基于改进粒子群优化算法的多目标自适应巡航控制

跟驰过程中,在保证安全性的前提下为了提升自适应巡航控制(ACC)系统的舒适性和燃油经济性,研究了多目标自适应巡航控制算法。在建立车间纵向运动学模型的基础上,根据模型预测控制理论,设计综合考虑安全性、舒适性、燃油经济性以及车辆自身限制等因素的目标函数和约束条件,并引入松弛因子向量软化硬约束边界解决无可行解问题。进一步在滚动优化环节中,引入具有求解多约束问题能力的改进粒子群优化算法进行求解。通过数值仿真对比分析,结果表明,基于改进粒子群优化算法的多目标自适应巡航控制算法能有效提高燃油经济性和行车舒适性。结合CarSim搭建模型进行联合仿真,验证算法有效。     

钢筋混凝土简支梁的多目标可靠性稳健优化设计

为提高钢筋混凝土简支梁的可靠性和稳健性,运用可靠性和稳健优化设计的理论,建立了适合可靠性稳健优化设计的多目标模型。针对可靠性稳健优化设计的多目标模型多属于高维多目标优化问题,把灰色理论中的关联分析引入粒子群优化算法中,根据灰色关联能够很好地分析目标矢量之间的接近程度,并能掌握解空间全貌的特点,提出了适合高维多目标优化问题求解的灰色粒子群算法。与传统方法相比,该方法更能迅速准确地得到钢筋混凝土简支梁的可靠性稳健优化设计信息。     

基于定量分析的公交线路网络优化与粒子群算法

针对公交线网优化问题,利用粒子群算法进行了研究。在考虑城市公交系统多因素的基础上,给出了公交线网的优化原则、优化目标和约束条件,并将优化目标和约束条件定量化处理,给出了相应的数学表达式。在定义6维空间的基础上,利用经济转化系数,将公交线网优化的多目标问题转化为单目标优化问题的情况下,建立了公交线网优化的线性模型,并用粒子群算法进行了求解计算。通过粒子在解空间中搜索,找到最佳的公交线路网络。最后对算法进行了实际应用分析,结果表明该法简单实用、结果可信,有广泛的应用前景,而且该法也为多目标优化问题提供了一种合理可行的方法。     

基于多目标粒子群算法的智慧城市信号灯配时优化控制

为了顺应智慧城市建设需求，缓解城市道路的拥堵，提高车辆在城市路口的通行效率，本文基于多目标粒子群算法，以车辆实时延迟时间最小、城市路口通行能力最大为优化目标，建立智慧城市路口的多目标优化模型。通过优化计算得到Pareto最优解集，以多属性决策算法得到最优配时方案，并通过更新信号灯参数，实现了信号灯的动态优化。通过SUMO交通仿真平台搭建了城市路口仿真模型，结合粒子群算法进行仿真验证。仿真结果表明，经粒子群算法优化的城市路口配时，路口的通行性能显著提升，平均通行能力提升约3.69%，平均车辆延迟时间降低约21.35%。     

基于混合粒子群优化算法的桥梁有限元模型修正

针对传统模型修正方法求解复杂、精度较差等问题,提出基于混合粒子群优化算法的模型修正策略。由于粒子群算法存在早熟收敛问题,采取自适应动态惯性权重策略改进粒子群算法,并引入差分进化算法进行混合优化。在模型修正时,对模型进行相关性分析并选取待修正参数,引入混合粒子群算法修正模型的参数,得到能够真实反映桥梁结构静、动力特性的有限元模型,为结构安全评估及健康监测提供科学依据。采用该方法对某简支梁模型进行修正,修正后的模型精度较高,验证了该算法的有效性。     

基于佳点集协同进化粒子群的信号配时优化

针对基本粒子群优化算法在迭代过程中容易陷入局部极值的问题,引入佳点集理论和协同进化算法,提出了一种改进的粒子群优化算法即基于佳点集方法的协同进化粒子群优化算法;以排队长度、延误时间及通行能力建立优化约束模型,对过饱和状态下的交叉口使用仿真软件VISSIM对改进的优化算法进行试验,对现状与优化后的结果进行对比分析。结果显示,运用基于佳点集方法的协同进化粒子群优化算法能有效优化信号配时,降低排队长度与延误时间,提高通行能力,解决多目标约束优化问题。     

基于试验数据的大跨度拱桥有限元模型修正

为了获取菜园坝长江大桥的基准有限元模型，结合Kriging代理模型和一种改进的粒子群优化算法，利用荷载试验数据对其初始有限元模型进行修正。首先，叙述模型修正和Kriging模型基本理论，在基本粒子群算法中引入交叉变异计算，提出一种改进的粒子群算法，并通过测试函数对改进的粒子群算法进行验证；其次，简要介绍菜园坝长江大桥荷载试验、荷载试验结果及初始有限元模型；最后，根据敏感性分析选定6个待修正参数，通过试验设计得到频率和位移关于修正的参数的样本，并建立有限元模型的Kriging代理模型以预测结构响应；以频率和位移的试验值和计算值残差为目标函数，分别利用基本粒子群算法和改进的粒子群算法在修正参数的设计空间内寻找目标函数的最小值，并对比分析模型修正的结果。结果表明：测试函数表明改进的粒子群算法具有较好的稳定性和成功率，并能获得更为精确的优化结果；建立的Kriging代理模型均方根误差较小，可以替代有限元模型预测结构频率和位移；经过模型修正，菜园坝长江大桥前5阶频率计算值与试验值相对误差均控制在5%之内；除个别测点外，位移相对误差均控制在10%以内；相比基本粒子群算法，改进的粒子群算法获得了更小的目标函数值，修正后的频率和位移的相对误差更小。     

基于粒子群算法的公交车调度研究

通过对南京市江宁区21路公交线调查,运用Fisher聚类法对全天运营的时间段进行合理的聚类分析,建立兼顾公交公司与乘客利益的多目标数学模型,并应用粒子群算法求解该模型,得到较优公交调度时刻表。     

配送中心选址-库存问题的粒子群算法应用

在LMRP模型基础上,从优化角度将配送中心建设成本设为配送中心规模的线性函数,构建基于可变建设成本的LMRP模型.依据选址模型与粒子群算法特性,设计了矩阵粒子作为粒子群启发式算法初始可行解.对已有的10节点、49节点、88节点算例进行近百次测试,确定针对LMRPVCC问题的粒子群算法参数.进而利用平均计算时间与平均质量...     

