《基於遷移學習和模因計算的智慧型交通路徑規劃研究》是依託重慶大學，由馮亮擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於遷移學習和模因計算的智慧型交通路徑規劃研究
- 項目類別：青年科學基金項目
- 項目負責人：馮亮
- 依託單位：重慶大學
中文摘要,結題摘要,
中文摘要
隨著城市智慧型交通的高速發展以及現實交通情況的日漸複雜，實現智慧型交通中動態路徑快速規劃已成為社會廣泛關注，並急需解決的熱點問題。研究表明該問題屬於NP-hard問題，且隨著路徑數據的增加，大多數傳統的啟發式搜尋算法都無法在短時間內給出令人滿意的結果。本課題利用路徑規劃問題之間的相關性，研究存在於歷史最佳化路徑中的通用知識信息模組，建立並推導其相應的遷移學習以及模因計算模型，通過遷移和演化通用歷史最佳化信息以加速啟發式路徑搜尋，使其適應智慧型交通系統動態路徑規劃的實時性和有效性。本課題的創新性主要體現在：（1）適應於智慧型交通快速路徑規划算法的創新；（2）路徑規劃中數據挖掘和遷移學習模型的創新；（3）加速路徑搜尋的模因計算模型創新。本課題的完成將為智慧型交通快速動態路徑規劃提供新思路，為實現快速啟發式最佳化搜尋提供技術支撐。
結題摘要
隨著城市智慧型交通的高速發展以及現實交通情況的日漸複雜，實現智慧型交通中動態路徑快速規劃已成為社會廣泛關注，並急需解決的熱點問題。研究表明該問題屬於NP-hard問題，且隨著路徑數據的增加，大多數傳統的啟發式搜尋算法都無法在短時間內給出令人滿意的結果。本課題基於遷移學習和Memetic(模因)計算, 研究存在於歷史最佳化路徑中的通用知識信息模組，建立和推導其相應的數據挖掘，遷移學習以及模因計算模型，通過挖掘和利用通用歷史最佳化信息加速啟發式路徑搜尋。該項目成果為智慧型交通快速動態路徑規劃提供新思路，為實現快速啟發式最佳化搜尋提供通用框架，可以靈活結合不同的啟發式搜尋算法進行路徑規劃最佳化。新的框架對於利用信息挖掘及遷移學習來提升傳統最佳化性能的許多前沿研究領域有理論價值和潛在的套用前景。此外，該項目提出的遷移學習及Memetic計算模型具有一定的通用性，可為相關組合最佳化問題的快速求解提供技術參考。項目按照計畫進度正常執行，實際經費支出與預算基本相符，執行期間項目組成員共發表論文20篇，其中包括《IEEE Transactions on Evolutionary Computation》、《IEEE Transactions on Cybernetics》、《IEEE Transactions on Intelligent Transportation Systems》、《IEEE Computational Intelligence Magazine》、《Memetic Computing》等SCI期刊論文9篇，EI國際會議論文11篇，申請發明專利3項，超過預期目標。
