2025年IOTJ SCI2区TOP，动态协同鲸鱼优化算法DCWOA+多车车联网路径规划，深度解析+性能实测

---

1.摘要

车联网（IoV）为动态交通环境下的路径规划算法带来了重大挑战，本文提出了一种用于多车辆路径规划的动态协同鲸鱼优化算法（DCWOA）。DCWOA算法通过引入三层结构（个体层、小组层和协同层），实现了局部与全局的高效优化。DCWOA的创新包括：融合包围与螺旋更新机制的动态调整因子、基于车辆通信的局部与全局协同机制，以及集成行驶时间、油耗、安全性和排放的多目标加权决策模型。

2.鲸鱼优化算法WOA原理

SCI二区|鲸鱼优化算法（WOA）原理及实现【附完整Matlab代码】

3.动态协同鲸鱼优化算法DCWOA

DCWOA算法的核心结构分为三层：个体层、小组层和小组协同层。这三层结构逐步推进路径规划目标的实现，实现由局部优化向全局优化的转变。DCWOA引入了动态调整因子$c_i(t)$：
$${\vec{X}}_{\mathrm{dynamic}}(t+1)=\vec{X}(t+1)+c_i(t)$$
$$c_i(t)=\alpha \cdot \frac{{\nu }_i(t)}{V_{\max }}+\beta \cdot \frac{S_{\mathrm{traffic}}}{S_{\max }}$$

每个鲸鱼与其邻居共享信息:
$${\vec{X}}_i^{\mathrm{local}}(t+1)={\vec{X}}_i(t)+\frac{1}{\left|N_i\right|}\sum _{j\in N_i}\left({\vec{X}}_j(t)-{\vec{X}}_i(t)\right)$$

全局合作更新：
$${\vec{X}}_i^{\mathrm{global}}(t+1)=\gamma \cdot {\vec{X}}_{\alpha }(t+1)+(1-\gamma )\cdot {\vec{X}}_i^{\mathrm{local}}(t+1)$$

4.多车车联网路径规划

DCWOA算法在单一路径任务中表现出优越的适应度，但在多用户交通路径规划中，则需应对车辆速度差异、道路容量限制和信号灯时序变化等复杂挑战。针对这些问题，基于DCWOA的多车辆路径规划（MVPP）算法，通过动态识别最优路径、及时发现潜在瓶颈，并采用自适应搜索与协同优化机制，实现了各类目标的协调与全局最优。MVPP-DCWOA能够为复杂交通网络提供高效且平衡的路径优化解决方案。

给定一个有向图$G=(V,E)$,其中 V = { 0 , 1 , 2 , … , n } V=\{0,1,2,\ldots,n\} V={0,1,2,…,n}表示交叉口集合，$E=$
{ r i j ∣ i ∈ V , j ∈ V } \{r_{ij}|i\in V,j\in V\} {rij​∣i∈V,j∈V}表示道路段集合。每一条道路段$r_{ij}$具有如长度$L_{ij}$、行驶时间$t_{ij}$ 道路容量和车辆密度等特性。多路径规划的目标是最小化网络中所有车辆的总行驶时间$T$：
min ⁡ T = ∑ k ∈ R i ∈ V k ∑ j ∈ V k x k i j ⋅ t k i j w h e r e x k i j ∈ { 0 , 1 } \min T=\sum_{k\in Ri\in V_k}\sum_{j\in V_k}x_{kij}\cdot t_{kij}\quad\mathrm{where~}x_{kij}\in\{0,1\} minT=k∈Ri∈Vk​∑​j∈Vk​∑​xkij​⋅tkij​where xkij​∈{0,1}

为反映道路拥堵或不可通行的情况，如果某段路的行驶时间$t_{kij}=0$ ,则表示该道路严重
拥堵或已阻断，需要动态地重新规划路径。具体约束条件如下：
$$\sum _{i\in V_k}{x}_{kir}-\sum _{j\in V_k}{x}_{krj}=0,\forall k\in R,\forall r\in V_k$$

为反映道路拥堵或不可通行的情况，如果某段路的行驶时间$t_{kij}=0$ ,则表示该道路严重
拥堵或已阻断，需要动态地重新规划路径：
$$t_{kij}=0\Rightarrow x_{kij}=0$$

为了提升路径规划的准确性并提前预判潜在拥堵，决策过程中引入了轨迹预测模型。其目标是最小化车辆在规划路径上预测位置与实际位置之间的偏差。预测模型的数学表达式为：
$$\min \sum _{i=1}^N\left(\sum _{j=1}^{L-1}(\Delta u_{ji}{)}^T\Delta u_{ji}+\sum _{j=1}^L(\Delta z_{ji}{)}^T\Delta z_{ji}\right)$$

其中，$\Delta u_{ji}$表示车辆在位置$j$处的速度变化，$\Delta z_{ji}$表示车辆位置的变化，$\Delta z_{ji}$也是车辆
预测位置与实际位置之间的偏差。
车辆的位置与轨迹预测需满足以下条件，以确保准确性并避免冲突。每辆车必须从起点出发并到达终点：
$$z_0^i=s_i,z_L^i=g_i$$

每一时刻的位置是前一时刻位置与控制输入的函数：
$$z_{j+1}^i=f\left(z_j^i,u_j^i\right),\mathrm{with}pos\left(z_j^i\right)\in s_j^i,u_j^i\in U_i$$

为防止车辆间发生碰撞，需要施加如下空间约束：
$$pos\left(r_j^{i_1}\right)-pos\left(r_j^{i_2}\right)\ge Lo{c}_{i_1}+Lo{c}_{i_2},\forall i_1\ne i_2,\forall j$$

5.结果展示

6.参考文献

[1] Yang W, Shang W, Liu Z. Dynamic Cooperative Whale Optimization Algorithm for Multi-Vehicle IoV Path Planning[J]. IEEE Internet of Things Journal, 2025.

7.代码获取

8.算法辅导·应用定制·读者交流