴西进口叙450杆304县329盼南进口怒169痒420传84铃5.03姓13.61免5.43卡北进口荒132档535良90为有效指导提高实际平面交叉口的通行能力和服务水平，减少城市交通网的交通延误，改善城市交通现状，要解决的问题有：设计通用模型与算法，对交通信号进行配时优化研究；求解出改善后的交通信号配时方案并进行仿真检验；从时间复杂度、空间复杂度、收敛性进行对比分析，对模型进行进一步优化。二、问题分析这是一个配时优化问题，根据武汉市两相邻平面交叉路口A、B的交通数据对交通信号配时方案进行优化，以提高实际平面交叉口的通行能力和服务水平，减少城市交通网的交通延误，改善城市交通现状。问题的特点在于A、B为两个相邻的交叉路口，且交通信号为四种相位。问题的难点在于所建立的模型在充分考虑单交叉口各进口处车辆流向和流量的基础上需要将A、B连接起来加以协调控制，构成干线交叉口交通信号的协调控制系统，以减少相交道路车流对干线车流的干扰。在保证相交道路车流行车需求的同时，使干线车流获得最大的通行权。三、模型假设（1）排队车辆平均分配到该行驶方向的车道上；（2）为保证绿信比，各相位的绿灯时长不低于10s；（3）黄灯时车辆不允许通过；（4）只考虑机动车相位，不考虑行人相位；（5）两相邻交叉口信号周期时长不等，信号配时方案不同。四、符号说明清符号准定义安符号灵定义秤绿信比胳碑车辆通过系椅统的平均行叛程时间此j跳方向序号脆d润i纤为东西方向宰的总车均等胜待时间粒k贪车道序号底t件12艰表示交叉路模口护1棒与交叉路口备2谋的相位差离i务庙相位序号仿s唤l杀第矛l胆个蒜系统即周期，整个凶系统的车辆剪等待数绞t驾绿灯时间烦车辆在宁A滥、致B兰两交叉口之败间得行驶的平均厨车速撒C声周期时长究w菜n剃m烂第妄m爸个路口周期糊，携第非n恰个路口的车污辆等待数签n住交叉朋口序号而d衡ki艇第捆k四个交叉口第竹i递相位的车辆其平均等待时铅间馅x互交叉口饱和氧度途t继mn犬i蓄第革n尝个路口右，朵第械m带个周期的各拉相位的绿灯已时间盆C绩n舍第棕n屿个路口的周消期枝d'溜ki漠踪第列暂k籍个交叉口第欺宋i研相位的车辆地实际平均等立待时间督q挽进道口的实绘际车流量冲p拆nk食l授第逃l宅个网络周期坝，军第旦n塘个路口各车制道的车辆通刺行率捕q情s侵为进道口的劣饱和流量挎v厨i漂n,n+1荒由路口既n悉到路口伪n姥+1稳方向、第桶m略个周期的车焰流速度誉β圣各方向各车日道的分流比闷a像nk晃l刑第唯l街个网络周期养第话n锈个路口第趴k灯条车道的车财辆到达率倾L誓n,n+1伞相邻交叉口奸沟n携，弄n宪+1葬的距离府ρ毯i碌n猜，线n+1蝶由路口责n面到路口喷n群+龙1充方向沃、拿第忍m凉个周期的庄平均车流分臭布密度臣五、模型的支建立与求解桌5.1卖问模型肿一旗—门基于车辆总挨延误时间最籍小的多么交叉口蔑优化配时模物型滑5.1.1笋思路分析柱多交叉口的雅优化实质是控利用算法对采各个交叉口杜的配时进行输协调控制，第使车辆能够饺以最快的速喘度通过多个世交叉口低[[]王锦锦.改进交叉口性能评价及多目标优化配时研究[D].重庆大学,2012.慈]腹。因为城市旧道路主干道燃是城市交通铲的命脉，主愧干道的通畅漆与否直接影届响相邻区域设甚至整个区抓域的交通情葬况，因此减脏少干线车辆塌的总延误，雁使得车辆能[]王锦锦.改进交叉口性能评价及多目标优化配时研究[D].重庆大学,2012.砍由题目中形表破1补所给出的数煤据可以看出傅A抚、振B付两交叉口所脱形成的区域叉中尤，奋东西方向车衡流量较大唱，因此本模础型以车辆通惯过交叉口东伪西方向的总帐延误最小为拣目标，考虑慨车辆通过干全线的平均行泄车时间和车坏辆趋于停车祖线处的平均挡延误时间来浪建立模型劣。堪利用旺MATLA袭B草软件编写程汉序对所建模沫型进行求解壳，最后将模多型应用于武离汉市某相邻逝两交叉口储A票、夏B俗，优化其配危时方案，并企用睛Synch月ro7准软件进行仿康真验证，用机SimTr垄affic恳7友软件进行优德化模拟。万信号控制的绸基本宽参数有三个追：周期时长寻、绿信比和且相位差。控藏制系统的功获能就是最佳规地确定各路其口在各车流怨方向上的这旺些参数，并肢付诸实施。指（犹1家）周期时长穿周期时长即是信号灯运行时一个循环所佳需的时间，漂等于绿灯、缠黄灯、红灯只时间之艘和固。一般信号类灯最短周期刚不能少于漠36s斜，否则不能久保证几个方贯向的车顺利渴通过交叉路粘口僻[[]姚祖康张树升，道路与交通工程系统分析，人民交通出版社.1996荡]常。最长周期阶不超过倡2min呜，否则引起扁等待司机的割抱怨，或者豪误以为信号孙灯已经失灵佛。适当的周薄期长度对疏驶散路口处的东交通流、减队少车辆等待园时间有重要耍意义氏[[]姚祖康张树升，道路与交通工程系统分析，人民交通出版社.1996[]段敬琳.城市交通信号灯动态配时优化算法研究[D].沈阳大学,2014.很正确的周期史时录长应该袖是：一个方胸向的绿灯时虚间刚好使该棋方向入口处育等待车队放担行完毕。例卵如一个两方侵向（东西向害和南北向）恳交叉口，设途两个方向的采交通需求（贵达到率）分悦别是掏d芒1咳,d枯2占，通行能力葡分别是忌s背1攀,s泛2决，巾周期时间长右度为退t缝c态，绿灯时间断分别为毛G肥1御,G眼2纯,弄其中损失时张间分别为泰L什1别,L烧2来（损失时间六是指不能被贪充分利用的勾时间，原因明是绿灯出现申之初车队床反应和加速幸过程），黄均灯时间不计兽，则：躺哄垄揪孔句龄非千（猜5衬愚1干）败若校s放1钳=s谋2饭=s泄，培将以两式相本加，并将泼G万1码+G今2躬=t目c傍代入得讯:烂狱芒浙踢蛇特南（捏5梅罩2喉）丸由式汤（鲜5-斥2帅）可以计算帅出保证路口候不堵塞的一口个最小周期健值。僵若需求完过高，堵塞果现象成为不喝可避免的，乔信号周期时像长应取为最敌大允许值。添（财2故）绿信比柳一个周期中锤，绿灯时间种与周期时长攻之比称为绿享信比被[[]杨兆升编，城市交通流诱导系统理论与模型，人民交通出版社，2000佳]戒。设绿灯时涂间为忽G葛，周期时长牵为潮C梦，[]杨兆升编，城市交通流诱导系统理论与模型，人民交通出版社，2000借喉闭易躺春表放哑吹喊(5-3)禁绿信比的大却小对于疏散丧交通流和减呜少路口总等谎待时间有着座举足轻重的躺作用。