汪 欣， 王廣東， 張琳琳

(1.陸軍軍事交通學(xué)院學(xué)員五大隊(duì)研究生隊(duì)，天津 300161；2.陸軍軍事交通學(xué)院軍事交通運(yùn)輸研究所，天津 300161)

近年來陸軍按照機(jī)動(dòng)作戰(zhàn)、立體攻防戰(zhàn)略要求逐步推進(jìn)，由區(qū)域防衛(wèi)型向全域機(jī)動(dòng)型轉(zhuǎn)變，加快部隊(duì)整建制快速遠(yuǎn)程機(jī)動(dòng)能力建設(shè)[1]。在軍事路徑優(yōu)化問題上，楊英杰和張柳等以運(yùn)輸時(shí)間、費(fèi)用、危險(xiǎn)性代價(jià)為優(yōu)化目標(biāo)，建立起運(yùn)輸代價(jià)最小運(yùn)輸路徑優(yōu)化模型，利用蟻群算法求解[2]；黃榮富和張錦利用無(wú)重邊二維聯(lián)運(yùn)網(wǎng)拓?fù)浣Y(jié)構(gòu)以及聯(lián)運(yùn)網(wǎng)屬性值表達(dá)式，通過降維線性0-1規(guī)劃方法來求解[3]；王煜建立基于最小阻抗時(shí)間的綜合路阻函數(shù)和戰(zhàn)時(shí)陸路軍事運(yùn)輸最優(yōu)路徑模型[4]。這些研究在建立數(shù)學(xué)模型后用特定算法進(jìn)行求解，但是都是基于路網(wǎng)保持完整性的前提，沒有考慮路網(wǎng)實(shí)時(shí)變化情況。在用神經(jīng)網(wǎng)絡(luò)算法求解優(yōu)化問題上，陳昭蓉構(gòu)建無(wú)須計(jì)算罰因子的遞歸神經(jīng)網(wǎng)絡(luò)來解決非凸非光滑優(yōu)化問題[5]。李娜和劉冰等建立單隱層前饋神經(jīng)網(wǎng)絡(luò)，利用連接權(quán)值最優(yōu)選項(xiàng)來直接解決非線性優(yōu)化問題[6]。李靜提出了一種簡(jiǎn)化的復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)來解決非線性規(guī)劃下的擬凸優(yōu)化問題[7]。這些研究方法多是采用人工智能算法，沒有專門研究部隊(duì)兵力投送路徑優(yōu)化問題。本文考慮選線影響因素建立選線綜合阻抗，將選線函數(shù)進(jìn)行凸化處理，利用改進(jìn)型神經(jīng)網(wǎng)絡(luò)算法及MATLAB仿真實(shí)現(xiàn)可視化選線，戰(zhàn)例設(shè)定各種突發(fā)情況，模擬路網(wǎng)的動(dòng)態(tài)變化，得出不同路網(wǎng)條件下最優(yōu)投送路線。

1 動(dòng)態(tài)選線方法建模

在建模過程中，為反映出隨作戰(zhàn)環(huán)境變化而變化的路段情況，將路段屬性進(jìn)行數(shù)值化表征，體現(xiàn)出各變量相互關(guān)系，再將動(dòng)態(tài)選線問題轉(zhuǎn)化為數(shù)學(xué)優(yōu)化問題進(jìn)行求解。第一步是進(jìn)行公式化表達(dá)，第二步是進(jìn)行凸化處理，第三步是運(yùn)用改進(jìn)型神經(jīng)網(wǎng)絡(luò)算法進(jìn)行優(yōu)化求解，利用MATLAB軟件進(jìn)行可視化計(jì)算。

1.1 建立選線綜合阻抗函數(shù)

