基于机器学习-优化混合算法的离散交通网络双层规划模型

作者：刘丹; 蒲自源; 许晓晴; 伍佳妮

来源：系统工程, 2018, 36(08): 114-122.

• 离散交通网络设计
• 双层规划模型
• 交通分配
• 机器学习
• 混合算法

为求解离散交通网络设计的大规模双层规划问题(Bi-level Programming Program,BPP),提出一种机器学习-优化(ML-OP)混合算法。首先,基于分解方法的求解思路,将双层规划问题转换为:下层一个典型的非线性规划问题(NLP),上层一个整数规划问题来处理。研究设计的混合方法,上层问题用源于机器学习的替代问题代替,采用监督学习算法求解(SLA),下层问题为交通分配问题(TAP),是一个凸非线性规划问题,用Frank-Wolfe算法求解。其次,为了验证机器学习-优化算法的有效性,用一个真实的大规模数据集来测试,并与经典分支定界算法(Branch-and-Bound)进行比较。数据结果表明在处理大规模双层规划问题时,ML-OP混合算法在计算能力方面有较好的表现。

• 单位
  长安大学; 土木与环境工程系