基于改进蚁群算法的动态路径规划算法研究

针对交通导航最优路径问题,文章分析了传统蚁群算法的基本原理及其局限性,并为提高路径搜索效率,解决路径搜索初始阶段缺乏方向性、正反馈机制引发局部最优解的问题,提出了新的改进蚁群算法,通过信息素更新策略改进、启发因子改进和引入探索因子来寻求动态全局最优解。由MATLAB实验仿真可知,改进后的蚁群算法对比基本蚁群算法,在遍历相同道路网络节点时,其循环的平均路径长度和最短路径长度都较短,能够有效实现动态最短路径诱导,具有良好的收敛性和全局寻优性。     

基于改进鱼群算法在管道最优抢修路径的研究

当油气管道发生安全事故时,为保证在最短的时间内达到事故现场,需选择最优的抢维修路径。文中提出了一种新型的最优路径计算方法——鱼群算法,并针对其在搜索空间、收敛性以及寻求最优解等方面存在的不足,提出了改进鱼群算法。结合实际工程案例,对鱼群算法和改进鱼群算法在相同循环次数下寻求最短路径做了对比,结果显示改进的鱼群算法成功率高、收敛快,具有一定的应用价值。     

基于增量搜索的车辆动态路径规划算法研究

D＊Lite算法是一种非常高效的增量搜索算法,适合于动态环境下的路径规划。文章基于D＊Lite算法的原理,对该算法的性能及应用于车辆路径规划的适用性进行改进,提高了算法的稳定性和结果的可靠性,并通过试验和算法评价验证了改进的D＊Lite算法在复杂、动态环境下规划路径的有效性。     

基于改进Dijkstra算法的路径优化仿真研究

文章针对传统Dijkstra算法在路径优化过程中存在的不足,从路网拓扑关系存储和快速搜索技术两方面对其进行了改进,得到了一种改进的Dijkstra算法,并通过实例仿真分析,验证了该算法的有效性。     

基于蚁群算法和群决策理论的动态路径优化研究

文章针对城市交通信号控制中的动态路径优化问题,综合考虑相邻交叉口间距和路段交通饱和度两个参数的影响,提出了一种基于蚁群算法和群决策理论的动态路径优化算法模型,并通过仿真实验,对比分析了该算法模型的有效性。     

基于实时交通信息的动态路径规划算法研究

针对车辆智能交通最优路径问题,文章提出了一种基于层次分析法和消弧法结合的最优路径算法,通过建立权重判断矩阵求解特征向量,计算得出影响动态路径值的各因子的权重值;应用消弧法,求得指定的两个节点之间的最短路径。结果表明:动态路径规划算法能为驾驶员提供一条最优路径。     

模糊矩阵算法在交通导航系统中的应用

针对车载导航动态路径最短算法问题,文章研究了影响交通运输效率的几个重要因素,利用模糊逻辑运算求解各因素对动态路径权值的影响,提出了基于矩阵算法的最佳导航路径规划算法,并通过南宁市某地区的交通网络图,实验验证了该算法的准确性和有效性。     

动态车辆路径问题的遗传算法研究

文章针对动态车辆路径的特点及模型对其算法进行了研究,并设计了改进的遗传算法对最优路径进行求解,结果显示采用改进的遗传算法提高了全局寻优能力与收敛速度,取得了较好的效果。     

空间索引技术在路径选择中的应用研究

针对现有的最优路径选择模型结果很好但搜索速度相对较慢的问题,为了提升最优路径的搜索速度,并获取满意路径,采取空间索引技术,对最优路径问题进行了模型和算法的改进,以运输时间最短、算法搜索速度最快为目标进行了研究。通过与常见算法比较,空间索引技术在路径选择的应用上取得较满意的效果。     

基于改进蝙蝠算法的钢筋混凝土箱梁桥截面优化设计研究

桥梁截面尺寸参数改变会影响结构的整体重量及受力性能,在保证结构受力合理的前提下优化截面参数,可节约成本。文章基于改进的蝙蝠算法,结合有限元模型,对某已建钢筋混凝土箱梁桥截面进行优化设计,对比分析优化前后参数、挠度等数据变化情况。研究结果表明:改进蝙蝠算法改进了原始算法多样性不足、易于陷入局部最有解的缺陷;截面设计优化后,箱梁总体结构重量减少了9.2%,结构刚度有些许降低,挠度结果影响较小;优化后的桥梁整体结构安全可靠,使用阶段承载力满足要求。     

一种基于有向图的高速公路5.8G多义性路径纠错识别算法

随着高速公路不断建设,路网日趋复杂,多义性路径精确识别及通行费的计算拆分逐渐成为目前收费管理研究的热点。文章探讨了5.8G多义性路径识别在高速公路有向图中面临的问题,通过优化最短路径算法,对逆向标识数据进行自动纠错。该算法基于广西高速公路通行数据进行仿真实验,通行费计算准确度达到99.99%,逆向标识数据纠正率达到100%,同时计算效率能满足高速公路出口快速通行的要求。     

基于PSO算法的盾构掘进参数寻优方法及应用

为了辅助盾构机司机驾驶盾构机，提供相应的操作建议，依托9座盾构隧道工程，选取5 075 101条盾构掘进状态的时间步数据，分别以盾构耗能最小和施工工期最短为决策目标，基于PSO算法对盾构机司机主动操作的刀盘转速和总推力两种掘进参数进行寻优，从而根据不同种类土的寻优范围给予司机实操建议，并对比优化前后的效果。研究发现：（1）以盾构耗能最小为决策目标优化后，刀盘转速和总推力的分布范围大幅度缩小，分布范围由大到小依次是砂层、土层和砾石层，掘进速度也有一定的提升。（2）以施工工期最短为决策目标优化后，刀盘转速的分布范围由大到小依次是土层、砂层和砾石层；总推力和掘进速度的分布范围由大到小依次是砂层、土层和砾石层。优化后能显著提高掘进速度，缩短工期。（3）以工期最短为决策目标的刀盘转速、总推力和掘进速度总体上大于以耗能最小为决策目标的刀盘转速、总推力和掘进速度。适当增加刀盘转速和总推力可以增加掘进速度，缩短施工工期。     

