基于改进并列选择遗传算法的路网养护方案优化

针对公路路网养护需求矛盾,在综合考虑养护资金、投资效益和养护质量等必要目标的基础上,提出采用并列选择遗传算法结合惩罚函数算法对养护方案进行全局优化,使养护决策合理化、科学化。仿真结果表明:在对带约束条件的多目标养护决策优化中,改进并列选择遗传算法通过构造加以罚函数的适应度函数在解空间进行并列选择遗传进化,能够快速地搜索出16个全局最优解,为养护决策提供了准确的数值依据,与文献中数学规划和遗传算法最多2个最优解比对,验证了该算法的有效性和优越性。     

基于改进NSGA-Ⅱ算法的路网养护决策优化研究

针对公路路网的养护需求矛盾,在综合考虑养护资金、投资效益和养护质量等必要目标的基础上,提出采用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)结合惩罚函数算法对养护方案进行全局优化,使得养护决策合理化、科学化。仿真结果表明:在对带约束条件的多目标养护决策优化中,改进的NSGA-Ⅱ算法通过构造加以惩罚函数的适应度函数在解空间进行搜索,能够快速地找出全局最优养护解集,为养护决策提供准确的数值依据,与数学规划和遗传算法比对验证了该算法的有效性和优越性。     

现代有轨电车条件下的交叉口信号控制方法

以交叉口交通效益最大化为目标,对现代有轨电车条件下的交叉口信号控制方法展开研究.改进了NSGA-II算法,提出了基于非支配排序的交叉口多目标优化算法,对单点交叉口多目标优化模型求解.在获取基础信号配时方案的基础上,根据车辆的实时参数,构建现代有轨电车主动信号优先控制方案评价指标体系,利用DEA-TOPSIS模型客观地从优先相位延误、非优先相位延误和电车偏移度等多个方面对各信号控制方法进行分析,实现最优信号控制.仿真实验表明:交叉口人均延误时间和平均停车次数为有效的控制目标;基于非支配排序的交叉口多目标优化算法与加权组合遗传算法相比,可综合优化多目标;与NSGA-II算法相比,可降低交叉口人均延误时间1.8 s,降低平均停车次数0.02;基于DEA-TOPSIS模型的有轨电车信号控制评价方法可以客观地综合多角度分析各信号控制方法的有效性和变化趋势,实现最优信号控制.      

基于大数据的公路路面养护智能决策研究

在制定运营公路路面养护计划或实施养护工程过程中，公路管理者常忽略全生命周期养护成本，且因缺乏科学的养护决策辅助技术延误最佳养护时机，应这方面的实际要求提出基于路面大数据分析的养护决策分析方法，主要包括建立养护大数据库、变长分段法划分路段单元、通过随机森林算法预测路况衰变、多层感知算法输出养护方案、非支配排序遗传算法推荐路网级养护最优方案。结果表明：1)养护数据标准制定及养护数据清洗是大数据算法建立的基础；2)决策分析过程涉及的变长分段法、多种预测模型的偏离度对比分析、考虑静动态大数据的神经网络模型更具有工程实际意义；3)通过与实际养护工程项目对比，本文研究的大数据养护决策系统生成的决策方案匹配率达到93%,表明该大数据养护决策系统具有较好的应用前景及实际工程价值。     

公路路线智能优化方法研究

公路路线优化属于多目标优化问题。传统优化算法难以解决具有模糊性、不确定性的路线优化问题。建立了基于GIS和遗传算法的公路路线智能优化模型,提出了基于GIS空间数据挖掘技术的选线环境知识获取模型和基于多目标遗传算法NSGA-Ⅱ的路线优化算法,解决了GIS与遗传算法集成、目标函数确定、遗传算法设计等关键问题。最后通过算例,验证了模型的有效性和实用性。     

基于多目标遗传算法的高速公路多目标路面养护决策优化

高速公路多目标路面养护决策优化是高速公路路面养护决策优化未来发展的趋势,也是目前研究的热点。针对传统数学规划方法用于高速公路多目标路面养护决策优化的不足,引入了目前在多目标优化领域应用较多的带精英策略的非支配排序遗传算法NSGA-Ⅱ。将NSGA-Ⅱ应用于高速公路多目标路面养护决策优化问题中,仿真结果表明其性能优于传统的数学规划方法,具有广阔的应用前景。     

