基于改进蚁群算法的城市交通最短路径算法

蚁群算法作为一种寻优性能良好的智能算法,是解决最短路径问题的一种有效的方式。但是,基本蚁群算法真接运用于交通网络中路径的寻优存在一些不足。文章针对基本蚁群算法的不足对其进行了改进,根据交通网络的特点限定了解的搜索范围和改进了蚁群算法的转移规则,并对信息素的更新规则作了改进。仿真实验结果表明,改进了的蚁群算法在求解最短路径时比基本蚁群算法性能有较大的提高。     

基于改进鱼群算法在管道最优抢修路径的研究

当油气管道发生安全事故时,为保证在最短的时间内达到事故现场,需选择最优的抢维修路径。文中提出了一种新型的最优路径计算方法——鱼群算法,并针对其在搜索空间、收敛性以及寻求最优解等方面存在的不足,提出了改进鱼群算法。结合实际工程案例,对鱼群算法和改进鱼群算法在相同循环次数下寻求最短路径做了对比,结果显示改进的鱼群算法成功率高、收敛快,具有一定的应用价值。     

基于实时交通信息的动态路径规划算法研究

针对车辆智能交通最优路径问题,文章提出了一种基于层次分析法和消弧法结合的最优路径算法,通过建立权重判断矩阵求解特征向量,计算得出影响动态路径值的各因子的权重值;应用消弧法,求得指定的两个节点之间的最短路径。结果表明:动态路径规划算法能为驾驶员提供一条最优路径。     

模糊矩阵算法在交通导航系统中的应用

针对车载导航动态路径最短算法问题,文章研究了影响交通运输效率的几个重要因素,利用模糊逻辑运算求解各因素对动态路径权值的影响,提出了基于矩阵算法的最佳导航路径规划算法,并通过南宁市某地区的交通网络图,实验验证了该算法的准确性和有效性。     

基于蚁群算法和群决策理论的动态路径优化研究

文章针对城市交通信号控制中的动态路径优化问题,综合考虑相邻交叉口间距和路段交通饱和度两个参数的影响,提出了一种基于蚁群算法和群决策理论的动态路径优化算法模型,并通过仿真实验,对比分析了该算法模型的有效性。     

动态车辆路径问题的遗传算法研究

文章针对动态车辆路径的特点及模型对其算法进行了研究，并设计了改进的遗传算法对最优路径进行求解，结果显示采用改进的遗传算法提高了全局寻优能力与收敛速度，取得了较好的效果。     

基于增量搜索的车辆动态路径规划算法研究

D＊Lite算法是一种非常高效的增量搜索算法,适合于动态环境下的路径规划。文章基于D＊Lite算法的原理,对该算法的性能及应用于车辆路径规划的适用性进行改进,提高了算法的稳定性和结果的可靠性,并通过试验和算法评价验证了改进的D＊Lite算法在复杂、动态环境下规划路径的有效性。     

基于改进Dijkstra算法的路径优化仿真研究

文章针对传统Dijkstra算法在路径优化过程中存在的不足,从路网拓扑关系存储和快速搜索技术两方面对其进行了改进,得到了一种改进的Dijkstra算法,并通过实例仿真分析,验证了该算法的有效性。     

基于Multi-Agent的动态路径诱导系统

动态径路诱导是现代智能交通系统研究的一个重要领域。文章使用Multi-Agent技术思想,运用Java语言,结合动态路径诱导的实际需求开发动态路径诱导系统。基于各Agent间的实时交互信息,包括路段Agent提供的路况信息、路口Agent提供的交通信号信息、车辆Agent提供的车辆行驶及诱导需求信息,运用改造后的A*智能优化算法,实时计算诱导车辆当前位置下的最优路径。同时引入区域控制Agent与中心决策Agent对全局进行控制,避免局部最优及交通拥堵漂移现象的发生,从而达到整个路网的优化。完整地仿真了一个功能齐全的动态路径诱导系统,并且验证了该动态路径诱导模型的可行性及有效性。     