通过元合理地分配勒各车流方向磁的绿灯时间榨（绿信比）习，可使各方长向上贪阻废车次数、等鬼待时间减至桶最少隶[[]李年源[]李年源.同时考虑行人和机动车效益的交叉口信号控制优化模型[D].北京交通大学,2010.（3）相位踏相位是对于飞一个路口多铜方向交通流域而言的，一球个交通流方春向（一个绿带灯信号）称骄为遣一宣相。按交叉槐路口道路的故相交方式来港划分，交叉躁口可以分为向T陷型交叉口、惠十字交叉口权、誓Y任型交叉口、请X逼型交叉口等板。不同的交诱叉口有不同水的相位设置限，比如鼓T辨型交叉口一骑般设置三相昏位，而十字是交叉口需要坛四相位控制桥。友各交叉口相芳位设计必须名遵循相同的热原则，即每潜个交叉口至盆少设置两个匀相位，使相想位间绿灯间五隔的时间要在尽量地少。获相序是用来尝控制相位间寸变换的参数踪[[]段进宇,缪立新,江见鲸.面向中国城市的先进交通控制系统的设计规划[J].清华大学学报(自然科学版),2001,06:108-111.窃[]段进宇,缪立新,江见鲸.面向中国城市的先进交通控制系统的设计规划[J].清华大学学报(自然科学版),2001,06:108-111.婆图衫炸5.SEQ图\*ARABIC她1狱疑顷单交叉口交再通流分布图念典型交叉口速一般采用四洽相位控制，混如图稻5.忽2带暗所示，东西荡直行为第一部相位；东西望左转为第二宿相位；南北占直行为第三畜相位；南北朽左转为第四斜相位；右转粪车辆随直行拣相位行驶，滑没有单独相果位。滨图墙脱5.SEQ图\*ARABIC裙2夺铜四相位控制杂示意图姿（考4需）相位差竞相位差是对逝两个路口同少一信号相位察而言的。如袜图塔5.3劈所示，踢一条东西走理向的大街上舌有两个相邻期的交叉路口洒，交通信号惰周期相等，坝它们同一相线位（沾例如东西直康行绿灯）起张始时间之差忌就是该两路你口东西直行准信号的相位烘差扶[[]边明远,[]边明远,陈思忠,罗汉军.智能交通系统(ITS)及其发展[J].武汉理工大学学报(信息与管理工程版),2001,01:67-70.

副图祸5.SEQ幅图读\*A拨RABIC递下3村暴两相邻交叉斜路口却A筑、兰B映之间相位差爽示意图上当涉及到对浆一条干涉上仪的交通流或乌一个网络内甘的交通流进密行控制时，刚相位差是一僻个重要的控护制参数。通逮过调整各路飘口间相位差纹，可以使一词串路口的信贷号灯形成一断个协调控制衡系统搏，车队通过杏这些路口时挡畅通无阻。胖5.钩1妇.厦2漆模型建立渴1.壁昨多交叉口协掉调优化模型生对交叉口车终辆的平均延势误采用经典角她W路ebste拜r按延误公式，锡即婶寸尺岁仿券（吓5-温5户）医党（端5-虾6赔）吴以东西方向墙为干线方向集的总车均延遇误计算如下车：厘蚀役（评5-奇7渠）很路段平均行线程时间蜓中躺高艰蛾（绸5-奋8役）受以车辆通过叶系统所需平栏均总扶行程冶时间（即平漠均行程时间律和平均总延展误时间之和蝇）为控制目须标，以有效组绿灯时间、欠饱和度和实徐际延误为约济束，模型如蓄下：骑添（职5-叮9帖）汪其中，周期弃C歉的取值范围芦为羽[30s,衰160s]即，绿灯时长月G舞取值范围为耀[10s,悟60s]辈，通过约束瓶（其中减）计算出最漫优周期时长脑C捞，即吸耗个顾侍（慨5-纽10讽）轮对公式将（彼5-近9销）化简后可启得：芦村（删5-抗11撑）饱建立起两相藏邻交叉路口肯实时优化配桐时模型后，侧采用两种智倦能优化算法餐，即遗传算鱼法（慎GA佩）和基于模像拟退火的精北英协同进化立算法（光SA苏CEA乞）对其进行益优化、仿真晓，枯并从时间复淘杂性、空间箩复杂性和收隔敛性等角度效进行对比分炉析，最终得腿到最优配时桌方案。授2.啄躁遗传算法貌（怜GA虎）聋优化多交叉泻口交通信号借配时树遗传算法包持括三个基本况操作：选择扣、交叉捡和变异。这沙些基本操作皇又有许多不僻同的方法，娃使得遗传算嫂法在实用时挑具有不同的覆特色陵[[]贺玫璐[]贺玫璐.基于模拟退火精英协同进化算法的交通信号协调优化控制[D].南京邮电大学,2014.

旦（村1男）敢析选择：根据纲各个个体的故适应度，按浴照一定的规方则或方法，驱从第壳t钻代群体中选体择出一些优锯良的个体遗抹传到下一代捎群体中。未（田2泳）扔场交叉：将群撕体内的各个摧个体随机搭堂配成对，对务每对个体，掉以某个概率房交换它们之珍间的部分染极色体。雷（鸣3敢）蒸教变异：对群枣体中的每一寿个体，以某妥一概率改变符某一个或某遇一些基因座狠上的基因值页为其他的等恒位基因。遗习传算法就是庸模仿生物的叫进化过程（歪即通过染色鸟体之间的交旋叉和变异来父完成），将册基本操作作辜用于群体，来从而得到新劈一代群体，述提高群体适免应环境的能泻力。漂基本过程如法下：亭（图1燕）闭计算开始时呆，一定数目繁N却个体即种群筐随机地初始恨化有；凯（虑2暴）松计算每个个复体的适应度日函数，产生夸第一代轻；界（根3功）鹊如果不满足筛优化准则，营按适应度选肠择个体，父秧代要求基因稍重组（交叉版）而产推生子代；结（峰4礼）菜所有的子代截按一定概率蜂变异址；昆（握5淡）重新计算幕子代的适应烧度；壤（伏6殿）顷子代被插入隔到种群中将杂父代取而代有之，构成新听一代，这一应过程一直到曲满足优化准伪则为止。含遗传算法的疯流程图如图亚5互.4米所示：惹遥箩拴图姻5.SEQ疾图则\*A香RABIC较冰4臣波遗传算法流式程图抗3培.域拾模拟退火精翼英协同鸦算法料(也SACEA碧)值优化多交叉族口交通信号妖配时起在研究协踏同进化算法旷和模拟退火基机制的基础梦上，在精英凉协同进化算蹲法中加入模剥拟退火机制绩，桌建立了债模拟退火精挪英协同剃算法宋（叫SACEA辩）悦，脖使得算法具锦有更好的全订局寻优能力捏和较快的收歼敛速度。哄SACEA镜算法首先分私出精英种群纺和普通种群干，精英种群怀组建团队，斯组团过程中贴本文引入随黑机种群，增趟加了种群的棍多样性；通就过随机种群逮选择的团员乐采用模拟退裳火机制进行昆进化，更好踢地提升了算拴法寻找全局猎最优解的能娱力，同时因亩为采用改进勾的提高收敛品速度的模拟尸退火机制，饭算法的收敛征速度也得到详了保证和提晓升。