���н�ͨ�������յ�ϵͳ����Э��

交通信号控制和动态交通诱导是城市交通管理的两个主要手段，两者智能协作能提高城市交通管理效率.本文分析了交通信号控制与动态诱导系统的关联特点，利用多智能体技术和融合技术对其智能协作进行研究，提出城市交通信号控制与交通诱导系统智能协作的结构框架，以交通信号控制执行级智能体为例，介绍分析智能体内在结构和作用机制，并研究了城市交通控制与交通诱导的系统协作模型，实现城市交通控制与诱导系统智能协作和全局优化     

基于弹复力调整的高速列车群动态运行轨迹优化方法

为提高列车控制过程的自主性和智能性,研究了列车群动态运行过程,采用多智能体和图论方法构建了列车群分布式信息交互模型;以节能和准点为优化目标,以安全和乘客舒适度为约束条件,建立了列车群运行轨迹多目标优化模型,利用基于模拟退火思想改进的差分进化算法获取了列车群静态最优运行轨迹;在此基础上,为避免或消解列车运行过程中随机干扰导致的延误传播问题,针对移动闭塞系统,基于弹复力构建了信息交互支撑的列车群动态间隔调整机制,设计了列车群在线协同优化算法,实现了列车群运行轨迹的动态调整,最后采用武广高速铁路实际数据进行了仿真验证。研究结果表明:提出的在线协同优化算法可以有效提升最优解搜索能力,避免Pareto最优解集的频繁更新,在不同干扰场景下算法触发频率平均降低36.7%;在试验设计的一般干扰场景中,优化后的动态调整策略在保证列车群安全平稳运行的同时,将受扰列车的延误度由6.2%降至0,与立即恢复延误策略相比,节能率达4.8%;在试验设计的较大干扰场景中,受扰列车的延误度由13.1%降至1.4%,全局时间偏差恢复为0,节能率达1.8%。可见,提出的方法能够解决运行轨迹静态规划方式无法完全适应外部动态环境变化的问题,有效保障干扰情况下列车运行复合紊态的及时恢复。      

集装箱码头装卸作业的协同与优化

港口集装箱装卸作业系统的开放性、复杂性、随机性的要求,建立基于多智能体的港口集装箱装卸作业协同优化系统,用强化学习算法与经验知识相结合实现单项作业智能体的结构,通过点对点的通讯方式以及对策论与社会规则相结合的协同优化方法,实现集装箱码头装卸作业的协同与优化．     

多智能体协作动态路况信息服务系统研究

交通信息服务系统中的动态路况信息服务是研究的热点和难点课题.现有的动态路况信息发布方式受众面广,如果路网中的大部分参与者都利用接收到的路况信息实时规划出行路线,则势必对全局交通系统造成较大的扰动,在避开现有交通拥堵点的同时形成新的拥堵点.文中基于GIS空间数据模型和多智能体的理论方法,研究了一种多智能体协作动态路况信息服务技术,通过增强信息提供者和出行者之间的交互和协作,提供实时性更强的诱导路径.阐述了系统结构、路网模型和多智能体模型,设计开发了实验原型系统,并得出了初步结论.     

基于多智能体的虚拟企业协同生产计划模型

针对虚拟企业生产计划的特点,采用多智能体对虚拟企业功能实体和物理实体进行封装,提出了一种基于多智能体的虚拟企业协同生产计划系统模型。该模型总体上分为资源规划、全局生产计划和企业内详细生产计划三层,具有混合式多智能体结构、多层计划相辅相成、逐步细化与可重构性等特点,能有效地支持虚拟企业的协同生产计划。     

横向互联空气悬架多智能体减振器系统博弈控制

为进一步改善横向互联空气悬架车辆的行驶平顺性和操纵稳定性, 基于多智能体理论和合作博弈Shapley值原理构建多智能体减振器控制系统; 多智能体减振器控制系统由信息发布智能体、平顺性智能体、操稳性智能体和博弈协调智能体组成, 其中信息发布智能体从环境中获取车辆状态信息, 根据下层智能体的信息需求传递信息, 平顺性智能体接收悬架动行程及其变化率信息, 根据平顺性控制要求, 输出自身的阻尼系数意图, 操稳性智能体接收当前互联状态信息触发对应的推理模块, 根据车身侧倾角信息求解需求的阻尼系数, 其中推理模块是通过对遗传算法优化出的阻尼系数进行模糊神经网络自学习形成的, 博弈协调智能体接收平顺性智能体与操稳性智能体的阻尼意图, 根据自身的合作博弈规则, 对阻尼意图进行修正, 输出全局最优阻尼系数; 在不同互联状态、不同激励条件下进行空气悬架静、动态特性试验研究, 并将试验结果与仿真结果进行对比, 验证仿真模型的准确性; 在混合工况下, 利用整车仿真模型验证多智能体减振器控制系统的可行性和有效性。研究结果表明: 和传统减振器阻尼控制系统相比, 多智能体减振器控制系统能有效地使簧载质量加速度均方根值降低14.95%, 悬架动行程均方根值降低10.64%, 车身侧倾角均方根值降低12.33%。提出的多智能体减振器控制系统改善了车辆行驶平顺性和乘坐舒适性, 并且能够抑制车身的侧倾, 提高整车的操纵稳定性。      