選線過程最重要一個(gè)環(huán)節(jié)是判斷所選線路的阻抗值大小，阻抗值直接反映路線中各個(gè)節(jié)點(diǎn)之間的往來難易程度。選線綜合阻抗表示在戰(zhàn)時(shí)復(fù)雜多變的情況下，線路綜合特性對(duì)選線影響程度的大小，反映出運(yùn)輸中的阻滯作用。選線綜合阻抗由時(shí)間阻抗、風(fēng)險(xiǎn)阻抗和搶修阻抗構(gòu)成。

1.1.1 時(shí)間阻抗

時(shí)間阻抗由運(yùn)輸時(shí)間和城市節(jié)點(diǎn)延誤時(shí)間兩個(gè)部分組成，由于戰(zhàn)時(shí)環(huán)境下對(duì)運(yùn)輸時(shí)間的要求更為苛刻，還需要加上一個(gè)懲罰因子。時(shí)間阻抗表達(dá)為：

T=pi(ts+tc)

(1)

式中：i為第i個(gè)城市；pi為懲罰因子；ts為路段行駛時(shí)間；tc為城市節(jié)點(diǎn)延誤時(shí)間。

懲罰因子量化表征作戰(zhàn)對(duì)投送時(shí)間期望：違反時(shí)間窗約束程度越大懲罰值也越大，當(dāng)投送時(shí)間超過作戰(zhàn)所需時(shí)間段則該次投送失去意義。懲罰因子表示為[7]：

(2)

式中：pi為懲罰因子；t為車輛實(shí)際到達(dá)時(shí)間；a、b為時(shí)間窗區(qū)域值；eia、eib為部隊(duì)i早到或晚到的最低懲罰值；ia、ib為部隊(duì)i早到或晚到時(shí)懲罰成本系數(shù)。

1.1.2 風(fēng)險(xiǎn)阻抗

阻抗動(dòng)態(tài)性一個(gè)重要表現(xiàn)就是風(fēng)險(xiǎn)的變化，風(fēng)險(xiǎn)主要包括運(yùn)輸事故、遭破壞風(fēng)險(xiǎn)、重大危險(xiǎn)源、應(yīng)急救援與人員安全、天氣環(huán)境等，其中又以前兩者為主[8]。風(fēng)險(xiǎn)阻抗可以表示為：

(3)

式中：TARi為第i路段統(tǒng)計(jì)分析事故率;B為運(yùn)輸事故易發(fā)性校正系數(shù);li為第i個(gè)路段遭到破壞后的損失;τj為第i路段運(yùn)輸?shù)娘L(fēng)險(xiǎn)擴(kuò)大或減緩因子，取值為1～6[9]，可以分為公路固有特征、天氣條件和路面交通情況三類。

式中：pi表示路段破壞率，則該路線上的遭敵破壞率可以表示為(1-p1)( 1-p2)…(1-pi-1)pi；Ci為路段i遭到破壞后的損失。

1.1.3 搶修阻抗

戰(zhàn)爭(zhēng)條件下，敵方偏好選擇我方制定的最優(yōu)運(yùn)輸線路作為最先打擊的目標(biāo)，一旦遭到打擊便要及時(shí)進(jìn)行搶修。搶修阻抗可以用搶修時(shí)間來表示，表達(dá)式[9]為：

(4)

1.1.4 選線綜合阻抗及系數(shù)求解

選線綜合阻抗要同時(shí)反映時(shí)效性、安全性、可修復(fù)性，表示為：

Z=μ1T+μ2D+μ3Q

(5)

式中：μ1、μ2、μ3分別表示相應(yīng)阻抗占的比例系數(shù)。

建立目標(biāo)集合X={T(t)，D(t)，Q(t) }，分別表示3個(gè)阻抗，權(quán)重決策集表示為{μ1，μ2，μ3}。然后通過構(gòu)造評(píng)判集、權(quán)重分配集、決策權(quán)重集，得到權(quán)重判斷矩陣，最后進(jìn)行一致性檢驗(yàn)，計(jì)算判斷矩陣偏離一致性的指標(biāo)CI和隨機(jī)一致性比率CR，隨機(jī)一致性標(biāo)準(zhǔn)值RI，如表1所示。

