不确定条件下公铁水多式联运多目标路径优化研究

多式联运运输的时效性和成本在现代物流的发展中是不可忽视的因素。针对公铁水多式联运的运输目标，主要研究了当运输时间、中转时间双重不确定因素服从随机分布时的绿色多式联运路径优化问题。构建以运输时间、碳排放、运输成本为目标函数，碳排放量为约束，建立运输时间、中转时间双重不确定条件下绿色多式联运路径多目标优化模型。并据此采用模糊自适应遗传算法（FAGA）和快速非支配排序遗传算法（NSGA-Ⅱ）设计多式联运路径优化策略；最后采用从南昌到柏林的路径数据仿真验证所提方法的有效性并对结果进行对比分析。研究发现基于NSGA-Ⅱ算法的多目标优化结果较优，可以引导多式联运经营人调整运输方案，减少二氧化碳的排放量，为物流企业开展多式联运运输提供可供参考的依据。     

数控铣床加工低碳钢零件的进给速度优化

论述了数控铣床加工低碳钢零件时进给速度的优化问题．在基于加工效率（可等效转化为加工工时）和加工成本目标函数的基础上，对这两个目标函数运用多目标函数理论进行综合，得到了多目标综合函数．通过计算，并综合表面粗糙度，进而得到进给速度的优化范围，并对不同转速下的进给速度给出了相应的优化参数，目的更接近生产实际，使技术人员不仅了解影响生产效率和成本的因素，也可在实际生产的应用中更加快捷和方便．     

基于混合遗传算法的连续空间下机器人的路径规划

介绍一种基于遗传算法的移动机器人路径规划的新方法．采用混合遗传算法对连续空间下机器人的路径进行规划时，先对规划空间利用Ford算法进行链接图建模，得出可选路径，然后再使用遗传算法来调整各个路径点，最后得到最优的或近似最优的优化路径．该方法可以克服可视图法和人工势场法在路径规划中的某些不足．     

集装箱码头前沿布局的仿真优化

应用仿真优化方法研究了某集装箱码头前沿布局中泊位数，岸边集装箱装卸桥（岸桥）陆侧轨外侧作业通道数，岸桥及集装箱拖挂车（集卡）配备数量等因素对作业过程及码头通过能力的影响．开发了可生成不同集装箱码头前沿布局方案的参数化仿真模型，建立了仿真结果数据库和多目标多层次的方案综合评价指标体系．把遗传算法与系统仿真相结合，以评价指标体系评价得分作为优化目标，求得了最优方案，供决策者参考．     

无线自组网络传输路径优化的算法研究

无线自组网络通信是一种比较常用的通信方式,无线自组网扩大传输距离是通过网络节点之间接力传输方式来实现.为了降低传输的冗余度,提高传输效率,数据在无线线自组网传输的过程中需要对传输路径进行优化.论文采用改进的遗传算法和蚁群算法对传输路径进行优化,通过仿真验证和对比分析,改进的遗传算法在传输路径优化中有更高的效率.论文研究结果为解决无线自组网络的传输路径优化问题提供重要的算法理论依据.     

内河船舶避碰路径优化研究

内河船舶碰撞事故导致重大生命及财产损失，已经引起人们的高度关注．提出一种内河船舶自动避碰路径优化的研究方法，建立了内河船舶操纵运动数学模型，将遗传算法运用到内河船舶避碰路径选优中，提出内河船舶避碰路径优化准则，并构建一种考虑内河航道中运动船舶及障碍物的适应度函数．优化结果表明了本方法的可行性。     

基于遗传算法的列车端部桁架优化设计

为实现列车端部桁架优化设计,提出了一种将ANSYS和遗传算法有机结合的优化设计方法,该方法是将模型用批处理命令流（APDL）描述,在命令流文件中定义优化目标,设计变量及约束条件,然后遗传算法（GA）把ANSYS的前处理模块作为计算黑箱进行后台调用,从而对吸能结构进行优化设计．以桁架为应用对象,给出了该方法对桁架吸能结构优化设计的全过程,证实把遗传算法引入复杂结构的大规模优化计算是可行的．     

