适用于城市区域航拍的无人机航线规划研究

研究无人机在城市区域航拍过程中的航线规划问题,首先通过分析卫星图像,区分出重点区域与非重点区域;再进行数值图像处理,最终分割获得城市区域航拍的航点位置集合;并将问题转化为约束条件下的无人机抵达全部航点所需的时间最短及航线最优的优化问题。建立蚁群遗传混合算法,求解最终的优化航线。该混合算法具有传统的蚁群算法和遗传算法的优点,也解决了蚁群算法初期信息素的匮乏和遗传算法的冗余迭代,同时利用道路的基本信息来定义每条道路无人机拍摄的权重,以此来确定适应性函数和启发函数,从而避免了主观因素对结果的影响。最后给出实例分析,并以遍历算法结果为基准进行了比较,表明该混合算法能够获得最优航线且收敛速度快、稳定性好。     

货运车辆优化调度方法

首先介绍货运车辆调度问题的分类，根据问题的不同性质将货运车辆优化调度分为满载和非满载调度，有时间要求和无时间要求的调度等多种类型。然后，详细介绍求解货运车辆优化调度问题常用的启发式算法、神经网络方法和遗传算法的原理、模型和求解过程。还根据深圳市科技园的实际路网图，采用神经网络的方法对运输车辆优化调度进行试验研究，给出试验结果。本文所论述的方法对于实际的货运车辆调度问题具有指导意义。     

船队加解驳问题的数学模型与算法研究

文章以长江航线上推轮船队的加解驳问题进行了分析和过程抽象，建立了描述问题的数学规划模型，设计了一套启发式求解算法。     

人工神经网络与遗传算法的结合在土钉支护优化设计中的应用

近年来,由于智能化方法——人工神经网络和遗传算法所具有的种种优点,其理论和应用研究得到工程界较广泛的关注。针对目前土钉支护优化设计中计算工作量大和求解时间长的问题,提出了将神经网络与遗传算法结合进行求解的思想,利用神经网络学习算法建立起输入参数(优化设计变量)和输出参数(安全系数最小值)之间的非线性映射关系,当神经网络学习达到收敛条件时,从映射关系就极易获得遗传算法求解优化问题所需的对应于给定设计变量的安全系数最小值的近似值,以代替每次必须进行的最小安全系数求解。算例结果表明,采用神经网络与遗传算法结合进行土钉最小长度优化求解所需要的时间大大减少,而且具有良好的效果。     

基于改进NSGA-Ⅱ和IGA-BP神经网络的索梁锚固区结构优化研究

为实现大跨度斜拉桥索梁锚固区钢锚箱的结构优化,依托某大跨度斜拉桥索梁锚固区结构实际工程,提出了一种基于NSGA-Ⅱ算法与IGA-BP神经网络模型的结构参数优化方法。首先基于BP神经网络确定了钢锚箱响应数据预测的拓扑结构,采用自适应交叉变异改进的遗传算法对钢锚箱结构响应神经网络预测模型的权值阈值调参,得到满足拟合精度要求的IGA-BP神经网络预测模型。然后建立考虑结构平均应力和主要板件上峰值应力的数学优化模型,采用改进交叉、变异算子的NSGA-Ⅱ算法设计了钢锚箱结构参数优化流程。最后联合改进NSGA-Ⅱ算法和IGA-BP模型实现了钢锚箱结构参数的优化求解。结果表明：自适应遗传算法对BP神经网络权值与阈值调参的效果良好,相较于标准BP神经网络,IGA-BP神经网络的拟合精度和训练效率均更高;改进NSGA-Ⅱ算法可以实现对钢锚箱结构参数的寻优求解,根据Pareto协调最优解的结果,钢锚箱支撑板与承压板厚度有一定增加,加劲板和锚垫板厚度略微降低;优化后的结构上平均应力降幅约为2.7%,其中承压板应力峰值由200.9 MPa降低至178.1 MPa,降幅约为11.3%,支撑板应力峰值由199.6...     

基于遗传神经网络的货运量预测的研究与实现

针对BP网络和遗传算法的缺陷，提出了一种新的遗传神经网络优化模型，可以用来同时优化BP神经网络的网络结构和权值阈值，叙述了该算法的设计过程。利用该算法对货运量进行预测，并与标准的BP算法预测结果进行比较，计算结果表明，该算法的预测精度大大高于标准的BP算法的预测精度。     

基于蚁群算法与海量AIS数据的船舶航线规划

利用船舶AIS轨迹数据,研究了基于蚁群算法和海量AIS数据的航线规划方法.采用Doug-las-Peucker算法对海量轨迹数据进行压缩处理;基于DBSCAN算法对处理后的AIS轨迹点数据进行聚类,提取出航路关键转向点;依据地理边界数据确定关键转向点的连接关系,并对靠近孤立碍航物的航线进行修正,构建出1个无向网络图,同时计算出各条边的船舶航行密度;将各边的密度值作为MMAS蚁群算法的初始信息素浓度,求解港口间的最优安全航线.以2017年黑德兰港到青岛港的散货船AIS轨迹数据为样本,进行航线规划研究.结果表明,规划的航线总航程为3487.21 n mile,推荐航线总里程为3576.9 n mile,传统蚁群算法规划出的航线总里程为3560.42 n mile.与相关推荐航线相比总航程缩短约为3%,与传统蚁群算法相比总航程缩短约2%;另外该方法相较于传统蚁群算法收敛速度更快.      

最佳旅游路线选择的神经网络方法

针对最佳旅游路线的选择问题，提出了使用Hopfield神经网络的算法和优化模型。结合西安旅游地图，构建了一个Hopfield神经网络。实验研究的结果表明，该方法对于处理旅游路线的优化选择问题很有效。     

抑制桥梁结构横向振动的半主动控制方法

研究了桥梁结构的半主动控制问题，在算法上采用基于神经网络的模糊控制，不需要建立精确的分析模型，计算较为简便，避免了用多参量建立模糊关系方程的求解困难，并与二次最优控制算法进行了对比。数值结果表明，提出的半主动控制系统对减小结构的地震响应是有效的。     

基于IGWO-BP算法的轨道交通短时客流预测

轨道交通短时客流具有随机性和非线性的特点。为提高轨道交通短时客流预测结果的准确度，研究了基于改进的灰狼优化算法（IGWO）与BP神经网络的短时客流预测算法（IGWO-BP）。计算轨道交通客流不同时间序列的相关系数，确定了BP神经网络的输入和输出方式；用余弦思想和动态权重策略对原始灰狼优化算法改进，提高算法的全局搜索能力和寻优效率；用IGWO算法优化BP神经网络的初始权值和阈值，提高短时客流预测结果的准确性。预测了西安轨道交通2号线龙首原站周三早高峰15 min时间粒度的短时客流量，并将IGWO-BP算法的预测结果与其他5种模型（KF，GM，SVM，BPNN，GWO-BP）比较。结果表明，IGWO-BP算法的均方根误差为89.65，平均绝对百分比误差为1.16%，预测结果的精度和稳定性均为最优。