表1 隨機(jī)一致性檢驗(yàn)標(biāo)準(zhǔn)值[10]

當(dāng)CR<0.10，判斷矩陣具有較好的一致性，否則調(diào)整直到通過一致性的檢驗(yàn)為止。分析所得的判斷矩陣并計(jì)算得到?jīng)Q策權(quán)重結(jié)果，由模糊變換的運(yùn)算可得決策權(quán)重值B，B即為選線綜合阻抗中的系數(shù)。

1.2 凸化處理

1.2.1 構(gòu)建凸函數(shù)

將選線問題通過凸化處理，變?yōu)閿?shù)學(xué)優(yōu)化問題進(jìn)行求解，則局部最優(yōu)值必定是全局最優(yōu)值。選線綜合阻抗表示成目標(biāo)函數(shù)：

(6)

(7)

1.2.2 數(shù)據(jù)無(wú)量綱化處理

采用直線型無(wú)量綱化方法，先求解各個(gè)阻抗函數(shù)的最小評(píng)價(jià)值，然后標(biāo)準(zhǔn)化選線函數(shù)的單位，使其為無(wú)量綱的數(shù)值，阻抗函數(shù)轉(zhuǎn)化為：

(8)

則總的目標(biāo)函數(shù)可以表示為：

(9)

2 動(dòng)態(tài)選線問題求解

部隊(duì)路上投送在復(fù)雜公路網(wǎng)中進(jìn)行，需要先進(jìn)行復(fù)雜公路網(wǎng)拓?fù)?，?gòu)建無(wú)向網(wǎng)絡(luò)圖；然后利用改進(jìn)離散型神經(jīng)網(wǎng)絡(luò)，建立優(yōu)化問題的求解算法，得出最優(yōu)路線。

2.1 MATLAB程序?qū)崿F(xiàn)

部隊(duì)路上投送在復(fù)雜公路網(wǎng)中進(jìn)行，需要先進(jìn)行復(fù)雜公路網(wǎng)拓?fù)?，?gòu)建無(wú)向網(wǎng)絡(luò)圖。路網(wǎng)拓?fù)浠幚砗蟛挥绊懧范螌傩?，并且可以將?fù)雜公路網(wǎng)簡(jiǎn)化為節(jié)點(diǎn)互聯(lián)的拓?fù)鋱D，方便問題求解。以某有50個(gè)節(jié)點(diǎn)的公路網(wǎng)為例，建立直角坐標(biāo)系后，利用MATLAB進(jìn)行路網(wǎng)拓?fù)浠?/p>

2.2 改進(jìn)型神經(jīng)網(wǎng)絡(luò)求最優(yōu)解

2.2.1 改進(jìn)型神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

根據(jù)遞歸式神經(jīng)網(wǎng)絡(luò)的特點(diǎn)構(gòu)造改進(jìn)型神經(jīng)網(wǎng)絡(luò)，此神經(jīng)網(wǎng)絡(luò)是一種電路形式，且神經(jīng)元輸出都會(huì)反饋到神經(jīng)元的輸入上，神經(jīng)元可根據(jù)自身情況進(jìn)行調(diào)節(jié)，具有全局指數(shù)收斂性。改進(jìn)型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 改進(jìn)型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)的非線性動(dòng)力方程為：

(10)

Vi=fi(μi)

(11)

式中：Ci表示放大的輸入電容；μi表示第i個(gè)放大器的電壓，τi表示第i個(gè)放大器的電阻；Ii表示恒定的外部輸入；Wi,j是第j個(gè)放大器輸出到第i個(gè)放大器輸入域的連接權(quán)值；Vi,j第j個(gè)放大器輸出到第i個(gè)放大器輸出；N為神經(jīng)網(wǎng)絡(luò)中神經(jīng)元的個(gè)數(shù)；fi(μi)是第i個(gè)放大器的輸出特征，即第i個(gè)神經(jīng)元的傳遞函數(shù)。