遗传算法在车辆路径问题中的优化

关于遗传算法的车辆路径优化问题，已经提出过多种思想方法，虽然有些也有实验结果，但仍大有改进余地。针对具体的车辆路径优化问题，对传统遗传算法作了多处关键性改进。针对多客户点基本均布于物流中心的特点，作初始群优化，降低交叉率，提高变异率，简化繁琐的染色体修正计算，极大地提高了寻优速度，减少了遗传操作的数量，为多计算点的遗传操作提供有力的支持。     

遗传算法在制造网格资源调度中的应用

在网络化制造环境下为解决制造网格中的资源调度问题，提出了基于遗传算法的网格资源调度算法。结合用户对多目标优化问题的要求，设计了基于遗传算法的制造网格资源调度算法。该算法将多目标优化问题转化为单目标优化问题，并以数字制造业中零件加工过程的资源优化调度为算例，验证了算法的有效性。     

基于混合粒子群算法的白车身焊接机器人路径优化

提出了一种由粒子群算法和遗传算法有效结合的混合粒子群算法。以某型轿车前地板线焊接工位机器人的路径规划为例,分别采用混合粒子群算法、遗传算法对机器人的焊点焊接顺序进行求解。2种算法在Matlab中的仿真优化结果表明:混合粒子群算法在求解路径优化问题上能得到更佳的焊接路径。     

基于Maklink 图和遗传算法的改航 路径规划方法研究

为了保障恶劣天气下的飞行安全,航班需要采取改航策略避开危险区.采用已 有的以改航路径最短为目标,以航段最小距离、避开危险区、转弯角度等为约束条件的规 划模型,设计了3 阶段方法研究改航路径规划.首先应用Maklink 图和Dijkstra 算法规划一 条能够避开危险区的路径,接着应用遗传算法优化路径,最后进行路径调整以满足约束 条件.算例仿真结果显示,应用本文方法得到的改航路径长度较短,转弯次数少、转弯角度 小,计算效率高.仿真结果说明,应用本文提出的方法获得的改航路径满足目标和约束要 求,验证了该方法的可行性和有效性.     

模拟导弹制导的交通系统路径诱导算法

模拟导弹制导的单车诱导算法利于交通系统优化目标（车流量平衡目标）.为避 免多车诱导导致的交通拥堵,以模拟导弹制导的单车诱导算法为基础,提出了模拟导弹 制导的交通系统路径诱导算法.按照出行需求,对模拟导弹制导的时间最短路径算法进行 改进,使算法满足各类单车路径规划目标,以提高单车诱导接受率.系统路径诱导算法以 交通系统优化为最终目标,对超出路网通行能力的诱导进行修正,使交通流运行趋势符 合驾驶员出行需求.建立系统优化评价指标和系统诱导接受率指标,并以北京部分地区为 例进行仿真.仿真结果表明,算法能够达到系统优化目标,同时保证了较高的系统诱导接 受率.     

基于布尔可满足性的动态路径优化算法

在对现有的经典路径优化算法性能进行分析基础上,指出现有算法的缺点。通过对布尔可满足性理论的研究,提出基于布尔可满足性的路径优化算法,并结合记忆机制,将其应用在动态路径优化中,减少最短路径的搜索时间和不必要的重复搜索,体现该算法的优势。最后,利用该算法对一简单路网进行验证。     

城市兴趣点指路标志指引路径规划模型及算法

兴趣点指路标志指引路径规划过程中,不仅需要考虑指引路径的长度,还需要考虑布设成本因素.本文首先基于道路网络的拓扑表达,考虑指引路径长度和设置指路标志数量,以两者综合代价最小为目标,建立了从重要道路出入口到兴趣点的指路标志指引路径的线性规划模型;然后结合人工蜂群算法,设计了求解该规划问题的算法.最后以广州大学城为试验区域,利用上述模型规划了从重要道路南沙港快线出口到兴趣点中山大学的指路标志指引路径,并与指路标志布设现状进行对比分析,对比结果表明,该模型兼顾了布设路径的便捷性和指路标志布设成本的特点,更具可行性.     

有约束的随机最短路问题模型及算法

针对不确定网络,研究具有随机参数的最短路径问题,采用随机数表示路径权值的不确定性, 建立有约束的期望最短路模型. 基于随机模拟方法,设计了一种融合退火技术的遗传算法,引入退火机制处理有约束的优化问题.在进化过程中,动态调节对不可行解的惩罚力度,使不可行解逐步被淘汰出去, 最后收敛到问题的全局最优解. 给出的数值实例验证了该算法的有效性.     