基于离散粒子群算法的协同车辆路径问题

考虑车场容量、不同车型车辆行驶最大里程等约束条件,建立以车辆配送总费用最小为目标的一类带时间窗协同车辆路径问题数学规划模型、即属于不同公司的配送中心共享车队、仓储等资源为客户协同配送货物,采用文献[1]中的自适应离散粒子群算法求解该问题并定义了其可能解的粒子的编码方式.最后,通过一个算例得出结论:同普通物流配送情形相比...     

基于混合粒子群算法的土钉支护结构设计参数优化

在土层工程地质情况一定的条件下,如何寻找一组最佳设计参数,以达到既经济又安全的目的,是土钉支护设计的一个重要问题。这是一个复杂的优化设计问题。就此,提出基于混合粒子群优化(PSO)算法的基坑土钉支护优化设计方法,以单位长度土钉墙的土钉材料造价作为优化的目标函数。该方法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度,不活动粒子的处理使算法避免了“早熟”现象的出现。工程实例计算表明,该方法是进行土钉支护结构优化设计的有效方法。     

交叉口定周期信号控制多目标优化方法

为了克服以往采用加权组合方法将多目标优化模型转为单目标优化模型进行求解的弊端,以非饱和交叉口为研究对象建立了定周期信号控制参数的多目标优化模型,并以非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA II)为基础建立了直接求解单个交叉口交通信号多目标控制模型的相容优化方法。最后通过实例分析了延误、停车率、排队长度等常用交通信号控制目标的有效性和对控制参数的敏感性。研究结果表明:与单目标优化方法相比,多目标相容优化方法更能减少车辆在交叉口上的停车延误和排队长度;与加权组合方法相比,多目标相容优化方法能获得更优的综合交通效益。     

基于多目标遗传算法的混合电动汽车参数优化

动力系统和控制器参数的同时优化是提高混合电动汽车(HEV)燃油经济性并降低排放的关键。这类优化问题涉及多个相互冲突的优化目标和非线性约束,是典型的多目标优化问题。文中采用多目标遗传算法求解该优化问题的Pareto最优解集,并应用ADVISOR对实际算例的优化结果进行比较分析。结果表明,应用该方法可找到多组可行解,在满足原车动力性要求的前提下能有效提高燃油经济性,降低排放。     

基于PARETO最优解的重型汽车传动系速比优化

针对某重型汽车动力传动系统匹配设计中遇到的参数反求问题,提出了基于PARETO最优解的重型汽车传动系统参数优化方法.建立了某算例车型的CRUISE仿真模型的近似模型,并将其作为多目标优化的代理模型.利用Matlab遗传算法工具箱对该优化问题进行了求解,得到了算例车型传动系参数的1组PARETO最优解集.结果表明,计算所得PARETO解集能为工程人员提供多种可选方案,方便其选择合适的传动系统参数.     

恶劣天气下多航空器改航路径的仿真优化算法

针对恶劣天气下区域管制区内，多航空器改航路径规划中缺乏降低管制员工作总负荷的考虑。以贵阳区域管制区为例，研究了恶劣天气下多航空器改航路径的仿真优化算法。采用灰色模型预测飞行受限区的动态影响范围；利用几何算法预先规划可供选择的改航路径；改进离散粒子群优化算法的运算规则；以整个区域管制区内改航总路径最短和管制员工作总负荷最低为目标，结合预测的飞行受限区、预先规划的改航路径、改进离散粒子群优化算法和全空域与机场模型实现恶劣天气下多航空器改航路径的仿真优化算法。结果表明，该仿真优化算法经过多次迭代，获得了改航优化方案；与采用传统粒子群算法的仿真优化算法相比，管制员工作总负荷下降了7.52%，改航总路径距离减少了4.48%；与采用多目标粒子群算法和非支配排序遗传算法-II的改航路径算法相比，其改航路径距离略长，但考虑了管制员工作负荷的影响。该仿真优化算法能在减少改航路径距离的同时有效降低管制员工作负荷，对实际改航规划具有借鉴意义。      

基于多目标优化的混合动力城市物流车制动能量回收控制策略研究

针对混合动力城市物流车制动能量回收的安全与效率问题，提出了基于多目标优化的制动能量回收控制策略。建立了载荷估计和质心位置解析模型，使控制策略适应各种载荷变化。控制策略以制动安全性和能量回收性为优化目标，以制动力分配系数和电机制动力矩比例系数为控制变量，采用多目标遗传算法和基于模糊控制器的理想解决策法得到决策解。驾驶循环分析结果显示，所提控制策略具有较好的制动安全性和更高的制动能量回收性。     

基于元胞粒子群算法的干式DCT换挡品质优化

为提高干式双离合器自动变速器(DCT)的换挡品质,建立了DCT换挡过程优化模型;针对单一优化算法易于局部收敛和早熟的缺陷,将元胞自动机和粒子群算法相结合,开发了元胞粒子群混合优化算法,并将其应用于干式DCT换挡品质优化。仿真结果表明,通过优化离合器的压紧力能获得较好的换挡品质。