2.2.2 能量函數(shù)的確定

為保證神經(jīng)網(wǎng)絡(luò)平衡點(diǎn)的穩(wěn)定性，需要引入能量函數(shù)，此時(shí)將選線阻抗函數(shù)F作為能量函數(shù)，則能量函數(shù)E(V)表示為：E(V)=F。

且零點(diǎn)對(duì)應(yīng)能量函數(shù)E(V)的極小值點(diǎn)，即神經(jīng)網(wǎng)絡(luò)總是收斂到目標(biāo)函數(shù)的極小點(diǎn)上。

2.2.3 神經(jīng)網(wǎng)絡(luò)求解

當(dāng)路網(wǎng)有n個(gè)點(diǎn)時(shí)需要用n(n-1)個(gè)神經(jīng)單元[12]，路網(wǎng)鄰接矩陣中除對(duì)角元素外，每個(gè)元素都對(duì)應(yīng)一個(gè)神經(jīng)元。神經(jīng)元只取值0或1兩個(gè)狀態(tài)，當(dāng)神經(jīng)網(wǎng)絡(luò)收斂到穩(wěn)定的平衡狀態(tài)時(shí)，此時(shí)有神經(jīng)元狀態(tài)函數(shù)δij:

(12)

神經(jīng)元狀態(tài)函數(shù)δij為1則對(duì)應(yīng)弧在最優(yōu)路徑上，為0則不在最優(yōu)路徑上。

神經(jīng)網(wǎng)絡(luò)求解關(guān)鍵一步是要設(shè)置參數(shù)標(biāo)準(zhǔn)，這里可得最優(yōu)路徑的動(dòng)力學(xué)方程為：

(13)

(14)

式中：μij第i個(gè)點(diǎn)與第j個(gè)點(diǎn)間的電壓；μ0是初始電壓；mij是路網(wǎng)各節(jié)點(diǎn)之間的權(quán)重；β1,β2,β3,β4是懲罰系數(shù)。求解式(13)和式(14)組成的方程組，可以證明：神經(jīng)網(wǎng)絡(luò)的平衡點(diǎn)與凸優(yōu)化問題的解是一一對(duì)應(yīng)[13]，即當(dāng)神經(jīng)網(wǎng)絡(luò)收斂到穩(wěn)定平衡狀態(tài)時(shí)，此時(shí)輸出神經(jīng)元即是一條最優(yōu)化路徑。

2.2.4 MATLAB數(shù)據(jù)訓(xùn)練

經(jīng)過對(duì)阻抗數(shù)據(jù)無(wú)量綱化處理和權(quán)重計(jì)算得出作戰(zhàn)區(qū)域公路網(wǎng)相關(guān)屬性值向量作為MATLAB神經(jīng)網(wǎng)絡(luò)工具箱數(shù)據(jù)訓(xùn)練來源，進(jìn)行數(shù)據(jù)訓(xùn)練[14]，得出最優(yōu)路線。

3 部隊(duì)公路投送選線實(shí)例分析

3.1 作戰(zhàn)任務(wù)想定

由于任務(wù)需要，北部戰(zhàn)區(qū)XX集團(tuán)軍第XX特種旅奉命全員全裝出動(dòng)，人員共計(jì)XX人、各型裝備XX件，立足現(xiàn)有公路網(wǎng)條件，由駐地沈陽(yáng)向牡丹江地區(qū)進(jìn)行緊急公路投送。

3.2 公路網(wǎng)拓?fù)浠?/h3>

該作戰(zhàn)區(qū)域主要城市分別為沈陽(yáng)、長(zhǎng)春、哈爾濱、大連、錦州，公路網(wǎng)中主要公路樞紐有40余個(gè)大城市[15]。作戰(zhàn)區(qū)域公路網(wǎng)節(jié)點(diǎn)包括主要的大中型城市及重要交通樞紐如圖2所示。 一般而言，部隊(duì)公路機(jī)動(dòng)主要選擇高速公路、一級(jí)公路、二級(jí)公路，選取作戰(zhàn)區(qū)域公路網(wǎng)二級(jí)公路以上路段，將各個(gè)節(jié)點(diǎn)進(jìn)行編號(hào)并根據(jù)節(jié)點(diǎn)間互聯(lián)關(guān)系建立關(guān)聯(lián)矩陣，將矩陣值輸入MATLAB中，可得到作戰(zhàn)區(qū)域的公路網(wǎng)拓?fù)鋱D如圖3所示。

