混合蚁群算法求解带时间窗的车辆路径问题

采用营运车辆的最短行驶距离作为带时间窗车辆路径问题的优化目标,在混合蚁群算法中采用信息素3层更新策略以完成对车辆的调度,信息素挥发自适应策略充分考虑实时路况,考虑信息素空间扩散特性的局部更新策略,更加忠实于自然界的真实蚂蚁系统,可以提高算法的收敛速度,采用阈值判断的全局信息素更新策略可以防止算法陷入局部最优。通过C#语言实现了混合蚁群算法的计算机求解,最后对10个仿真实例进行仿真计算,结果表明,混合蚁群算法收敛快,寻优结果稳定。     

基于改进蚁群算法的运输调度规划

在运输调度等组合优化问题的最优路线的搜索中,传统蚁群算法ACA(Ant Colony Algorithm)存在搜索时间长、收敛速度慢、易陷于局部最优解等缺点。为了克服这些缺点提出了一种改进的蚁群算法,该算法将遗传算法和蚁群算法结合起来,在蚁群算法的每一次迭代过程中,首先采用自适应策略控制它的收敛速度,然后使用变异操作来确定解值,从而提高它的搜索性能。再结合建立的运输调度性能指标,利用遗传算法、蚁群算法和改进蚁群算法3种方法分别进行运输规划,通过比较其时间花费和运输费用,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,提高了算法性能。     

改进自适应遗传算法研究及其应用

针对标准遗传算法收敛慢，提出了一种改进自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，改善种群的分布特性，加强算法的全局收敛能力。应用概率模型的遗传算法对4个名的测试函数进行优化计算，实验结果表明：该算法不易陷入局部极值，收敛速度快，且实现简单。     

基于蚁群算法求解物流订单派送问题

针对物流信息平台中的订单派送问题,研究了订单派送的单向性和路径最优特性,构建了路径选择模型,对费用最少和时间最短的双目标优化函数进行了分析,将基本蚁群算法进行了改进。通过对局部信息素进行外界人为的干扰,从而影响整个网络选择,使得路径选择全局最优,解决了基本算法在求解最短路径中计算时间长的问题。模拟结果表明,计算速度提高了30%。     

基于时间序列ACO-BP神经网络在基坑变形预测中的应用研究

BP神经网络技术因其良好的非线性动力学特性、函数逼近能力、自组织和自适应能力,已广泛应用于基坑变形预测中。但实际应用过程中发现BP神经网络具有收敛速度慢、初始权阈值对计算结果影响较大,且易陷入局部最优等缺陷。采用引入具有启发式寻优、全局优化特点的蚁群算法优化BP神经网络,对基坑变形进行预测,并与BP神经网络进行比较。结果表明:ACO-BP神经网络模型预测基坑变形可行;预测精度高于BP模型,且结果稳定、速度较快、误差满足工程的要求。     

基于蚁群算法的EPS系统仿真研究

针对车辆电动助力转向系统(EPS)的特点,提出了基于蚁群算法的电动助力转向系统控制策略,将蚁群算法与模糊PID控制器相结合,根据车辆不同运行工况,通过实时在线优化模糊PID控制器中的控制参数,进一步提高EPS系统的控制精度与收敛速度,通过Matlab/Simulink进行了各种运行工况下整车EPS系统的仿真实验。实验结果表明,与常规PID控制相比,采用基于蚁群算法的控制策略,EPS系统的控制精度高、超调量小、调整时间短,该控制策略具有蚁群算法收敛响应速度快和PID控制精度高的优点,适合应用于车辆EPS系统。     

改进的BP神经网络在港口物流量预测中的应用

针对传统BP神经网络模型收敛速度慢的缺陷,对其进行改进,以提高收敛速度。经运用厦门港物流出口量的历史数据进行检验分析,给出BP神经网络仿真计算方法,其仿真结果与实际结果比较,具有较高的可信度。证明了改进后的模型加快了收敛速度,提高预测结果的准确性。     

混合小生境遗传-模拟退火算法在动态交通分配中的应用

为了解决已有的动态交通分配模型普遍存在的优化计算时间过长,严重影响网络规模扩展的问题,提出了一种新的动态交通分配优化算法。将模拟退火和隔离小生境技术有机地结合起来,融入到遗传训练过程中形成了一种混合小生境遗传-模拟退火算法,不仅可以有效地避免传统遗传算法可能出现的不收敛现象,加快进化速度,具有更强的全局寻优能力,而且计算速度和算法稳定性也得到提高。将其与Papageorgiou M.提出的动态交通分配模型框架相结合,设计了动态交通分配的快速模拟优化算法,并进行了实例研究。仿真结果表明,新的优化算法显著降低了优化计算时间,大大提高了动态交通分配模型的实用价值。     

