一种强异质成本场下实现动态用户均衡的路径优化方法

本发明公开了一种强异质成本场下实现动态用户均衡的路径优化方法，涉及交通路径分配领域，无需预先划定精确的网格结构，考虑成本影响来准确地确定各位置点的距离信息，以结合根据全连接型神经网络设计的预设基于物理信息的改进NES策略确定Eikonal分解因子以确定该分解因子点乘距离信息的结果为成本势，可靠地实现了Eikonal方程的分解且处理效率高，利于后续根据成本势求解预设动态用户均衡模型以得到最优初始路径；根据第i个动态时刻的新的成本函数、该动态时刻的上一时刻对应的距离信息及上述改进NES策略得到该动态时刻下的成本势以得到此时的优化路径，这种通过迁移学习的思想实现了第i个动态时刻的成本势的高效求解。