覆SACEA惭算法的具体到步骤如下：摇（亡1止）初始化种俗群阅pop茶(t)盾，计算个体浆适应度，将薪种群内个体调按适应度降身序排列城；才（旋2锻）依据适应鼻度将恭待pop(蛋t)篇划分为精英质种群和普通西种群（鲁M央个精英个体肉、灵N-M谨个普通个体碰），并复制筹生成子代精煌英种群和普惜通种群；同沫时复制当前资适应度旬最大的精英袋个体；咸（鞋3探）精英组团萄：酸①每个精英哄各自组建大插小为拼（迈G佩向上取整）别的团队；桥②其中，从辽精英种群和师普通种群中生等概率地选锦取砍个哲个体，然后芹随机生成肆r恳G痛个盐个体；卸（场4盾）进化操作同：蒸①如果团队递中的个体来仍自精英种群砌，进行协作大进化：生成冻一个均匀分殿布的随机数宏；如果既，绕执行群CCOI乘命算子，否则摄执行斑FCO牲算子。其中皱，毒U遗做为在区间聪内产生的一众个均匀分布辩的随机数；馒为长方体交叼叉概率，是胡预先设定好爆的参数毁；股②如果来自现普通种群，带进行引导进财化：执行毁CCOI耳I踪算子喉[[]MuCH,JiaoLC,LiuY.M-Elitecoevolutionaryalgorithmfornumericaloptimization.JournalofSoftware[J],2009,20(11):2925−2938[]MuCH,JiaoLC,LiuY.M-Elitecoevolutionaryalgorithmfornumericaloptimization.JournalofSoftware[J],2009,20(11):2925−2938姑③如果个体而是随机生成假的，则利用悄模拟退火机夏制进行进化繁；怀（抵5兔）更新子代道精英和普通死种群：懂①对于协作榨和引导操作志得到的新个打体，如果适券应度大，则独由其代替原峰父代个食体在子种群蚂的位置；计嚼算当前子代透种群最差和乖第二差的个纯体，对于模苦拟退火机制傻进化得到的倦新个体，与荐当前子代种偿群中糖最差个体进阳行比较，如换果其适应度凳大，则代替盯子代普通种醒群的最差个猎体；捎②检验当前坡子代种群是涉否含有父代逢最优个体，碎没有则用父缎代最优个体搜替换子代种振群第二差个腹体；伶（包6塔）感M馆次循环完毕角，合并子代基精英种群和屋普通种群为义pop(绘t)权，令编；蹄（势7悼）判断是否诸满足终止条傻件，满足则税将棚pop(抱t)涌中的最优解线输出；否则疯返回（肾2非）。辫算法中步骤档（输4远）的具体退爱火步骤如下教：驱Step1违：令当前个视体为初始解别赤S室，最优解跃best=牌S栋，如谊s励(模0踏)牵=帮罚S庭，竟计数参数土p=0,i束=0;返Step2盆：令灾，进行抽样耐（参数为抓t损、零best牧、论s(i攀)少）渴；抽样完成秧得到最优解估best概0葛和当前状态忘s'献，示。如果予，则酬P=P+1长；丽否则，彼best州=推best弯0碎；草Step3踩：退火。沸。其中劣;仪Step4降：如果如（阈值它1茄），则转向六下一步；否钟则返回物Step描2侄；荐Step5飘：以球best榜为最终的最短优解输出，各结束整个退携火算法。女其中，弦Step2扮爸中的抽样过魄程如下：叹令初始状态售，初始最优残解察籍，计数参数慢；根当前状态个神体季和当前主导粗精英进行单国点交叉和非厅均匀变异，率计算产生的历两个新个体抄的适应度，傲选择适应度姻大的新个体秩作为新的状说态泡s育，计算义。冻如果堪，则暑，魄，信；若骄，插令段，册如果以概率缠泳接受新状态让，令烟，如果新状得态没有被接搁受，则猪；扒如果约（阈值刮2浩），则进入览下一步，否叉则返回上一积步；别当前状态胳，怀令接受锣次数为牧，理best枯0真为最优解输千出到，算法净结束。名SAECA眨危算法基本流心程如图室5.缴5案所示。餐图声5.SEQ场图昌\*A险RABIC乳牧5倍SA食CEA踩算法流程图抱5.静1.3催模型求解粮采用编MATLA拖B寿语言编写程轨序，对公式驱（饿5-说11风）分别进行逝遗传算法优鞋化和唯SACEA盘系优化，仿真飞过程需要的神控制参数设蔬置如下：两更种算法的初础始种群大小撕I口均犬1000辜，最大进化记代数为观500照，遗传算法均交叉率它P锋c咳均为晶0.9技，变异率拍P艘m仪均为甘朱0.01荡，掩SACEA超锄参数中精英兄数壤M饿=60却，父T定0尤岩取按500拴，投max1着取应200挪，瞧max2酷哑取害300御，卡计算随机种城群比例参数逢r今时，戒r多0逮划取妙0.1所，警d京取南0.1若；通过查阅报资料，药对题目中所尸给的数据进爽行分析并桐综合武汉市禁的交通状况检，初AB祝间距离挎取炮900m丈，平均车速肿取占30头k底m/h甚。吊由于程序单隙次运行具有达随机性，在处算法参数设比置不变的情恨况下，对所凡有算法均独范立运行智20嫁次，取其平奶均结果。疲1稻.刷遗传算法求首解嘱步骤及结果咳：宣遗传算法求毯解步骤为秀：冲（献1旧）待优化变潜量为，即两摸个交叉口各对自的四个绿裤信比；程（示2瞧）设定参数阀：压M馒-雁最大遗传代壤数、竟嘉I盼-伸初始种群大驼小、抗P你c造呈-答交叉率、丹P钳m追-拼变异率；得（渣3碰）编码：本闭文采用实数殃编码，所以骑染色体的长障度为变量的糠个数；类（欢4近）初始化：转随机产生大盯小为甲I遗的初始种群甜；分别以目匙标函数菜y西为适应度函援数，计算种竖群中个体的叮适应度；赔（煌5棵）进行遗传彼操作：贸①选择：通衰过计算奴y歇个体适应度姨并进行降序滋排列，采用颗随机竞争的坡方式选择新隔的个体；斩②交叉：采沈用凸交叉操盛作；始③变异：采淋用非均匀变办异；厚（铃6跌）判断结果疾：判断迭代辛次数是否达乌到西M轧,究如果达到则介结束，否则落转回步骤袭裂（虎4促）。欣MATLA捞B邀仿真图为前：亡图军5.SEQ户图习\*A慈RABIC蔑园6蛛遗传算法多剑交叉口配时丰优化图游2唉.妄模拟退火算减法求解狮：雄（吼1姨）编码：采隐用实数编码丝{只}翅，一个染色名体代表一种睁配时方案；续（幅2盟）适应度函礼数构造：本票文所采用的蜡延误模型是衔带有约束的掩，所以采用朝静态罚函数纷法处理约束旨条件。依据氏公式（不5玩-两11角）的约束条棚件，令少务坦俯（双5-主12繁）沉加入惩罚项塞的目标函数箭为：久告牵俱（革5-痰13熔）辛惩罚因子笼A扒的值为上1000摘0锤。因为延误俘模型是最小橡化的模型，如所以适应度寒函数尘友Fitne眯ss(宴x)竞选为柿；么（缎3他）初始化：秤种群规模坊N抖=1000煌，最大进化勿代数设为肉500晒，知精英数建M抖=60嘱，设初始化墨代数户t贞杠=烤0掘。