圖2 作戰(zhàn)區(qū)域公路網(wǎng)地圖

圖3 作戰(zhàn)區(qū)域公路網(wǎng)拓?fù)鋱D

根據(jù)專家打分法賦值，利用模糊方法，可求得判斷矩陣，此時(shí)CR=0.003，滿足一致性檢驗(yàn)要求，可得到B=(b1，b2，…，bm)=(0.431,0.345,0.242)，即3種選線阻抗的系數(shù)為μ1=0.431、μ2=0.345、μ3=0.242。根據(jù)計(jì)算，可得該區(qū)域公路網(wǎng)中各路段阻抗值。

3.3 不同突發(fā)情況下的動(dòng)態(tài)選線

假設(shè)敵人在某時(shí)刻對(duì)鞍山、遼源、四平、長(zhǎng)春、哈爾濱等城市隨機(jī)轟炸并出動(dòng)飛機(jī)破壞城市節(jié)點(diǎn)周圍路段，此時(shí)作戰(zhàn)區(qū)域內(nèi)的各條路段都可能會(huì)遭到毀滅性打擊，影響部隊(duì)公路投送，假設(shè)會(huì)出現(xiàn)5種典型突發(fā)情況。

突發(fā)情況一：中部區(qū)域重點(diǎn)城市長(zhǎng)春被敵機(jī)轟炸，四平被敵地面部隊(duì)占領(lǐng)，連接沈陽(yáng)和四平的大部分路段被毀，必須繞行?？蛇x的路線是從丹東方向繞行或從鞍山方向迂回投送，到達(dá)指定陣地。

神經(jīng)網(wǎng)絡(luò)收斂到穩(wěn)定平衡狀態(tài)時(shí)，經(jīng)過52次迭代后得到最優(yōu)解，此時(shí)3種訓(xùn)練數(shù)據(jù)聚合至某水平線，如圖4所示。利用綜合阻抗函數(shù)計(jì)算路阻，導(dǎo)入MATLAB進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，經(jīng)過神經(jīng)網(wǎng)絡(luò)訓(xùn)練后的輸出為：1-9-13-10-28-23-29-42-43-44-47-49-50，此時(shí)路阻函數(shù)最小值為1 331.24?？芍谝环N突發(fā)情況下部隊(duì)投送路線為：沈陽(yáng)-本溪-丹東-通化-梅河口-吉林-五常-哈爾濱-雞西-七臺(tái)河-牡丹江，如圖5所示。突發(fā)情況一的最優(yōu)路徑參數(shù)指標(biāo)如表2所示。

圖4 第一種情況神經(jīng)網(wǎng)絡(luò)最優(yōu)解迭代次數(shù)曲線

圖5 第一種情況最優(yōu)路徑

表2 5種情況最優(yōu)路徑參數(shù)指標(biāo)

突發(fā)情況二：東部區(qū)域重點(diǎn)城市丹東、四平、通化等城市被敵機(jī)轟炸，連接沈陽(yáng)和丹東、沈陽(yáng)和四平、四平和遼源的大部分路段被毀，必須繞行?？蛇x的路線是西部方向投送到達(dá)指定陣地。

