模糊理论在网络优化中的应用

随着网络应用范围的拓宽,应用中使用了大量的模糊语言,比如"费用高"、"距离远"和"代价低"等等,对于这类问题难以建立精确的数学模型.提出了运用模糊理论来解决网络优化中遇到的这类不确定的、模糊的问题,并结合一个具有模糊性的网络优化问题实例,建立数学模型,编写Java程序实现求解过程.最后通过对建模结果的验证,说明方法是有效的和可行的.     

一类点权网络中的全局最大动态流问题

全局最大动态流问题在交通运输等领域有着广泛的应用,以往关于该类问题的研究,基本上是针对只含弧权的普通网络或节点有一个停留时间和停留量限制的点权网络．但应用于某些实际问题时,网络中节点的权重具有方向性,一定数量的流通过节点时所耗费的时间和容量限制与其走行方向有关．本文针对这类点权网络,研究其全局最大动态流问题,建立了数学模型,提出了一种改进算法,并给出了数值算例．     

模糊数学在立交匝道线形优化设计中的应用

将模糊数学的概念、原理应用到立交线形优化设计中,以立交平面线形设计中的2种基本线形—圆曲线、缓和曲线作为构成立交线形设计中的线形元,并且考虑了行车条件、线形几何约束、超高要求等约束条件,以及影响参数取值的因素的模糊性,提出了比传统的优化设计方法更为科学、合理的模糊优化设计方法,建立了模糊优化数学模型,并分析了其解法.     

模糊数学在立交匝道线形优化设计中的应用

将模糊数学的概念、原理应用到立交线形优化设计中,以立交平面线形设计中的2种基本线形—圆曲线、缓和曲线作为构成立交线形设计中的线形元,并且考虑了行车条件、线形几何约束、超高要求等约束条件,以及影响参数取值的因素的模糊性,提出了比传统的优化设计方法更为科学、合理的模糊优化设计方法,建立了模糊优化数学模型,并分析了其解法.     

基于特征选择和SVM参数同步优化的网络入侵检测

为了提高网络入侵检测正确率,利用特征选择和支持向量机（SVM）参数间的相互联系,提出一种特征选择和SVM参数联同步优化的网络入侵检测算法.该算法首先将网络入侵检测正确率作为问题优化的目标函数,网络特征和SVM参数作为约束条件建立数学模型,然后通过遗传算法对数学模型进行求解,找到最优特征子集和SVM参数,最后利用KDD 1999数据集对算法性能进行测试.结果表明,相对于其他入侵检测算法,同步优化算法能够较快选择最优特征与SVM参数,有效提高了网络入侵检测正确率,加快了网络入侵检测速度.     

汽油机点火线圈的模糊优化设计

将模糊优化设计方法应用于汽油机点火线圈的设计中。根据汽车机对点火系统的要求,运用模糊优化理论,建立了汽车机点火线圈模糊优化设计的数学模型,并进行了实例计算。     

配送网络规划蚁群算法

分析了配送网络规划复杂的非线性组合优化问题，以配送网络中的运行费用、设施投资费用及可靠性费用之和最小为目标函数，建立了配送网络规划的数学模型，设计了相应的蚁群算法。应用结果表明该算法的计算结果与实际的配送网络规划线路相符，是可行的。     

铁路局请求车审批优化

建立了求解铁路局范围内请求车审批优化的数学模型和与此模型对应的网络图，将铁路请求车审批优化问题转换为求解最小费用最大流问题．给出了求解此模型的数值算法，并对实际应用中的一些问题提出了解决方案．根据该模型和算法开发的软件已在广州铁路局成功应用。     

基于模糊理论的软件质量评价方法应用研究

虚拟样机环境下软件设计质量的评价,可以看成是一个多级模糊综合评价的问题,文章认为评价时应根据评价项目的不同属性划分成不同的评价层次,再采用多级模糊综合评价方法来进行评价.为此,以软件工程相关的知识,建立了协同设计软件质量的评价指标和评价体系,探索了软件质量的综合评价理论和方法,建立了协同设计软件质量多级模糊评价的数学模型.最后用一个协同设计软件质量的模糊评价实例来说明了建立的数学模型.     

基于模糊理论的软件质量评价方法应用研究

虚拟样机环境下软件设计质量的评价,可以看成是一个多级模糊综合评价的问题,文章认为评价时应根据评价项目的不同属性划分成不同的评价层次,再采用多级模糊综合评价方法来进行评价.为此,以软件工程相关的知识,建立了协同设计软件质量的评价指标和评价体系,探索了软件质量的综合评价理论和方法,建立了协同设计软件质量多级模糊评价的数学模型.最后用一个协同设计软件质量的模糊评价实例来说明了建立的数学模型.     

��ͨ˫��滮����:ͳһ��ѧģ�ͼ����㷨

主要讨论基于用户平衡原则的交通网络优化问题。这些问题大致上可以分为二大类:一类是涉及到确定性用户平衡原则；另一类是考虑随机性用户平衡原则。众所周知，运筹学中的双层规划模型能够完美地刻画这些问题，但是所建立的双层优化模型往拄属于不可微优化问题的范畴，这就给设计有效的算法带来了很大困难.此文首先从模型和算法的角度总结了有关这类问题已有的研究成果，接着介绍有关这方面的最新的研究进展，即如何把用户基于平衡原则下的交通网络优化问题的双层规划模型统一地转换为一个连续可微的单层最优化问题，并设计统一的算法。作为统一的算法方面的研究，我们可以看到增广的拉格朗日方法可以用来解上述的第一类问题，而基于灵敏度的分析的序列二次规划方法完全有能力解上述的第二类问题。     

交通信号控制子区模糊动态划分方法研究

针对城市交通信号网络控制中控制子区的动态划分问题,应用模糊推理理论提出了交通控制子区的模糊动态划分方法.提出用于表示路口间协调控制需求大小的协调系数的概念,综合考虑了路口间距、交通流离散性、主干道交通流量、主干道交通流构成及周期等5个因素的影响,给出每个因素影响系数的计算方法,确定了协调系数的模糊推理方法.选择案例网络进行仿真并与Synchro的相关数据进行了比较,给出了利用协调系数进行控制子区动态划分的判断依据.     