谁根据约束条秀件生成初始书化种群若诚pop(豆t婶)执并计算适应齿度。羽旨evalu残ation企为当前进化宅代数，荡Maxev喜为最大进化明代数；欠（损4鸟）划分种群渗：将糊重pop(程t)迟划分为含有迈M哪个诞精英个体的拔精英种群和园N舱-挂M倦个植普通个体的唉普通种群，爸并复制生障成子代精英贤种群和子代柿普通种群；临同时复制当翻前适应度最窜大的精英个未体；义（津5声）精英组团张：骑①每个精英浮各组建大小隙为唤呆（找t励向上取整）铺的团队；盼②其中，从商精英种群和幅普通种群中莫等概率地选黑取前个伤个体，然后淘随机生成疾值r换×文t常个排个体；斑（省6资）进化操作舍：把受如果团队中篮的个体来自辱精英种群，属则进行协作捷操作；如果乌来自普通种注群，则意进行引导操痰作；如果个他体是随机生匆成的，则利度用模拟退火手机制进行进悲化；酷（隆7监）更新子代相精英种群和衔普通种群；范（言8庸）全部精英畜组团完毕，修合并子代精施英种群和子怖代普通种群尚作为记，叔；不（馅9季）终止判断酒：判断是否角达到最大进碑化代数，如绪果是结束进谎化；不是则食返回步骤（领4争）挤。团MATLA歉B岩仿真图为宾：举图懒5.SEQ液图晒\*A疗RABIC寻尸7尸SAE手CA记多交叉口配仿时优化图院5.1.4鼠结果响分析汤利用遗传算股法撒（米GA摇）下和笼SACEA而对公式（浴5欠-熔11阅）的优化配玩时结果如表永2牛所示。芒表粮SEQ别表拢\*A低RABIC桶洽2林佩利用遗传算胃法和翼SACEA挥算法优化配抵时结果供算法困交叉口透相位差哲相位时1扬绿灯时间猾(s)都相位窗2调绿灯时间议(s)辨相位你3讯绿灯时间敞(s)纯相位束4汽绿灯时间京(s)男周期斤(s)企主干线总延倚误扎(s/蚊PCU掀)誓总行程时间座时间久(s)猾GA松A弟11尽36.21雁25.54延20.82竟21.27呢119.8宿5仁7.22冰1按09喊.35糟B决34.09屯20.83失22.87植17.24懂111.0陶4敬SACEA剥A什1笋2券30.86们17.25掘15.23粉20.14辱99.50踢3麦.34异9漂6材.24谢B很32.5沈16.23监15.43抽18.12闪98.35处1肤.乳抗Synch煮ro7绩仿真结果忆将遗传算法隙和跑SAECA盼算法求出的椅四个相位的骡绿灯时间以侄及前A先、教B招两交叉口凤的交通数据治输入侵Synch抢ro7狡仿真上可得到各垦交叉口服务洽水平届(Inte泼rsect腹ion困LOS)粪、伏交叉口通行日能力利用水饲平历(ICU适LOS)毁以及承交叉口等待卫时间银[[]邹志云,[]邹志云,陈绍宽,郭谨一,白立琼,常超凡.基于Synchro系统的典型信号交叉口配时优化研究[J].北京交通大学学报,2004,06:61-65.辱（蚕1练）特A班交叉口艘将毫第一、二、粘三、四相位黄的交通流量宾和相位时间戒（粪每个相位均罪含盟1s欣红灯剧3s医黄灯）等交枪通数据输入笨Synch丈ro7大并进行仿真钟得到结果如半图宰5.此8妨所示矮。呢图誓5.SEQ颂图宝\*A激RABIC汇筑8强A滋交叉口遗传闹算法优化信牙号配时方案接下的吧Synch革ro7流仿真结果摊从馋Synch粒ro7增仿真结果得明到声A毅交叉口延迟锻时间为丛123民.晚2s水，交叉口服税务水平和交屿叉口通行能描力利用水平慨均为增F悼级。清将倒A年交叉口桐通过孔S缘ACEA铲算法柱优化配时后点第一、二、糊三、四相位呀的交通流量箭和相位时间勒（含红灯有1s养黄灯雾3s杀）等交通数恩据输入并进柄行仿真得到宜结果如图泼5.菜9涛所示酷。垒图乔5.SEQ图\*ARABIC罗9赖A钩交叉口模拟敌退火优化配驻时方案下的它Synch套ro7迈仿真结果煌从谜Synch露ro7球仿真结果得西到建A损交叉口延迟狠时间为嫩96.9糕s业，交叉口服采务水平和交浇叉口通行能构力利用水平谈均为佣F累级。趁（2）遥B束交叉口燃将皆B决交叉口吉通过遗传算遗法野优化配时后浑第一、二、炎三、四相位洗的交通流量喜和相位时间害（含红灯舍1s贺黄灯众3s叔）等交通数腔据输入并进免行仿真得到聪结果如图比5.堪10条。灶图服5.SEQ哄图脂\*A辱RABIC搞驼10限B咸交叉口遗传偿算法优化配兆时方案下的写Synch扶ro7哨仿真结果斗从惹Synch影ro7证仿真结果得师到脖B鼠交叉口延迟赔时间为摸173.6络s承，交叉口服叠务水平为互F距级，交叉口正通行能力利售用水平为劳E熊级。布将奏B哄交叉口斗通过模拟退归火算法趴优化配时后殊第一、二、动三、四相位吓的交通流量诉和相位时间车（含红灯暂1s袭黄灯盗3s蜘）等交通数帜据输入并进除行仿真得到落结果如图舞5.怒1恳1棕所示隶。秧图哭5.SEQ丹图都\*A等RABIC滔迈11灶B痒交叉口模拟曾退火优化配贩时方案下的钉Synch烦ro7庆仿真结果瞧从恶Synch衔ro7跟仿真结果得堡到诵B钻交叉口延迟剪时间为食100.6番s揪，鸽交叉口服务朵水平为议F奔级，交叉口饶通行能力利赛用水平为陈E股级。耳综合两相邻仗A鹊、驶B跟交叉口茫Synch滚ro7招仿真结果对朴延迟时间宣(Inte死rsect杂ionD驰elay)剑、交叉口服突务水平呀(Inte标rsect邀ion遗LOS)毙、交叉口通疼行能力利用胸水平停(ICU怪LOS)恳进行汇总如嫌表香3圈所示。示表镰SEQ表\*ARABIC仙3元拆服务水平对章比吴交叉口锻交叉口资等独待时间尽(s)本交叉口服务致水平镰交叉口通行详能力利用率械水平烂A肿GA板123.2祥F百F售S舌AECA旷96.9掌F副F尝B仙GA仰173.6先F只E脉S泰AECA糖100.6曲F难E钓由上表可以掌得到舞SACEA捡算法优化后临的移A敞交叉口的类等待皱时间咽比遗传算法扛降低了腥：瓶B雨交叉口的立等待奸时间降低了伯:鹅两相邻交叉害口总的茫等待充时间降低了盖:渗乘上述分析可恢知悉，肺SACEA涝算法能够更闭有效地减少厘东西方向干舅线上车辆的联延误时间条，使得车辆粱能够以最短盾的时间通过脑干线各个交架叉口，还从而减少交友通拥堵什。巧2.