对公路养护检测工作中若干问题的探讨

公路养护检测是公路养护的基础性工作,是制定科学养护决策、提升公路养护质量的重要保障。本文分析了公路养护检测的特点及分类,阐述了公路养护检测的重要性,指出了目前公路养护检测工作中存在的问题,最后提出了公路养护检测工作的优化策略,以期促进公路养护检测质量及效率的提高,并对相关方面的研究予以补充和完善。     

基于PSO算法的公路养护决策优化

目前,我国公路养护在决策中会出现养护资金分配不合理,资源未充分利用等不同程度的问题。针对路面养护,基于粒子群优化算法建立养护决策模型,可有效平衡原粒子位置和飞行速度对新粒子位置的影响度,并通过10组基准测试数据验证了PSO算法的寻优性能和收敛精度。研究结果表明:PSO算法可有效对不同路面条件下公路养护决策进行优化分析,保障养护效率。     

基于遗传算法的桥梁钢筋砼受弯构件优化设计

探讨了遗传算法在公路钢筋砼受弯构件优化设计中的应用,针对简单遗传算法存在"早熟收敛"的缺陷,采用大变异操作来避免产生局部最优解.数值实验证明,与常规优化方法比较,遗传算法能从搜索空间中的多点出发进行寻优,寻优过程中仅涉及适应度函数的计算与评价,能很好地解决结构优化设计问题.     

基于宏观交通流量模型的公路养护策略优化研究

提出基于宏观交通流量模型的公路养护策略优化方法。公路养护模型主要基于宏观交通流量模型MTFM构建,进行公路交通状况模拟时主要统筹考虑工区及邻近公路的影响,施工区对交通流的影响在整个路网层级予以考虑。此外,公路养护模型采用遗传算法进行养护策略优化,采用此算法可生成多种公路养护策略并求出最优解,从而可减少公路养护作业对路网中交通的影响。     

基于GIS平台的公路线形优化设计

公路线形优化是一个多目标优化问题,而传统的优化算法难以有效地解决路线优化问题。为此建立了基于GIS平台和遗传算法的公路线形优化设计方法,提出了基于GIS平台空间数据挖掘模型和基于遗传算法的路线平面和纵断面的优化算法。     

基于区间的车架不确定性多目标优化

采用区间数描述车架材料参数的不确定性,基于车架有限元模型构建了设计变量和不确定变量与目标函数之间的近似模型。采用双层嵌套的遗传算法,内层采用隔代遗传算法(IP-GA)在不确定域求解目标函数区间,外层采用加入精英保持策略和去除重复个体的非支配排序遗传算法(NSGA-II)对车架应力和质量最小两个目标进行优化。与确定性多目标优化比较的结果显示了不确定性多目标优化的优越性。     

公路路线多目标遗传算法优化设计研究

公路路线设计是一个多目标的问题,传统将多目标转换为单目标优化方法存在目标统一准确性差的缺点,考虑多目标间的冲突性,提出采用多目标遗传算法进行路线优化。主要思想是通过建立多目标模型和路线线形模型,进行平面线形设计,经过纵断面优化后计算各目标函数值。采用快速非支配排序法对目标值进行排序,满足分布性的要求下构造非支配集,反复迭代计算后,输出满足终止条件的非劣解集。利用此算法进行实例验证,结果表明能在兼顾安全、经济、舒适、环保的目标下,给出一序列最优解,为路线方案决策提供直接依据。     

信号交叉口多目标动态决策模型及其优化方法

以减少机动车在交叉口的延误时间和尾气排放为目标,针对目前交通信号控制模型中普遍采用单一目标进行求解的问题,以非饱和交叉口为研究对象建立了信号交叉口多目标动态决策模型(MODD模型),对信号周期时长、绿信比和相序3个信号配时参数同时进行优化,提出交叉口多目标评价满意度函数,制定交叉口信号控制决策准则并应用混合遗传算法求解最优决策变量.算例的求解结果显示,混合遗传算法能够均匀地逼近Pareto最优前端,多目标优化方法更能减少车辆在交叉口上的停车延误和停车次数,对单交叉口信号配时有理论指导和应用价值.     