神經(jīng)網(wǎng)絡(luò)收斂到穩(wěn)定平衡狀態(tài)時(shí)，經(jīng)過297次迭代后得到最優(yōu)解，此時(shí)3種訓(xùn)練數(shù)據(jù)聚合至某水平線，如圖6所示。利用綜合阻抗函數(shù)計(jì)算路阻，導(dǎo)入MATLAB進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，經(jīng)過神經(jīng)網(wǎng)絡(luò)訓(xùn)練后的輸出為：1-2-4-21-17-18-19-36-37-44-49-48-50，此時(shí)路阻函數(shù)最小值為1 082.01?？芍诙N突發(fā)情況下部隊(duì)投送路線為：沈陽(yáng)-遼陽(yáng)-盤錦-錦州-阜新-彰武-通遼-長(zhǎng)春-哈爾濱-海林-牡丹江。突發(fā)情況二的最優(yōu)路徑參數(shù)指標(biāo)如表2所示。

突發(fā)情況三：西部區(qū)域重點(diǎn)城市通遼、錦州、阜新等城市被敵機(jī)轟炸，連接沈陽(yáng)和西部區(qū)域大部分路段被毀，必須繞行?？蛇x的路線是沿東部方向投送到達(dá)指定陣地。

圖6 第二種情況神經(jīng)網(wǎng)絡(luò)最優(yōu)解迭代次數(shù)曲線

神經(jīng)網(wǎng)絡(luò)收斂到穩(wěn)定平衡狀態(tài)時(shí)，經(jīng)過376次迭代后得到最優(yōu)解，此時(shí)3種訓(xùn)練數(shù)據(jù)聚合至某水平線，如圖7所示。利用綜合阻抗函數(shù)計(jì)算路阻，導(dǎo)入MATLAB進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，經(jīng)過神經(jīng)網(wǎng)絡(luò)訓(xùn)練后的輸出為：1-11-16-14-15-22-42-38-44-49-50，此時(shí)路阻函數(shù)最小值為1 012.88?？芍谌N突發(fā)情況下部隊(duì)投送路線為：沈陽(yáng)-撫順-鐵嶺-四平-遼源-長(zhǎng)春-吉林-敦化-寧安-牡丹江。突發(fā)情況三的最優(yōu)路徑參數(shù)指標(biāo)如表2所示。

圖7 第三種情況神經(jīng)網(wǎng)絡(luò)最優(yōu)解迭代次數(shù)曲線

突發(fā)情況四：北部區(qū)域重點(diǎn)城市大慶、哈爾濱、佳木斯等城市被敵機(jī)轟炸，大部分路段被毀，必須繞行?？蛇x的路線是沿南部重點(diǎn)城市方向投送到達(dá)指定陣地。

神經(jīng)網(wǎng)絡(luò)收斂到穩(wěn)定平衡狀態(tài)時(shí)，最優(yōu)迭代次數(shù)為332次，此時(shí)3種訓(xùn)練數(shù)據(jù)聚合至某水平線，如圖8所示。利用綜合阻抗函數(shù)計(jì)算路阻，導(dǎo)入MATLAB進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，經(jīng)過神經(jīng)網(wǎng)絡(luò)訓(xùn)練后的輸出為：1-14-15-23-34-24-26-39-45-48-50，此時(shí)路阻函數(shù)最小值為892.13?？芍谒姆N突發(fā)情況下部隊(duì)投送路線為：沈陽(yáng)-撫順-鐵嶺-四平-遼源-梅河口-通化-白山-敦化-寧安-牡丹江。突發(fā)情況四的最優(yōu)路徑參數(shù)指標(biāo)如表2所示。

突發(fā)情況五：中部區(qū)域附近重點(diǎn)城市長(zhǎng)春、四平、遼源等城市被敵機(jī)轟炸，連接沈陽(yáng)往北的大部分城市道路均遭到毀壞，需要從南部迂回投送。