只首收敛性、时拌间复杂度、蒜空间复杂度怕对比分析云从图快5.6羽和图样5.7凉可以看出：当SACEA卵和遗传算法妖都能很快寻起找到所求模葛型的全局最蜡优解，遗传膨算法在秒3柴7胞8蚁代时收敛到粒全局最优值蝴，而旬SACE撒A贸在咳2喉08升驻代就收敛到朽了全局最优让值，显然值SACEA笼说速度更快。帅同时，使用滩遗传算法优障化，车辆通屿过两交叉口张干线的时间顽为技10价9慰.35s享，而草SACEA目优化后甲则只需要炎96.24恨s缠，显然，间SACEA预变比遗传算法扎具有更高的腰数值优化能监力。栏因为狱SACE溉A隔结合了精英钞协同进化算篇法，加入了码改进的快速泻模拟退火机篮制，使得算尾法不仅能更辩好得寻找到貌全局最优解浸，同时能保眼持更快的收巴敛速度；算减法中详随机种群的夕加入，也使坊得算法具有须更好的种群盏多样性，更桌能收敛到全蚊局最优值信。但是，昨SACEA迁算法的载时间复杂度散和空间复杂纯度都比遗传卖算法要疯复杂，遗传仰算法运行速冰度更快征。谁对比表钳2驻和表满1购的数据可以均看出，使用问遗传算法和吵SACEA假对交叉口担A杜和交叉口览B似组成的协同胸控制系统进嗽行优化配时提，可以很明望显地减少两餐个交叉口各壮相位的车辆隶延误时间，侵尤其是第一枪相位即主干厅线上的延误馆，可以极大伞地减少交通净拥堵，对保持障干线交通久的畅通起到堤了很大的作而用。什从表哲2展分析可知，才与干线交叉扩的道路车流怠量相对较少陕，因此绿灯坦时间的配置继也应较小，招SACEA骆天和遗传算法捉都满足了这技一点要求，章这也从另一驻方面证明了列SACE代A朗和遗传算法翁的有效性。妙由表溉3另可以看出，隆使用盟SACE冤A诞比遗传算法君具有更好地免减少延误的切效果，抛使车辆在交痛叉口等待时疤间缩短以便泽更快地通过至两个交叉路应口，提高道制路运输水平域和交通能力蒜。剩综上所述，蚕在基于车辆鹊总延误时间芹最小的多交帖叉口配时优甩化模型中，舰SACEA释炒算法具有更效强的全局寻福优能力，同嫁时收敛速度劣也比遗传算认法要高，得崖到的配时方互案更好。完5.2糠贤模型二—乳基于贡等待车辆数王最小壤的多目标优鹅化诊配时撑模型遗5.眉2烟.1但区思路分析丸在该模型中竿，我们以系奏统的车辆等惰待数作为优沿化目标。首勺先，建立单医交叉路口的责车辆等待数蒸模型，在单孙交叉路口模心型的基础上猾，根据两个肠交叉口过去宿实际车辆到所达情况，预路测未来车辆借到达情况年[[]张佳佳.城市智能交通信号优化控制及仿真[D].湘潭大学,2004.匙]坡。根据在一傲个系统周期判结束时，使富系统等待车系辆数总和最威少，且使各管个交叉路口鹊在各自一个摸路口周期结挎束时的等待爪放行车辆总谈和尽可能小扫的原则建立欢优化函数，副从而确定各亿路口的各相信位时间凭t柱1恒,t蜓2其[]张佳佳.城市智能交通信号优化控制及仿真[D].湘潭大学,2004.拐5.芳2产.2迹模型建立徐1.辈河建立单个交哥叉口等待车吨辆数模型功图质5.SEQ限图秃\*A寺RABIC顺遍12肤册单交工叉口脚车道分布示电意图拦1~绳12杰车道富对息第一庭个路口登A笔第扫m闯个哄周期湖映团（词5-犹14奋）谜其中，凭是第漆1爆路口前一路元口周期结束誓时的等待车更辆数栗;敬一周期内该督路口东方评向的车辆达钞到数与第二粉个路口稼B餐的车辆通行沉量有关，计委算如下：辈厘玉隔（伤5-幅15白）始对第毯2糖个路口裳B移第它m嫩个周期削（除5-臭16搬）玩其中，厕是第巡2哀路口慰B粱前一路口周爱期结束时的竿等待车辆数歉;径一周期内该济路口西方向炎的车辆达到哨数与第裁1腥个路口辜A启的车辆通行团量有关，计进算如下：侄援觉叉问（馋5-鸡17霜）僚考虑到实际悔交通中，出呆于安全等方服面的原因，截每相位时间纵要求不得少咸于芳猜10美秒，且四相省位总时间应忧等于一个路爬口周期，故延对每相位时懂间有下列约遥束狱护穷凡习生（牺5-小18沸）躺2.斧伙建立系统等蚕待车辆数模驱型舞针对本题细，意两交叉口四订相位的情况断，旨我们建立了兰一个系统模扎型粉，干给出了优化佩性能指标及经其约束条件铜，放并应用遗传式算法对其求步解饭。膀（广1搜）漠烦系统断周期的确定声各交叉路口浇的相位差和赢各相位绿灯敞设置方式如本图汗5.12佛所示轰[[]林荔娜.城市多交叉口信号配时优化[J].莆田学院学报,2014,02:82-86.呢]誉，澡根据单交叉碗路口的周期漆和相邻路口[]林荔娜.城市多交叉口信号配时优化[J].莆田学院学报,2014,02:82-86.目坡辰岔屡擦（校5-咐19泳）眉你（农2咬）饺猴目标函数的采建立寺以整个网络诸在第有l挂个蛋系统周期结湿束时总的等反待车辆数为绍系统的性能驳指标。票对于第一个慧路口固A绩来说，流入蝇该系统的车厉道有楼1,2,6疏,7,81归2,9,1党0,11厦车道，对于特第二个路口持B缺来说，流入脉该系统的车袭道有第厕7,8,1浩2,3,4呢,5,9,轰10,11弦车道，所以违，精在一个疾系统鲁周期结束时雹流入趴系统馋的车辆数总断和为：耐梅（冻5-召20残）傲只考虑网络看周期是各个柄交叉路口周蜂期的整数倍踪的情况，倍央数为极h蝶，则对于第独一个路口臂A应来说，第末1,趟6炎,7,8,箱3韵,5,4,仇11打,10态车道都是车痛辆离开该系坦统的车道块。对于第二洽个路口痕B熟来说，第缺1,2,6尊,10,9夺,3,5,仙8,1笑2拼车道为车辆政离开该系统侵的车道，则垂在系统周期敞内流出系统叉的车辆数计助算如下：则（垄5-礼21丙）玩在一个网络盯周期结束时脱流出网络的逮车辆数总和砖为：转届胳裹弟吊哑（泳5-舰22晴）汉整个网络在枯第份l挂个网络周期详结束时总的胁等待车辆数心为：您邮油反亩生涝（淡5-滨23厌）华3杨.邪建立相邻恭交叉摔口间的相位蠢差模型稍AB午两路口获车流速度和浮相位差的关肝系为逢：涛妹驻议标披网(5-2撤4)坑车流速度的抓车流分布密筒度间的关系匀并不是简单柴的线性关系糖，而应是：乘当车流很稀企少时，车速狸应该较高，势而且随着车殊流较少增加瞒，车速不应者下降很大；功当车流增加照到一定程度食，车速急剧合下降；车流确继续增加，花此时车速已禽经很小，相远当于发生了谣堵车；所以笛，车流再增膏加，车速也泰无多大变化滤。基于以上巧考虑，车流购速度和车流轰分布密度之晚间的关系可窄表示类似于复正切函数的猴形式息[[]周丽.基于动态时段划分的交叉口信号控制模型与算法研究[D].山东大学,2011.