基于移动智能体的空间信息共享服务设计与实现

为提高分布、异构、动态网络环境下的空间数据协作效率,引入移动智能体计算技术构建空间信息共享服务.通过分析移动智能体技术的特点及应用于空间信息服务的优势,构建了基于四层体系的空间信息服务框架,设计了基于移动智能体技术的服务系统功能结构,并建立了移动智能体计算动态控制模型.最后,以堰塞湖溃决风险评估的分布式协同服务系统为例,给出了移动智能体计算的实现方法.研究结果表明,移动智能体计算可以避免空间数据在网络中传输,保障数据安全,提高数据协作效率.     

基于多智能体局部寻优的粒子群优化算法

为了提高粒子群算法的收敛速度和全局寻优能力,用多智能体遗传算法对粒子群算法当前搜索到的全局极值进行局部寻优．用搜索到的更好的解在下一次迭代中引导粒子进行搜索从而获得更快的收敛速度和更好的全局收敛性。对函数优化和神经网络训练的仿真实验表明．此算法能更快的收敛到全局最优解。     

基于双层规划的动态腹地二级港口物流网络优化

以港口为节点的区域物流与其所在地区的区域经济相互影响、协调发展. 本文研究了二级港口物流网络问题,即港口之间的海上航线系统以及各个港口与其经济腹地之间的集疏运系统的二级网络. 在动态腹地条件下,构建以区域港口群总运输成本为上层优化目标,以个体港口的经济效益为下层目标的双层规划模型. 模型反映了港口竞争力、腹地划分以及运力配备的动态性,因此更接近港口实际. 为有效求解模型,利用Kuhn-Tucker理论将双层规划问题转化成单层规划模型,并且应用算例对模型和算法的有效性进行验证,最后通过Matlab对模型进行了求解. 数值结果表明,双层规划模型及求解方法具有可行性.     

����˫��滮�Ķ�̬���ض����ۿ����������Ż�

以港口为节点的区域物流与其所在地区的区域经济相互影响、协调发展. 本文研究了二级港口物流网络问题,即港口之间的海上航线系统以及各个港口与其经济腹地之间的集疏运系统的二级网络. 在动态腹地条件下,构建以区域港口群总运输成本为上层优化目标,以个体港口的经济效益为下层目标的双层规划模型. 模型反映了港口竞争力、腹地划分以及运力配备的动态性,因此更接近港口实际. 为有效求解模型,利用Kuhn-Tucker理论将双层规划问题转化成单层规划模型,并且应用算例对模型和算法的有效性进行验证,最后通过Matlab对模型进行了求解. 数值结果表明,双层规划模型及求解方法具有可行性.     

基于生产泊位资源共享的港航物流信息系统构建

为解决邻近地域的港口群泊位资源结构性过剩问题,以港口群内泊位资源共享为基础,构建面向船舶运输方、货主方和港口方的港航物流信息系统。引入排队论和随机过程等理论,建立包含港口群干/支航线网络搭建(时空分配模型)以及腹地货流分配和船舶挂靠港选择(双层规划模型)等模块的仿真模型。采用设计的时空网络分析方法和具有双门限值的双层迭代算法求解仿真模型,验证模型参数的灵敏度,并进行具体算例分析。仿真结果表明：观察周期、腹地货物到达频率及干/支线可通阈值等的变化将影响货物到达数量或干/支线开通条件,进而影响港口群内航线网络结构,船舶到达频率的变化将影响港口群运输能力,泊位共享的等泊时间和共享成本阈值的变化将决定是否能够实现共享;通过物流系统实现共享时,港口群4个观察周期的3类干线和1类支线的总等泊时间和物流成本比不共享时分别减少23%和16.4%。     

Multi-Step Model Predictive Control Based on Online Support Vector Regression Optimized by Multi-Agent Particle Swarm Optimization Algorithm

As optimization of parameters affects prediction accuracy and generalization ability of support vector regression (SVR) greatly and the predictive model often mismatches nonlinear system model predictive control, a multi-step model predictive control based on online SVR (OSVR) optimized by multi-agent particle swarm optimization algorithm (MAPSO) is put forward. By integrating the online learning ability of OSVR, the predictive model can self-correct and adapt to the dynamic changes in nonlinear process well.     

低碳背景下港口群混合轴辐式运输网络优化

为了在节能减排的现实背景下对区域港口群运输网络进行优化,探究了港口群运输网络中的各项成本以及船舶、车辆碳排放的影响因素,引入了碳排放权重、成本系数和时间效用系数,在实现港口群运输网络总成本最小的目标下,构建了考虑碳排放的港口群混合轴辐式运输网络优化模型,最后应用算例计算分析了速度变化下25种情景的最优结果,并从中确定了海上航运网络、陆上集疏运系统的最优运量、运力配置方案,使该模型具有实用性和可行性.     

