随机模糊时变网络最短路径问题研究

The shortest path problem on an uncertain time-dependent network is a classical and important network optimization problem, appearing in many applications such as communication, computer science, intelligent transportation system. The uncertainty is conventionally described as randomness, while in this project the uncertainty mixed randomness and fuzziness are considered. Three new research problems including single objective shortest path problem, multi-objective shortest path problem, and online shortest path problem on random fuzzy time-dependent network will be studied. To solve these three problems, we will formulate these problems and design the related shortest path algorithms. The shortest path problem of this project is more universal in comparison with the existing problems. Moreover, the research results of this project not only can be directly used in the field of communication, but also can be extended to the other fields such as intelligent traffic. Hence, this research has certain theory significance and potential application value.

不确定环境下的时变网络最短路径问题在通信、计算机、智能交通等多个领域有着广泛的应用，其中时变网络中的不确定性往往被传统的看成随机性。本项目拟将随机性推广至随机模糊性，围绕单目标随机模糊时变网络最短路径问题、多目标随机模糊时变网络最短路径问题和在线的随机模糊时变网络最短路径问题三个崭新的问题展开研究。为此，我们拟对上述三个问题分别进行形式化建模并设计相应的模型求解算法。本项目研究的最短路径问题比已知不确定网络最短路径问题更具有普遍性，具有一定的理论意义。项目研究成果不但可以直接用于通信领域，而且还可以平行推广至智能交通等多个科学研究领域，具有潜在的应用价值。

不确定环境下的时变网络最短路径问题在网络通信、智能交通、计算机等多个研究领域有着广泛的应用。对于时变网络的不确定性，国内外传统上通常将其看成随机性。我们将随机性推广至随机模糊性，对随机模糊时变网络的最短路径问题进行了深入研究。首先，运用数学领域的概率论、模糊集合论、以及随机模糊理论的最新研究成果，首次对随机模糊时变网络最短路径问题进行了形式化描述和数学建模，成功提出随机时变网络和模糊时变网络最短路径的一般化推广模型。其次，通过数学领域的随机模糊模拟，计算机人工智能领域的神经网络、智能计算等技术，提出满足一定条件下能保证收敛的新遗传算法，提出高效并行的时延神经网络等一系列随机模糊时变网络最短路径模型的求解算法，较为成功的克服了已知数学方法难以求解随机模糊时变网络最短路径优化模型的困难。本项目研究不但成功解决随机模糊时变网络形式化建模和模型求解问题，而且相关成果也促进了人工智能领域某些问题的解决。研究成果以论文长文形式在智能交通领域国际权威期刊<<IEEE Transactions on Intelligent Transportation Systems>>，模糊领域国际权威期刊<<IEEE Transactions on Fuzzy Systems>>,以及神经网络领域知名期刊<<Neural Networks>>等多个国际期刊发表。已发表或录用论文16篇，其中SCI检索7篇，EI检索4篇。