[]周丽.基于动态时段划分的交叉口信号控制模型与算法研究[D].山东大学,2011.

采(嘉1燕)抄当交通密度鸡很统小时，它们慰之间的关系被一般采用安沿特伍德的指弯数模型：御绢皇楚妇牺源敌敌(5-2投5)灭(2)杰当交通密度溜适中时，它鉴们之间的关张系采用线性快模型：菠射保幼饶陆叼谋(5亦-26)泳(3)句当交通密度宽很大时，它奸们之间的关罢系一般采用焦Grenb结erg怪对数模型：屋痕朝于岔乡铜侄(5-27盐)浑通过以上关批系，即可给馒出路口间的剂相位差达。钥4.狼建立系统控堪制方案跟根据各路口虽过去实际车菌辆到达情况市，预测各路燃口未来车辆僻到达情况，捕根据在一个阻网络周期结密束时，使网缝络等待车辆斗数总和最少航，且使各个首交叉路口在尿各自一个路腾口周期结束访时的等待放件行车辆总和虾尽可能小数的原则，通反过优化确定唐各路口的各异相位时间驰t辫1加,t立2零,t铁3签,t要4权。矛5.汗多目标优化晴性能指标涂主优化函数勒取在一个网迈络周期结束铸时整个网络刊等待放行车屯辆数总和，晒次优化函数免取各交叉口雀在各自一个喉周期结束时坛的等待延迟如数之和，即古为否丽者商丽(5悟-28)不在优化时，利首先要求监S仗尽可能地小懒，在同样的黎S泡下，再要求敬W鹊n粥尽可能地小拣，其中等价彩地可以认为诊S丸保证使车辆寺等待放行时福间尽可能短气，获W啦n抗保证车辆放驻行尽可能地上多。置5.血2鞋.3属元模型求解伍1.瞒赖基于遗传算抵法的多目标纲优化方法胳(香1登)堆多目标优化次的遗传算法怒描述唐匪单交叉路口矿讨论的是单吊目标寻最优遇解，城市系较统信号控制伐属于多目标定优化问弹题。多目标货优化问题的泳本质在于，磨各个子目标懒有可能是相疼互冲突的，材那么同时使谎多个子目标系都一起达到串最优值是不歇可能的，而道只能是在它良们中间进行贴协调处理，枪使各个子目痕标都尽可能索达到最优刚[[]冯树民,[]冯树民,裴玉龙.考虑行人过街的两相位交叉口配时优化[J].

交通运输系统工程与信息,2009,03:146-151.

蛾首先对多目愧标优化问题殿的最优解的单概念进行定短义。设职是多目标优葡化模型的约年束集，才是向量目标锐函数。若揭，并且不存兔在比垮更优越的旺羽x啊，则称批是多目标极盗小化模型的盼Paret角o好最优解捆[[]李翔晟.基于遗传算法的交叉路口信号自适应配时优化[J].

中南林业科技大学学报,2010,07:155-159.八、附录1.主要算法程序：functionobj=yichuan(lb,ub,px,pm)%lb,ub为自变量的下界与上界，px为杂交概率，pm为变异概率popsize=40;%设定种群大小为40maxgen=500;%设定最大遗传代数为500代dim=20;%定义变量的维数为20bits=20;%设定变量的二进制位数为20duan=20;trace=zeros(maxgen,2);%遗传算法性能跟踪[]李翔晟.基于遗传算法的交叉路口信号自适应配时优化[J].

中南林业科技大学学报,2010,07:155-159.八、附录1.主要算法程序：functionobj=yichuan(lb,ub,px,pm)%lb,ub为自变量的下界与上界，px为杂交概率，pm为变异概率popsize=40;%设定种群大小为40maxgen=500;%设定最大遗传代数为500代dim=20;%定义变量的维数为20bits=20;%设定变量的二进制位数为20duan=20;trace=zeros(maxgen,2);%遗传算法性能跟踪chrom=crt(popsize,dim*bits);%创建初始种群gen=0;%代计数器x=bs(chrom,lb,ub,dim,bits);obj=fun(x);figure(1)plot(obj,'-xr');grid;title('初始种群中个体的分布图')xlabel('个体');ylabel('目标函数值');Nesl=popsize;%轮盘选择个数，设定为与种群大小相等gen=0;%遗传代数计数器，设定初始值为0obj=fun(x);fitv=fel(x);%基于适应度的轮盘选择chrom=exrws(chrom,fitv,Nesl);whilegen<maxgen%单点交叉后得到大小为popsize子代新种群，与原来的父代种群合并为大小为2*popsize的新种群newchrom=[chrom;exxov(chrom,px)];%最优个体保护策略(先提出种群中的最优个体，然后用轮盘选择出Nesl-1个个体%构建成新的种群，再将最优个体插入新种群的第一行)x=bs(newchrom,lb,ub,dim,bits);fitv=fel(x);[Y,I]=max(fitv);newchrom=[newchrom(I,:);exrws(newchrom,fitv,Nesl-1)];%变异概率为pm的基本位变异,假设有N个染色体发生了变异，将这N个染色体插入原来的种群中，得到大小为popsize+N的新种群chrom=[newchrom;exmut(newchrom,pm)];%最优个体保护策略(先提出种群中的最优个体，然后用轮盘选择出Nesl-1个个体%构建成新的种群，再将最优个体插入新种群的第一行)x=bs(chrom,lb,ub,dim,bits);fitv=fel(x);[Y,I]=max(fitv);chrom=[chrom(I,:);exrws(chrom,fitv,Nesl-1)];%计算新种群的目标函数值x=bs(chrom,lb,ub,dim,bits);obj=fun(x);fitv=fel(x);ifgen==20figure(2)plot(obj,'-xr');grid;title('经过20次遗传迭代后种群中个体的分布图')xlabel('个体');ylabel('目标函数值');endifgen==100figure(3)plot(obj,'-xr');grid;title('经过100次遗传迭代后种群中个体的分布图')xlabel('个体');ylabel('目标函数值');endifgen==250figure(4)plot(obj,'-xr');grid;title('经过250次遗传迭代后种群中个体的分布图')xlabel('个体');ylabel('目标函数值');endgen=gen+1;trace(gen,1)=min(obj);trace(gen,2)=sum(obj)/length(obj);aver=zeros(length(fitv),1);aver(:,1)=sum(fitv)/length(fitv);aver=(fitv-aver).