基于可信性测度的模糊车辆路径问题

车辆路径问题(VRP)主要用来寻找有效路径。车辆的起始点都是位于交通中心的仓库,通过车队运输来满足客户对商品的需求。文中介绍不确定条件下的车辆路径问题,即客户的服务时间窗是模糊的。设计一个基于可信性测度的模糊车辆路径模型,并通过模糊模拟和遗传算法的混合智能算法进行求解。最后,结合一个实例说明该模型的应用性和可行性。     

遗传算法优化的模糊神经网络在故障诊断中的应用

本文针对船舶柴油机故障诊断系统提出了一种基于遗传算法优化训练的模糊神经网络诊断方法,介绍了这种模糊神经网络故障诊断系统的结构及其参数形式,通过遗传优化算法对它的权值和阈值进行了学习优化训练。这种方法可以有效地避免通常所选BP算法训练易陷于局部极值的问题,最后将该遗传算法优化训练的模糊神经网络系统应用到船舶柴油机的故障诊断中,通过仿真研究,说明了该方法的有效性。     

ʵʩ�������ȵĽ�ͨ �źſ���ϵͳ���ź�Э�������о�

分布式交通信号控制系统拓扑结构的分布式特性使得网络的控制问题被划分成不同层次，路口的控制器优化单个交叉口，系统的协调要求每个路口的控制器同时还要考虑相邻路口控制器的配时方案、相邻上游交叉口车辆的离去特性、相邻下游交叉口车辆的到达特性。本文在综合考虑上下游交叉口信号配时、车辆排队和公交运行情况的基础上，提出了实时交通信号控制系统中实施公交优先的模型系统的框架，然后给出信号优化过程和计算最佳绿灯请求时间和信号协调方法。     

���ڹ�ƽ�����ȿ��ǵ������������

网络设计问题通常以最小化系统的总出行费用作为优化的唯一目标,所求得的最优解往往不能满足交通工程的实际要求。本文分析了在道路交通规划的工程实践中普遍存在的公平性和优先性问题,以网络设计问题的经典数学模型为基础建立了考虑公平和优先的网络设计问题数学模型,针对模型的特征设计了求解模型的遗传算法。最后,以一个实验道路网的分析为例,说明了数学模型和遗传算法的具体应用。该实例表明,论文所提出的模型和计算方法是非常有效的,能够为交通规划提供非常丰富的信息,协助决策者做出科学明智的选择。     

连续交通网络设计的全局双层多项式优化模型

提出了一种面向典型连续交通网络设计问题的全局双层多项式优化模型,其函数均为多项式,且下层问题为凸问题;上层问题旨在优化网络性能,下层问题用来刻画确定性用户均衡(DUE)交通流模式;利用Fritz John条件和乘子代替下层规划,将提出的双层多项式优化模型转换为等价单层优化问题,并利用矩半定规划(MSDP)方法得到其全局最优解;利用矩矩阵的秩作为保证全局最优性的充分条件,并估计全局最优解的个数;给出了最优道路收费问题的数值算例,用提出的双层多项式优化模型描述了算例中的最优道路收费问题,并通过Wardrop用户均衡约束调整现有路段上的交通流量,使总通行费收益最大化。研究结果表明:该简单算例的最大收益为13.5元,同时可以得到该算例的矩矩阵的秩为1,从而证明了该结果的全局最优性,提出的方法克服了均衡约束数学规划(MPEC)法和值函数法等现有求解双层优化问题的经典算法由于连续交通网络设计固有的非凸性,只能找到局部最优的问题;提出的全局双层多项式优化模型与算法为典型连续交通网络设计提供了更好的探索工具。      

基于人工鱼群算法的移动通信网络基站覆盖优化问题

基站覆盖优化问题是移动通信网络优化的核心问题．针对网络节点严重冗余，基站之间相互干扰的情况，提出了一个移动通信网络基站最优覆盖模型，并利用人工鱼群算法对移动通信网络基站覆盖优化问题进行求解，得到了最优设计方案．最后选取某城市核心区域对模型与算法进行了验证，仿真结果表明：本文提出的方法提高了移动通信网络基站的覆盖率，减少了节点冗余，从而达到减少网络建设成本，提高网络规划效率和准确度的网络优化目的．     

Stability Analysis for Stochastic Optimization Problems

Stochastic optimization offers a means of considering the objectives and constrains with stochastic parameters. However, it is generally difficult to solve the stochastic optimization problem by employing conventional methods for nonlinear programming when the number of random variables involved is very large. Neural network models and algorithms were applied to solve the stochastic optimization problem on the basis of the stability theory. Stability for stochastic programs was discussed. If random vector sequence converges to the random vector in the original problem in distribution, the optimal value of the corresponding approximation problems converges to the optimal value of the original stochastic optimization problem.