基于蚁群算法的隧道照明参数设计

隧道照明设计需考虑灯具间距、布置高度、布置形式、布置角度、灯具配光曲线等诸多因素,诸多参数的引入造成常规求解方法的困难,论文基于蚁群算法的基本原理,提出了基于蚁群算法的隧道照明参数设计方法,分析了相应的计算流程,并结合贵州凉风坳隧道,利用该算法计算了隧道照明参数配置,并与DIALux照明设计软件的设计进行了对比分析,得到相应结论并为合理选择隧道照明参数设计方法提供参考。     

基于列生成的城市轨道交通乘务排班计划优化

乘务排班计划是城市轨道交通运输计划的重要组成部分，高效的排班计划可以有效降低城市轨道交通运营成本。本文基于列生成算法，构建以班次数最小为目标的乘务排班模型。列生成算法的限制主问题采用集合覆盖模型，通过建立网络图模型，将定价子问题转化为带资源约束的最短路问题。提出了考虑复杂约束的改进的邻接矩阵构建方法，采用Floyed算法求得最短路径集合。在求解具有最小检验数的新班次时，提出了基于工作效率和工作时长综合惩罚的优化规则，以提高新班次集合的质量。最后求解0-1整数规划问题，即从可行班次集合中找到满足乘务片段全覆盖约束的最优子集，构成最终的排班方案。案例结果表明本文模型能够显著地减少乘务班次数，同时各项指标均有所改善。     

流量分配的最优化——最优树法

概括了流量分配优化设计方法的现状，并针对其不足提出了可用于多水源的简易行的优化树法。这一最优化技术通过求得管网的最优树来使供水路径最短，从而使管网的总造价最小。它的应用对城市旧管网的改扩建也有着重要的意义。     

关于进一步完善上海市慢行交通网络的建议

上海慢行交通网络和技术标准体系整体处于国际领先水平,但在规划和立法层级、慢行交通空间、慢行静态空间等方面仍存在一些不足,需要进一步完善。介绍了上海市慢行交通网络发展的现状,分析了上海市慢行交通网络发展的不足与存在的问题,提出了进一步推动上海市慢行交通发展的建议。以打造"安全畅达、活力四射"的慢行交通网络,让街区可漫步、城市有温度。     

基于IPSO-SVM的双塔斜拉桥线形预测研究

斜拉桥的施工线形控制与预测是斜拉桥安全施工与运营的关键。文章以某大跨度斜拉桥工程为背景,针对大跨度斜拉桥施工线形控制与预测问题,提出了一种基于非线性粒子群算法优化支持向量机的斜拉桥线形预测模型。通过支持向量机建立了影响斜拉桥结构响应的随机变量与主梁线形之间的关系,并采用非线性递减策略改进惯性权重的粒子群算法对支持向量机参数进行优化,得到了斜拉桥线形预测模型。相关计算结果表明:非线性粒子群算法对于支持向量机参数的寻优具有更好的收敛性;基于非线性粒子群算法改进的支持向量机对样本数据的拟合精度最高,平均误差<0.005 m;提出的预测模型可以较为准确地预测主梁节段的线形标高,预测结果与实测值、理论值的平均相对误差<2%,可为斜拉桥施工线形控制提供一定的理论参考。     

水下图像增强算法

本文研究的重点是各种水下图像增强算法。首先,从图像增强的基本理论出发,详细介绍了目前几种主要的图像增强技术。其次,阐述了水下光学特性以及常规图像增强技术对水下图像处理,并分析其适用性。最后,针对光照不均匀的水下图像增强技术,分析其实用性和局限性,并利用Retinex算法对水下图像达到增强的效果。     

基于多源数据的铁路货运客户服务提升一体化方案

为进一步实现铁路货运部门对客户的精准营销,本文提出基于多源数据的客户服务提升一体化方案。首先建立铁路货运客户服务提升整体指标体系,利用数据挖掘算法对二级指标进行聚类,得到客户细分方案;进一步,以服务提升路径最短为目标,以参照客户对象的搜索角度和搜索半径为约束条件建立客户服务提升数理模型,并设计客户服务提升算法。最后,通过案例分析验证了一体化方案的可行性和有效性。结果表明：可量化的服务提升路径在客户服务提升效果上明显优于定性得出的服务提升策略。     

订单生成时间不确定的货物配送路径优化

针对各个配送点订单生成时间不确定，且未来生成订单现阶段配送方案制定有影响，本文提出了动态订单匹配策略，将已生成和未生成的订单信息综合考虑，提高匹配效果。然后，本文建立了以最小化运能浪费和订单等待处理时间为目标的二阶段随机规划模型来编制当前和下一阶段的配送方案，并设计了自适应遗传算法进行求解。最后，本文利用某地25个配送点数据信息进行二阶段配送路径规划。与蚁群算法相比，本文算法对两个阶段的运能浪费成本和时间浪费成本求解过程收敛时间分别为：112.3s、102.4s、98.5s、114.7s，均小于蚁群算法收敛时间：117.3s、115.4s、109.6s、118.2s。且本文算法求得的两个阶段总运能浪费成本和时间浪费成本分别为62000t.km、644t.h，远小于传统启发式算法的72400t.km、816t.h。