全文总字数：4409字

1. 研究目的与意义（文献综述）

随着软件定义网络、网络功能虚拟化、第五代通信等新兴技术的发展，在提高网络灵活性和操作性的同时，也对路由、计算、储存等网络资源的高效适配带来了前所未有的挑战[1]。21世纪以来，随着人们知识水平的不断提高，人们对于人工智能的研究已经到达了一个全新的领域，这项技术也逐渐成为解决很多重大问题的重要工具。然而，机器学习作为人工智能发展的第三个阶段。机器学习介入已经成为不可逆的趋势，其技术风险也导致了文化生活的隐患，引发了人际关系疏离、价值风险强化、创造性不足、多样性受限等问题[2]。例如在自然灾害的影响下，对于资源分配如何达到人性化，如何将人力物力的耗费降到最低就是一个很常见但很重要的问题。我们要研究的就是此类最低化灾后清除路障团队的路线安排问题。

自信息时代来临，数学算法作为解决数学问题的一些方法的专业概述，其已经成为计算机人工智能发展的一大动力[3]，在不计其数的学者的研究下，数学算法已经获得了较大的发展，其大体可分为递推递归法、穷举法、贪婪算法、分治法、迭代法、分支界限法等[4]。其中算法贪婪算法以其重建速度快、重建方法简便的特点在压缩感知理论中获得了广泛的使用[5]。而对于迭代算法，传统的进化算法由于涉及到了大量的迭代，直接转化为处理时间开销，因此在在线范式中不受青睐[6]。本次研究主要目的为灾后的路线规划最优化，即将以较少算法或无算法以迭代算法为基础编写。如果复杂的将所有变量考虑在一个系统中并使这个系统能够快速分析出结果是不现实的，那么我们能做的最初的优化便可以是将复杂的路网简化为一个网格，将交通要点假想为一个节点[7]。将一个地域假想为一个网格，为了在网格计算中实现全球协同资源共享的最终成功，一个高效的网格资源管理系统是必要的[8]。而对于灾后这一背景条件是有很多被考虑因素的，例如对于不同城镇的重要性，其被考虑的优先级是不一样的，这个原理同样适用于医院，指挥所等重要地点[9]。而制定一个多标准模式，将可靠性、时间、成本和安全性共同作为标准，再加上优化受损道路的恢复情况以及物资储存（仓库等地点）的加权考虑则成了路线规划的关键[10]。

2007年，yan and shih提出了最小化网络总恢复时间的mip公式。提出了一种启发式算法，将网络划分为较小的网络，从而为每个较小的网络解决一个子问题。然而，没有一个子问题能够在规定的时间内得到解决[11]。所以在2012年，yan and shih又开发了一种基于蚁群系统的元启发式算法，以解决实际中看到的大小问题的实例[12]。直到2016年，shin，kara，and karasn提出了一个精确的模型和一种元启发式方法，以最小化直到所有关键节点被访问的时间[13]。而对于最小时延这一类需要遍历存在的每个节点的问题，不同节点数的计算量级具有很大差别，元启发式算法的上限和下限分别对50个节点和1000各节点进行比较发现，元启发式算法对于超过500节点的网络耗时超过3个小时[14]。诸如此类的还有阻塞边清除后需要涉及到二次遍历的问题，即阻塞边被清理后转换，将其预设清理时间重置为零，那么二次遍历的最短旅行时间会缩短[15]。本次研究将在这些基础上，对不同路网进行建模仿真及分析路线规划的合理性。

2. 研究的基本内容与方案

1. 本设计研究的基本内容包括：

1. 元启发式的学习

   元启发式算法是启发式算法的改进，它是相对于最优化算法所提出的，其实基于直观或者经验所构造的算法，它可以在接受的花费下给出问题的一个可行解，并且该可行解与最优解的偏离程度不一定可以事先预计。本次研究也正是编写并优化元启发式，来解决路径规划问题，努力做到可行解与最优解的偏离程度尽可能小。

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   3. 研究计划与安排

   第1－3周：查阅相关文献资料，明确研究内容，了解研究所需的相关知识。确定方案，完成开题报告，在期间完成英语翻译。

   第4－10周：参考相关文献研究元启发式算法，编写matlab程序，收集相关的文档和资料，完成选取路网并对路网进的建模与仿真设计工作。

   第11-15周：进行调试、仿真、资料整理，完成论文撰写工作。

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   4. 参考文献（12篇以上）

   [1]买天乐. 基于深度强化学习的路由调度机制研究[d].北京工业大学,2019.

   [2]李康化,姜姗.机器学习与文化生产变革——基于ai技术发展视角[j].湘潭大学学报(哲学社会科学版),2020,44(01):74-79.

   [3] 吴磊.浅析数学算法对计算机人工智能发展的推动[j].计算机产品与流通,2020(02):155.

   剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付