在交通网络和数据网络中,网络特征(如弧的权值、结点耗费等)既具有随机性又具有时间依赖性,这样的网络称之为随机时间依赖网络,简记为STD网络。在实践中,STD网络模型比传统网络模型具有更广泛的应用。由于随机性和时间依赖性引入到网络模型中,使得最短路径问题变得复杂化和多样化,传统的最短路径算法已不再适应这样复杂的网络环境,这就迫使人们寻求新的解决方法。 在随机时间依赖的交通网络中,对于一组给定的起始点和目的点,通常要选择一条期望时间最短的路径行走。但在现实的网络中,由于其它原因最短路径走不通时,可以选择第二最短路经,第三最短路径直到第K最短路径,因此需要一个K最短路径集。本文在基于自适应路径和K期望最短路径的基础上提出了求解随机时间依赖网络中自适应K期望最短路径的算法(A_KESP算法),算法得出的结果是一组策略集,这样就可以根据到达的具体时刻的不同而选择不同的路径,具有自适应性。A_KESP算法不仅适用于先进先出的网络而且适用于非先进先出的网络。 首先,本文给出了STD网络模型,提出了STD网络中的路径优化条件和求解K期望最短路径的相关理论;其次设计并实现了STD网络中的A_KESP算法;然后,文章从理论上分析证明了A_KESP算法的正确性和算法的时间复杂度;最后设计试验对A_KESP算法的性能进行测试,并且给出了一个实例测试。理论证明和试验测试都表明,A_KESP算法对于解决STD网络中的自适应K期望最短路径问题有重要意义。