多目标低碳车辆路径优化模型及求解算法

为有效降低物流配送过程产生的能耗和碳排放,控制配送成本,以传统带时间窗车辆路径问题为基础,研究低碳条件下的车辆路径问题.通过三角概率分布在合理速度区间内对车辆速度进行估算,综合考虑车辆行驶速度、载重量及运行里程构建碳排放计算模型,建立以系统总成本最低、车辆周转时间最小的多目标低碳车辆路径优化模型.将新兴多因子优化算法中协同进化和信息交互的思想应用于NSGA-II算法,提出增强型NSGA-II算法.算例结果表明,多目标优化模型可以更好地兼顾不同物流配送参与者的利益,更符合实际决策过程,所提出的ENSGA-II算法在经济成本上平均节省超过3%,在车辆周转时间上平均改进达到5.02%,表现出较好的求解性能.      

基于智能协同的公路养护管理平台研发与应用

为解决公路养护管理中因系统分散导致的“协同性差”和“信息孤岛”问题,对众多养护管理系统进行了调查研究,结果表明以标准化数据为基础,打通业务数据通道为核心,研究一体化管理平台能实现智能协同的目标。为此,基于路桥隧等公路基础设施的病害知识库、成因分析库、养护方案库、决策干预策略库等经验库,配合多源信息集成、自然语言识别、特征权重因子优化等核心算法等技术,通过功能同入口、数据同标准实现数据汇聚,利用养护全数据源,通过平台“五层技术架构体系”设计,实现养护业务智能协同和养护科学决策功能。该平台在重庆、福建、浙江、山东、湖北、广西、云南、贵州、西藏、北京等省市部署应用,均取得良好效果。     

面向时间敏感网络的车载以太网网络架构多目标优化

车载电子电气架构的网络架构深刻影响智能网联车辆的通信安全性和确定性。针对面向时间敏感网络（TSN）的区域-功能域电子电气架构，本文首次建立了以端口数均匀、负载均衡和信息流端到端延时最低为优化目标的网络架构多目标优化框架。通过求解TSN流量调度问题获得信息流延时，将流量调度抽象为周期性车间作业调度问题（JSP），提出适用于流量调度的多种群遗传算法（MPGA），相比于传统遗传算法求解效果提高16%。为了快速求解多目标优化问题，设计了改进的快速非支配排序遗传算法（NSGA-II），通过引入迭代因子和拥挤因子对算法进行自适应交叉变异概率改进，优化效率提高了25%。仿真验证了多目标优化框架的有效性并为面向TSN的车载以太网网络架构优化提供了一种设计思路。     

公路路面养护科学决策分析模型应用研究

公路路面作为直接承担公路交通的重要载体,其养护时机的选择,养护标准的制定及路面性能变化趋势的预测,对于提高公路路面养护的科学性具有重要意义。本文结合现有技术,对养护决策系统中标准与决策、路面性能预测、经济分析与评价、养护资金优化分配及交通量预测等分析模型进行系统研究,探索科学的决策系统。拟通过对该系统的各分析模型进行详细的分析,构建路面养护科学决策分析模型系统,为公路路面养护科学决策体系奠定技术基础。     

基于GIS的高速公路养护管理系统设计

系统设计从高速公路养护需求出发 ,以地理信息系统为基础 ,解决了养护数据及规划、设计、施工等相关数据基于地理规则的可视化管理 ,建立各类公路路况分析、路面性能的预测评价、养护方案的制定与优化、养护计划的制定等专业模块 ,为各级养护管理部门提供及时、准确的决策辅助信息     

公路路政管理站点规划和巡视路线优化研究

采用遗传算法建立了公路路政管理站点规划选址优化模型,研究了路网中规划选址优化的多变量算法不易收敛问题,应用受限P 中心问题以减少管理站的备择点数目,从而减少遗传算法中染色体的基因长度,并按不同策略进行初始群体和种群的选择,加快收敛速度,从而提高算法的运算效率。针对高速公路巡视路线优化中最大巡路长度问题,采用贪婪算法和邻域搜索算法的结合求解最佳巡视路线,给出了问题的多目标函数优化模型和算法。