基于Multi-Agent的高速公路集成交通控制系统

高速公路集成交通控制系统是一个非线性分布的动态复杂巨型系统。在智能控制系统分级递阶结构的基础上,提出了高速公路集成交通控制系统的集散递阶体系结构,并以Agent作为各级智能控制器,建立了高速公路集成交通控制系统MAS模型,探讨了MAS中主体的结构模型、构造方法、通信机制和协商机制,为基于Multi—Agent的高速公路集成交通控制系统的最终实现提供了理论指导和方法依据。     

基于多Agent的机场场面最优滑行路径算法

为了保障机场安全,提高机场运行效率,建立了依据进出港航班滑行时间最短为决策的多Agent模型,模型以多Agent技术为基础,融合了Dijkstra算法的最优路径选择和合同网协议的思想,形成了基于多Agent的滑行路径优化算法,并依据该算法进行了仿真分析.仿真结果表明:与指定航班优先级相比,使用基于多Agent的优化算法处理同优先级航班,总运行时间可减少15 s;基于多Agent的场面运行调整算法可以有效地把航班和机场上分布的滑行道、跑道、停机位等资源组织起来,智能地发现冲突、躲避冲突,达到全局滑行时间最短,因此,该算法可行.     

区域集装箱港口网络布局规划优化模型

为了避免运输网络内港口重复建设,实现港口资源的优化配置,综合考虑港口规划者与港口使用者之间的相互作用及决策均衡,以Stackelberg模型为基础,建立了区域内集装箱港口网络布局规划优化模型。为了有效地反映港口使用者个体的特殊性,采用非集计理论,从其自身属性出发,分析了微观货主的选择行为。以各港口的泊位数和相应航线班期密度组成的矩阵作为染色体的一个基因串,考虑模型约束的特殊性,设计了模型求解的遗传算法。模拟实例计算结果表明:在某运输网络内,模拟得到的港口网络布局规划的近似最优解符合实际分析结果,能表明货物运输主体的行为特性和影响因素,利用该模型有利于实现港口网络内资源的优化配置。     

考虑船舶封存与压港的电煤船舶调度优化模型

针对中国电煤水运系统的实际特点, 综合考虑了船舶封存与港口拥堵(压港)因素, 建立了混合整数规划优化模型, 对电煤船舶调度方案进行优化; 基于运输需求的硬时间窗、卸货港船舶排队等待时间与水路-铁路运输协同三因素之间的互动关系, 以运输系统总成本最小为目标, 协同优化水、铁电煤运输的货运分担率、水路运输任务指派和相应的船舶调度与封存/启用方案; 基于改进列生成算法, 提出了一种可精确求解实际规模电煤船舶调度问题的列生成算法, 利用Gurobi求解列生成的主模型, 使用动态规划标号法求解列生成的子模型; 利用中国南部某火力发电集团的实际数据, 对提出的算法进行了算例分析。计算结果表明: 在中等规模的算例中, 使用提出的改进算法获得最优解仅需73.61 s, 相比于使用基于运输任务运量排序的启发式求解方法(PHA), 求解效率提高了18.1%;在较大规模的算例中, 使用提出算法的计算时间仅为222.02 s, 同比PHA, 计算效率提高了19.1%;通过求解一个实际的调度问题可以发现, 利用提出的优化模型和算法能有效缩短船舶在卸货港的等待时长与船舶处于启用状态的时长, 使运输总成本下降17.13%, 实现了电煤稳定运输, 提升了企业运营效率, 降低了运营成本。      

基于船舶优先权的集装箱港口泊位分配问题

泊位作为港口的重要资源,它的有效管理对于港口有着重要意义。集装箱港口泊位分配问题（BAP）,实质是为到达集装箱港口的船舶安排最佳停靠位置与停靠时间。本文考虑到船舶动态到达的情况,以及实际操作中码头装卸效率对船舶在港作业时间和船舶优先权的影响,以最小化包括等待时间在内的船舶在港停留时间为目标,建立了基于船舶优先权的连续布置泊位分配模型。该模型是0-1混合整数规划模型,对于小规模问题,可采用商业优化软件求解,对于大规模问题,可设计遗传算法处理。算例分析表明,考虑了连续布置泊位分配问题的二维特性和船舶优先权,能够找到更符合实际的泊位分配方案。     

最优联盟结构生成算法中的分支限界技术

讨论多Agent系统中的最优联盟结构生成问题．对于联盟值以特征函数表示的情况下,提出了一种分支限界技术．该技术用联盟大小所代表的整数多个二部拆分作为当前搜索空间的多个分支,以已经求得的局部联盟值的下界和当前所得到的最优值所构造出的剪枝函数来限界．这样,若当前要搜索的一个分支——二部拆分的上界小于所构造的剪枝函数时,该二部拆分分支所对应的大量二部划分就不需进行分解,从而减少了搜索时间．该分支限界技术可整合到当前所出现的各种联盟结构生成算法中．为了测试该技术的有效性,本文将该技术应用到了Rothkopf所提出的DP算法和Rahwan等人所提出的IDP算法中．在具有21个Agent系统中,带有分支限界的BBDP（Branch Bound Dynamitic Programming）算法比不带有分支限界的DP算法可节省时间58．2％;带有分支限界的比不带有分支限界的IDP算法可节省时间17．8％．