基于自适应遗传算法的水面舰艇航行路径优化

将水面舰艇航行路径分成若干个航路点,将各航路点位置的纵坐标与航速作为遗传参数.对航行路径的影响因素进行分析,确定适应度函数及约束条件.在遗传算法中采用自适应交叉概率和变异概率的方法来控制交叉和变异操作,加快收敛速度,利用自适应遗传算法的全局寻优对航行路径进行选择.通过算例验证方法的有效性.     

集装箱码头混合交叉作业集成调度模型

针对集装箱码头进出口作业系统中泊位分配、装卸作业、水平搬运等诸多环节之间的关系,分析了现有进出口作业系统对集装箱码头生产效率与运营成本的影响。运用系统工程优化理论,提出混合交叉作业集成调度方法与同步优化技术,以泊位分配、设备配置、集装箱卡车(集卡)行驶路径为决策变量,以集装箱码头最小运营成本为目标函数,建立了三阶段集成调度优化模型,设计了双层遗传求解算法。在双层遗传算法中,上层遗传算法用于搜索集装箱码头设施设备的合理配置组合,下层遗传算法在上层算法的基础上优化集卡行驶路径。计算结果表明:与独立装卸作业过程相比,使用混合交叉作业集成调度模型时,集卡数量为22veh,减小了66.2%,集卡行驶总距离为10 389.8km,减小了17.4%;与单独调度方式相比,使用混合交叉作业集成调度模型时,集卡行驶总距离减小了14.5%,码头运营总成本为84 266.2元,降低了4.6%。可见,使用集装箱码头混合交叉作业集成调度模型,能有效提高集装箱码头生产效率,明显降低运营成本。     

基于GA-PSO混合优化的BPNN车速预测方法

BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.     

带时间窗的多行程交换箱甩挂路径优化

针对市区-近郊的同城物流配送系统，为尽可能降低物流运输成本的同时提高客户满意度，研究带时间窗的具有多行程的交换箱甩挂运输问题. 在配送系统中，配送车辆从配送中心出发将货物运往各个客户点，由于道路条件的限制，客户点分为只允许小型卡车配送的限制点客户和卡车或带交换箱拖车的整车都可为其配送的灵活点客户. 在客户时间窗和多行程的约束条件下，建立以成本最小为优化目标的基于交换箱甩挂的路径优化模型，提出装箱算法与遗传算法混合的启发式求解算法. 算例验证了所提出算法的有效性，为带交换箱的甩挂车进行物流配送提供一定的决策指导和参考意见.     

随机用户均衡交通分配问题的蚁群优化算法

研究了出行者对路网熟悉程度的指标与交通流分配均衡性之间的关系, 提出了具有指数形式信息素更新策略的随机用户均衡模型蚁群优化算法, 建立了从Logit模型加载, 到交通需求确认及路径流量、路段流量、路段阻抗、路径阻抗迭代计算的交通分配动态循环流程; 计算了Nguyen-Dupuis路网模型中各路段的流量与阻抗, 并与连续平均算法计算结果进行比较; 通过调节出行者对路网熟悉程度的因子, 分析了蚁群优化算法与连续平均算法的敏感性。研究结果表明: 采用连续平均算法和蚁群优化算法计算的路段流量分布分别为20~280、40~260pcu, 蚁群优化算法的流量分布区间减小了15.4%, 路段流量的最大值减小了7.1%, 因此, 采用蚁群优化算法计算的路段流量较为均衡; 采用蚁群优化算法时, 在Nguyen-Dupuis路网模型中各路段流量的标准差从65pcu降至48pcu, 88%可选路径的阻抗分布在61~64, 且84%的路径阻抗低于采用连续平均算法计算的阻抗, 因此, 采用蚁群优化算法减少了用户出行时间; 当路网熟悉程度分别为0.01、0.1、1、2、7、11时, 采用连续平均算法计算的路段流量标准差分别为75、65、50、47、45、45pcu, 采用蚁群优化算法计算的路段流量标准差分别为48、48、48、47、43、43pcu, 可见, 随着路网熟悉程度的增大, 分配在各路段上的流量范围逐渐减小, 标准差趋于稳定, 信息素更新策略对出行者的路径选择概率影响越明显, 出行者选择阻抗小的路径的概率变大, 因此, 采用蚁群优化算法对路段的流量分配逐渐优于连续平均算法。