《表2 改进算法优化参数对比Table 2 Improved algorithm optimization parameter comparison》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进遗传算法的露天矿运输路径优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为进一步揭示文中算法的能耗优势，分别对Dijkstra和PSO算法优化的路径结果进行全局时变总运输功统计，并从运距、优化效果和时间性能3方面对10组测试实例的优化参数进行了对比，如表2所示，表中等效运距、运输功最优解以及时间效率均加下划线表示。文中利用先验条件过滤了10组测试实例的非关联节点，并在表中统计了关联节点数。从表2中对比数据可以发现，一方面两类算法均能计算得到最优解，但Dijkstra和PSO算法更加关注静态网络中路径节点间距离总和最小，并能够得到较为理想且相同的等效运距全局最优解；而文中改进的GA算法则着眼于动态变权重网络中目标路径运输功总和最低，能得到较为理想的运输功最优解。另一方面，节点间等效运输距离和最短的路径其运输功并不最小，在相同路面条件下产生该现象的原因在于:（1）当卡车遇到频繁折返时，其阻力较之直线行驶时是成倍递增的，会大幅度增加卡车运输功；（2）当卡车在频繁克服高程爬坡时，由于坡度阻力的增加也会导致总体阻力做功变化；（3）道路阻力系数是一个随速度小幅度波动的变量，但以数百吨卡车重量为基数的阻力计算会放大上述波动，对优化结果会造成较大影响。