摘要：针对公共景区中传统的人流导向方法存在诱导效果差、客流管控难的问题,将遗传算法和强化学习中经典的Q学习方法相结合,提出一种基于强化学习的遗传算法——RLGA。对游客旅游路线进行建模,实现对交通拥挤度和行程时间的全面考虑。结合Q学习方法,动态调节交叉、变异概率,摆脱对人为设定等主观经验的依赖,实现遗传算法算子从人工决策到智能化自适应决策的转变,在路由信息中挖掘出并优化出一条高性能路径。将所提出的RLGA与传统GA方法用于模拟路径规划问题,实验结果表明,RLGA具有较快的收敛性能以及较好的自适应能力。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社