单亲遗传算法在公路测量中的应用

用单亲遗传算法解测量平差问题,给出了基因重组的换位,移位和倒排等概率操作方法。通过某大桥加密导线点的算例,证实了该算法对测量问题是可行的,有较快的收敛速度。但过早的收敛将影响结果精度,使全局优化解的出现机率很小。为此,对染色体种群的个体数量,终止条件的选取等进行了算值实验,并提出了计算终止的2个准则,计算结果表明合理的收敛条件,可以使寻优过程充分,所得的解为全局最优解的可信度大为提高。     

一种改进的电动汽车锂电池RC滞后模型及其应用

为提高电动汽车电池SOC估计精度、收敛速度和鲁棒性,提出了一种改进的锂电池RC滞后模型及自适应粒子滤波的SOC估计方法。在传统RC模型基础上加入滞后模块,使用粒子群算法搜索的方法求解模型参数,综合考虑计算量和模型精度,确定了一阶RC滞后模型作为锂电池等效模型。在传统粒子滤波基础上,提出了观测噪声方差自适应估计方法。仿真结果表明,SOC初值误差较大时,自适应粒子滤波收敛速度和鲁棒性、SOC估计精度和稳定性明显优于传统算法。     

基于信息融合的道路前方车辆识别研究

将光学传感器与红外传感器进行信息融合以识别道路前方车辆.首先根据光学图像信息进行保守识别以初步确定车辆目标.在对相应的红外图像进行通道处理的基础上,充分利用其温度场信息提取车辆目标特征以构建车辆验证函数.以车辆验证函数值为依据建立基于最小风险的贝叶斯决策分类器,对光学初识别中得到的车辆目标进行验证,从而成功实现了光学图像与红外图像的信息融合.试验表明该方法能够利用红外热图信息在光学图像保守识别的基础上剔除误判目标,最终得到较为准确的识别结果.     

基于ABAQUS的凉水井滑坡稳定性分析

利用大型有限元软件 ABAQUS 对凉水井滑坡段进行了数值模拟分析,通过应力应变场的云图分析,确定边坡的最危险潜在滑动面。依据强度折减法的原理,利用ABAQUS定义场变量为强度折减系数值,通过改变场变量实现摩擦角和粘聚力的折减,得出边坡稳定性安全系数,并对滑坡的整治措施提出建议。     

高速公路生态绿化初探

高速公路生态绿化是高速公路绿化发展的趋势和方向。阐述目前高速公路绿化现状,从生态学的角度提出高速公路生态绿化的发展思路,并对高速公路生态绿化模式进行初步探讨。     

基于CAB气囊展开问题的研究

实车试验出现CAB气囊后腔展开后飘动,扫到假人头部,且气囊后腔展开速度比前腔慢等问题,本文以此为切入点,简述如何通过改变气囊折叠方式、改变气囊花型的方法,改善CAB气囊展开状态的问题。通过此问题的改善,为后续CAB气囊开发提供经验积累。     

基于蒙特卡罗模拟方法的快速路运行时间可靠度研究

运行时间可靠度作为一个非常重要的概率测度参数能有效地评价交通网络的动态特性。在对运行时间可靠度的概念界定的基础上，分析了快速路运行时间可靠度的影响因素。提出了运用蒙特卡罗模拟方法计算运行时间可靠度，即采用蒙特卡罗模拟方法随机的对快速路入口的交通需求变量进行抽样，根据得到的样本值确定路径出行时间，然后对此出行时间进行检查，如果超过了规定的阚值，则认为不可靠，否则可靠。并通过一个算例对该模型进行了验证。最后指出了运行时间可靠度这一概率参数的应用前景。     

基于AFP的航班延误研究

针对现行地面延误策略对航班延误分配不当问题,对限制空域进行了分析,以空域流量策略为基础,分析航班延误的目标和约束条件,建立航班延误模型,采用矩阵的遍历来确认航路.通过算例与地面延误策略进行比较,对采用AFP进行航班延误分配的有效性进行了验证.结果表明,该方法有效减少了航班延误.     

微表处技术在高等级公路养护中的应用

微表处技术是高等级公路进行预防性养护最经济有效的手段。该工艺在国外已得到广泛应用,被认为是修复道路多种病害最有效、最经济的途径之一,对改善沥青路面使用性能、延长使用寿命、节约投资,具有十分重要的意义。     

高速公路车辙病害研究

讲述了高速公路上的路面病害之一———车辙的形成、发展、危害,给出了相关部门应该采取的预防和维修治理措施。     

关于电动汽车空调改装探讨

针对纯电动汽车空调在传统汽车空调基础上的改装,结合其工作原理及改装方法进行一定的分析说明,提出对传统汽车空调电动化改装的基本思路。     

高速公路车辆行程时间预测研究

对高速公路联网收费系统的数据和交通监控系统的数据进行了处理和分析,研究了高速公路车辆行程时间分布的规律性和各参数之间的关联性,构建了高速公路车辆行程时间预测模型,最后通过比较实际值与预测值来验证提出的行程时间预测方法,分析了误差的原因.