^2;trace(gen,3)=sum(aver)/length(fitv);%trace(gen,4)=shang(fitv);%trace(gen,5)=cshang(chrom,duan);endfigure(5)plot(obj,'-xr');grid;title('经过500次遗传迭代后种群中个体的分布图')xlabel('个体');ylabel('目标函数值');obj=min(obj);figure(5)plot(trace(:,1));title('经过500次遗传迭代后种群最优解的变化')xlabel('迭代次数');ylabel('目标函数值');figure(7)plot(trace(:,2));title('经过500次遗传迭代后种群平均值的变化')xlabel('迭代次数');ylabel('目标函数值');figure(8)plot(trace(:,3));xlabel('迭代次数');ylabel('种群的方差');title('500次迭代过程中种群方差的变化');%十进制转换functionphen=bs(chrom,lb,ub,dim,bits)[m,n]=size(chrom);li=[1:bits:n-bits+1];lf=[bits:bits:n];phen=zeros(m,dim);fori=1:dimexchrom=chrom(:,li(i):lf(i));forj=1:bitsphen(:,i)=exchrom(:,j).*2^(bits-j)+phen(:,i);endendphen=lb+phen.*(ub-lb)/(2^bits-1);%创建种群function[chrom]=crt(popsize,bits)chrom=zeros(popsize,bits);fori=1:popsizepop=round(rand(1,bits));chrom(i,:)=pop;endfunctionmutchrom=exmut(chrom,pm)[m,n]=size(chrom);s=rand(m,n)<=pm;domut=find(sum(s')>0);mutchrom=zeros(length(domut),n);j=1:n;mutchrom=(~chrom(domut,j)).*s(domut,j)+chrom(domut,j).*(~s(domut,j));%基于适应度的轮盘选择functionnewchrom=exrws(chrom,fitv,Nsel);[Nind,ans]=size(fitv);cumfit=cumsum(fitv);decumfit=[0;cumfit(1:Nind-1)];fori=1:Nselch=rand(1)*cumfit(Nind);forj=1:Nindif(ch<=cumfit(j))&(ch>decumfit(j)),newcode(i)=j;endendendnewchrom=chrom(newcode,:);%单点交叉操作functionnewchrom=exxov(chrom,px)[nind,lind]=size(chrom);docross=rand(nind,1)<px;temp=chrom(find(docross),:);[m,n]=size(temp);xops=floor(m/2);odd=1:2:m-1;even=2:2:m;fori=1:xopsdot=ceil(rand(1).*lind);mask=[zeros(1,dot)ones(1,lind-dot)];newtemp(odd(i),:)=(temp(odd(i),:).*mask)+(temp(even(i),:).*(~mask));newtemp(even(i),:)=(temp(even(i),:).*mask)+(temp(odd(i),:).*(~mask));endifrem(m,2),newtemp(m,:)=temp(m,:);endnewchrom(find(docross),:)=newtemp;newchrom(find(~docross),:)=chrom(find(~docross),:);%适应度计算functionfitv=fel(x)ob=512^2*20-fun(x);fitv=ob/sum(ob);%目标函数functiony=fun(x)[nind,lind]=size(x);y=zeros(nind,1);fori=1:lindy=x(:,i).^2+y;end%基本位变异操作functionnewchrom=mut(chrom,pm)[m,n]=size(chrom);s=rand(m,n)<=pm;i=1:m;j=1:n;newchrom(i,j)=(~chrom(i,j)).*s(i,j)+chrom(i,j).*(~s(i,j));%%%%%基于遗传算法的多目标最优化伪码描述%%%%%ProdureGAforMulti-objectiveoptimizationbeginwhile(r<最大周期)初始化个体P（0）forv:=1to最大代数dobegin初始化临时个体P'(0)=P(v-1);forx:=1;to目标函数个数(m)do计算P'(x-1)的使用度值Fitness;按fitness计算P'(x-1)的生存概率；通过选择、交叉、变异算子产生临时新个体P'(x);end产生自带P(v)=P'(m);解码计算并输出各相位绿灯时间，目标f1,f2;预测第(r+1)个周期车流量；根据相位确定其它路口的各相位配时;r:=r+1;end仿真参数：种群：M=100染色体长度：n=84最大代数：G=450交叉概率：Pc=0.8变异概率：Pm=0.001a=0.2两个相邻交叉口之间的距离=375m自有车速=600m/min平均车流密度=50m/veh阻塞密度=100m/veh放行流量=2veh/sec足针对多目标锣优化问题解脑的特点，以币及遗传算法香的特点是对谁整个群体所赴进行的进化唤运算操作，肉对象是个体宴的集合，因梢此遗传算法仿是求解多目乡标优化问题遇的落Pare肺to涨最优解集合意的一个有效碗手段。对多浮目标优化的族目的是希望满能使各目标露都尽可能达惧到较优的解紧，这样可以得设想群体在轨进化过程中馅，各目标所失对应的适应禽度都能起作界用，即群体敏在一个具有难不同适应度站的复杂的环当境下进行选垒择、交衔叉、变异，伐经过若干代民进化后所得袄的子代对每启个目标都具零有较高的适吉应度恼。瞎（娘2弟）遗传算法厌求解步骤芝并①伴染色体编码业方式鸭轰由于时间都董是在整数域松取值，因此追仍采用前面贡的绣84疲位二进制编协码方式，它护的编码与解恨码方法都如芝单交叉路中连所述。天②怨适应度函数健的确定怀将两个目标炭函数转化为恳适应度形式傅：真闻特酒幼刑怒芦(5-29省)题式中辉，厦为一个适当圣地相对较大灶的数或当前蓝代中目标函位数的最大值倘。叙F源ij半为第启i恨代中第冻j燥个个体的目喉标函数值。盼为了防止遗膀传算法在初扣期阶段发生盏早期收敛，蝇同时提高在游后期阶段个洗体之间的竞堂争性，在此棕对适应度作辅指数尺度变投换：喂爆印矛亲赶肃乞(5-30授)坦式中慎，头系数寇α弓决定了猾复制的强制已性飘，品α钟越小则强制丸性越强断，梅原有适应度药较高的翅个体的新适棕应度就越与策其他个体的东新适应度相陡差越大。宜③选择算子呢桨这里采用的散是期望值选找择方法。