圖8 第四種情況神經(jīng)網(wǎng)絡(luò)最優(yōu)解迭代次數(shù)曲線

神經(jīng)網(wǎng)絡(luò)收斂到穩(wěn)定平衡狀態(tài)時(shí)，最優(yōu)迭代次數(shù)為265次，此時(shí)3種訓(xùn)練數(shù)據(jù)聚合至某水平線。利用綜合阻抗函數(shù)計(jì)算路阻，導(dǎo)入MATLAB進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，經(jīng)過神經(jīng)網(wǎng)絡(luò)訓(xùn)練后的輸出為：1-3-2-4-18-19-30-31-35-50，此時(shí)路阻函數(shù)最小值為909.05?？芍谖宸N突發(fā)情況下部隊(duì)投送路線為：沈陽(yáng)-鞍山-盤錦-阜新-通遼-齊齊哈爾-大慶-哈爾濱-海林-牡丹江。突發(fā)情況五的最優(yōu)路徑參數(shù)指標(biāo)如表2所示。

4 與其他算法結(jié)果對(duì)比分析

為了驗(yàn)證本文方法的優(yōu)越性，分別采用文獻(xiàn)[2]中的蟻群算法與文獻(xiàn)[3]中線性規(guī)劃方法進(jìn)行對(duì)比，對(duì)上述突發(fā)情況進(jìn)行選線，對(duì)比情況如圖9、圖10所示。

圖9 不同算法最優(yōu)路徑節(jié)點(diǎn)數(shù)比較

圖10 不同算法最優(yōu)路徑阻抗值比較

從3種方法結(jié)果對(duì)比來看,5種突發(fā)情況中，突發(fā)情況二(東部路網(wǎng)受損)的最優(yōu)路徑節(jié)點(diǎn)數(shù)和最優(yōu)路徑阻抗值本文方法比蟻群算法略微滯后，其余的4種情況(突發(fā)情況一、三、四、五)最優(yōu)路徑節(jié)點(diǎn)數(shù)和最優(yōu)路徑阻抗值都明顯優(yōu)于蟻群算法和線性規(guī)劃算法；而且蟻群算法和線性規(guī)劃算法在不同突發(fā)情況下的參考指標(biāo)各有高低，并未呈現(xiàn)出明顯的優(yōu)勢(shì)差別。究其原因：一是神經(jīng)網(wǎng)絡(luò)方法通過設(shè)計(jì)推理規(guī)則，突出了實(shí)時(shí)變化特性，有效實(shí)現(xiàn)了將路網(wǎng)的變化融入到了選線阻抗函數(shù)中；二是結(jié)合MATLAB實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)算法快速得出全局最優(yōu)解，運(yùn)算時(shí)間較短，對(duì)運(yùn)算結(jié)果的驗(yàn)證較為完備，比蟻群算法和線性規(guī)劃方法更具有可信度。本文所選用改進(jìn)型神經(jīng)網(wǎng)絡(luò)算法比蟻群算法和線性規(guī)劃算法更加優(yōu)越。

5 結(jié)束語(yǔ)

本文所建立的動(dòng)態(tài)選線方法選取有50個(gè)節(jié)點(diǎn)的路網(wǎng)，路網(wǎng)復(fù)雜程度適中，可推廣至更加復(fù)雜的公路網(wǎng)絡(luò)。未來新型陸軍全域機(jī)動(dòng)作戰(zhàn)公路投送會(huì)呈現(xiàn)出距離更遠(yuǎn)、范圍更大的特點(diǎn)，作戰(zhàn)中的不確定性因素多，要有效完成相關(guān)投送任務(wù)，更要依托計(jì)算機(jī)處理手段，實(shí)現(xiàn)實(shí)時(shí)動(dòng)態(tài)信息的獲取、融合、快速處理，為選線決策提供科學(xué)依據(jù)。動(dòng)態(tài)選線方法可以很好地解決因部分節(jié)點(diǎn)或部分路段發(fā)生變化而引起的路網(wǎng)結(jié)構(gòu)變化所帶來的問題，即處理隨機(jī)性、突發(fā)性變化情況的能力較強(qiáng)，并且結(jié)合計(jì)算機(jī)軟件處理能夠快速搜索到最優(yōu)路線，且輸出質(zhì)量可以進(jìn)行定量、可視化評(píng)價(jià)，可信度很高，能為實(shí)際決策發(fā)揮重要輔助作用。