具房体操作过程焦是：对群体河中每个个体羊计算在下一调代群体中的土生存期望数纺，若某一个尾体被选中参汁与交叉，则窃它在下一代伙中的生存期锋望数减去友0.5偷，否则减去另1.0太；当一个个添体的生存期旋望数目小于序0新时，则该个掠体就不再被槽选中。为保忠证算法的收聋敛性，采用绑最优保存策还略将父代中锣最高适应度粒的个体直接慕复制到下一谈代。锣④交叉算子贫穷采用单点交侨叉，即在个赶体编码串中蜂只随机设置始一个交叉点称，在该点按素交叉概率相愚互交换两个收配对个体的独部分染色体盟。贪P袖c螺在号0.6亩～恳0.95校间取值，为喂了避免适应予度高的个体命结构被破坏爆或进化缓慢数，肯P塞c厉不宜太大也任不宜太小。⑤变异算子话为了改善遗市传算法的局兔部搜索能力苹，维持群体领的多样性，促防止出现早币熟现象，采价用基本位变会异操作，即摧指对个体继编码串以变筝异门概率碑P蒸m贤随机指定的粉某一位或某幼几位基因座盼上的基因上活的基因值作宣变异运算。阁P圈m车在晒0.001导～栽0.01消间取值，吉P抗m锹不宜太大也扎不宜太小。皆太小不易产其生新的个体迷结构，太大窜，就会变成堂纯粹的随机姿搜索算法。朝一般取不超五过旅10/G*神L责为宜，式中狡：珍G彻为群体规模枕，瓦L肉为串长。次（诱3雀）仿真圣结果笔假定单位时导间内路口的五放行车辆数茧均为阔2足辆晃/虹秒；路口各察方向的预测练分流比为悲0.2遗、河0.4袖、光0.4面。路口间的侮距离为译罩9残00努米。自由车体流速度均取众为将30km拐/h耐，路口间的兔过渡车流分煌布密度均取雄50秆米拐/祖辆，阻塞密窗度均为违100摄米百/信辆，胁T=120暖s卵。词群体个数为纹100姓，总迭代次微数为密5仇00帽，染色体长汗度为糠84水，愈α换取饲0.2银，仿真周期坚为拴10撒，结果如千表忽4珠和表进5诊所示。葡MATLA闲B蜓计算结果如娘图田5.13筋所示：贷图纪5.SEQ受图牲\*A部RABIC嘴拜13雷席遗传算法优当化结果鼠表医SEQ贷表罚\*A棵RABIC油窝4查A粥交叉口的培绿灯贡信号配时添周期数研t拜1脚t盐2渔t成3炮t建4链S攀w乡1报1绢36.42虑51意16.25载33幻22.42肚23棵21.12基73斤0黑74健2肉30.26脏78搜20.12虾35撒18.54民68代27.28叹99诵0渐83吩3赚28.92仁53赛18.17款24注21.53爆56笼27.59层47穗0绣82界4珠39.23酬56饶18.34趴53歼20.34谅52栋18.34遭71腿0爽79掠5寨35.14寒68悦19.24都56纲22.45嘴32悠19.38桐24鲜0挣76摆表摧SEQ弊表什\*A丸RABIC驾驰5糟骆B帐交叉口的信搏号配时咽周期数脊t顷1臣t瓶2扑t取3炭t应4拨S骡w傲2年1摘35.27沃61虑25.23评43絮27.31系57仪17.23朵81摸0具6费5央2板3制0.123鲁2压21.34糠2奏1婆25.43邻24贪12.16比65抓0慨70雷3静34.52恼35庄16魂.5323佳23.35泪12数14.65雾72厦0沃76液4铜32.45球63龄17.42劲24具20.34隐24喇18.84颂31闲0给72妙5猫33.45僵35重17.43谦53祝19.34异22吉18.83阵32滩0梅69末由以上仿真霸结果可见：殃卖（思1批）根据本节超提出的系统俗模型，采用努多目标遗传采算法优化方完法进行交通泳配时，可以平较为合理地馒配置交叉口炕的相位时间额，使得整个桨网络的车辆稼延误时间尽脱可能的短（光以上结果表叔明，一个系陷统周期结束归时网络等待忙车辆数为零苦），同时使惭得各个路口喝一个周期结薯束时的等待度放行车辆数阀尽可能的少膜。疲（傻2各）上面所介扇绍的方法虽勇然是针对两钟个交叉路口梳4饶相位网络交役通信号控制愁，截但同样可以饲扩展到更多疏路口更多相均位的交叉路呢口网络交通校信号控制。判泄2.丹基于模拟退辅火法的多目书标优化求解蜘模拟退火算胆法求解步骤樱：祖（搅1配）狗编码；肝（哥2欢）女适应度函数攻构造；捡（域3骑）载初始化：种折群规模议N纵=吵2谁00图0倡，最大进化每代数设为就10毒00帅，精英数直M熄=60始，设初始化狠代数野t蒙=衫0远。根据约束舱条件生成初填始化种群根更pop(遥t)匙并计算适应惭度。勿eval林uatio诉n协为当前进化驴代数，香Maxev慎为最大进化蹈代数；叮（推4移）升划分种群：阿将暗怪pop(起t)丹划分为含有窝M轧个精英个体贷的精英种群传和践N松-吸M盗个普通个体铸的普通种群职，并复制生值成子代精英男种群和子代浸普通种群；干同时复制当制前适应度最款大的精英个胜体；间（秆5共）恭精英组团药；策（白6输）尤进化操作：削音如果团队中天的个体来自惜精英种群，要则进行协作叼操作；如果冷来自普通种姐群，则进行虫引导操作；寨如果个体是肾随机生成的裕，则利用模首拟退火机制榆进行进化；雪（返7军）疯更新子代精货英种群和普瓦通种群；灶（茫8贯）骆全部精英组毛团完毕，合辉并子代精英逝种群和子代抹普通种群作涝为领，级；浮（县9亮）序终止判断：耳判断是否达瞒到最大进化罚代数，如果喜是结束进化性；不是则返膀回步骤贺（赔4瞎）智。乎MATLA款B岭仿真图为坛：穷图眼SEQ尼图秋\*A址RABIC因师14佣SAC弱EA琴多交叉口配警时优化图哥5.2.4江隶结果分析油利用遗传算戒法蜘（哲GA纺）悬和惜SACEA箭对公式（半5每-泛28慕）的优化配抛时结果如表污6甘所示。帮表雨SEQ浪表策\*A说RABIC秤基6挠战利用遗传算角法和姓SACEA岭算法优化配容时结果标算法够交叉口拐相位差（漫s竟）峡相位交1指绿灯时间摔(s)辱相位旦2见绿灯时间兴(s)净相位鲁3状绿灯时间逮(s)建相位逮4桑绿灯时间辫(s)劲周期架(s)趣各交叉口等杨待车辆数扣GA直A境12多36.44拥16.25爽22.42被21.12匀112.2贪2扭74缴B起27.31豪35.27挂25.23闯17.2挠1践105.0借6例SACEA妥A矮13迈26.86禾21.12折15.15吸22.2侍5括101.3进9同65岛B源31.12建21.35侵16.75蹦15.11获100.3奸4菠1演.洒农Synch击ro7际仿真结果盒以摆各非交叉口板的最组少吨车辆等待数党为目标函数瓶，利用遗传陷算法和泳SACEA虹算法可以求斑得四个相位虎的绿灯时间功。将芹A叔、颈B克两交叉口高第一、二、朝三、四相位怨的交通流量推和相位时间害（被每个相位均暮含狸1s主红灯展3s都黄灯）等径交通数据输团入袋Synch帆ro7楼仿真事可得到各挥交叉口服务另水平万(Inte声rsect顽ion聪LOS)颜、尸交叉口通行牙能力利用水燥平胜(ICU卡LOS)识以及贯交叉口等待心时间某。甘（误1坑）斧A择交叉口章利用连Synch贫ro7狱仿真删，坟将庸A旷交叉口攀通过遗传算裹法合优化配时后荣得到的苹交通数据输侍入并进行仿拘真得到结果逐如图挑5.尽1绸5哈。睬图砌5.SEQ碗图菌\*A堆RABIC怜净15米墨铸A规交叉口遗传耻算法优化信妇号配时方案鼓下的右Synch貌ro7野仿真结果纵从亭Synch喜ro7邻仿真结果得供到蚕A口交叉口延迟之时