一种基于有向图的高速公路5.8G多义性路径纠错识别算法

随着高速公路不断建设,路网日趋复杂,多义性路径精确识别及通行费的计算拆分逐渐成为目前收费管理研究的热点。文章探讨了5.8G多义性路径识别在高速公路有向图中面临的问题,通过优化最短路径算法,对逆向标识数据进行自动纠错。该算法基于广西高速公路通行数据进行仿真实验,通行费计算准确度达到99.99%,逆向标识数据纠正率达到100%,同时计算效率能满足高速公路出口快速通行的要求。     

基于跨越函数法的边坡最危滑面的搜索

文章在边坡最危滑面的搜索过程中,引进全局优化的思想,基于跨越函数法并对其改进以适用边坡最危滑面的搜索,并以一个著名的国际边坡算例验证了该思路和方法的合理性与可行性。     

基于列生成的城市轨道交通乘务排班计划优化

乘务排班计划是城市轨道交通运输计划的重要组成部分，高效的排班计划可以有效降低城市轨道交通运营成本。本文基于列生成算法，构建以班次数最小为目标的乘务排班模型。列生成算法的限制主问题采用集合覆盖模型，通过建立网络图模型，将定价子问题转化为带资源约束的最短路问题。提出了考虑复杂约束的改进的邻接矩阵构建方法，采用Floyed算法求得最短路径集合。在求解具有最小检验数的新班次时，提出了基于工作效率和工作时长综合惩罚的优化规则，以提高新班次集合的质量。最后求解0-1整数规划问题，即从可行班次集合中找到满足乘务片段全覆盖约束的最优子集，构成最终的排班方案。案例结果表明本文模型能够显著地减少乘务班次数，同时各项指标均有所改善。     

隧道洞室地基稳定性双阶段多策略粒子群BP网络模型研究

影响隧道洞室地基稳定性的因素众多,这些因素与隧道洞室地基稳定性之间存在着复杂的非线性关系,并且常规的方法很难描述这种复杂的关系。文章提出了一种双阶段多策略粒子群算法(DMPSO)优化的BP神经网络隧道洞室地基稳定性评价模型。粒子群算法具有全局优化能力强、搜索效率高等特点,算法改进后使这些特点更加突出。BP算法有很强的非线性映射能力、泛化能力,但也有收敛速度慢,容易陷入局部最优等缺陷。采用双阶段多策略粒子群算法(DMPSO)搜索BP模型的权值和阈值,弥补了BP模型的缺陷,提高了其预测的准确度。文章以重庆小什字车站洞室地基为例,证明了双阶段多策略粒子群算法优化的BP神经网络模型(DMPSO-BP)的可行性,并且该模型比模糊神经网络和粒子群优化的BP神经网络(PSO-BP)模型有更好的预测精度。     

紧邻大型深基坑的地铁隧道沉降预测方法研究

针对紧邻大型深基坑的地铁隧道因其变形影响因素复杂、变形控制严格而难以准确预测其沉降变形的问题,文章引入对小样本、复杂、非线性数据具有优越预测性能的支持向量机理论,并利用蚁群优化算法搜索支持向量机最优参数组合,建立了优化的支持向量机预测模型。应用该模型对南京市地铁1号线某段隧道的预测结果表明,该模型预测精度高,能够准确反映隧道变形趋势,可以满足紧邻大型深基坑地铁隧道沉降预测的要求。     

油气集输管道腐蚀速率预测研究

腐蚀速率的精确预测对于油气集输管道的安全运行具有重要意义。鉴于神经网络算法陷入局部最小值、收敛速度慢和引起振荡效应等问题，同时考虑自适应遗传算法在广泛的空间搜索和向最优解的方向尽快收敛于最优目标的特点，构建了优化的混合算法神经网络模型。利用该模型对多种因素影响下的油气集输管道的腐蚀速度进行了预测研究。实际应用表明：该模型大大提高了网络的学习效率和预测评判的精度，可以作为油气集输管道腐蚀速率预测的良好工具。     

考虑运输安全的多式联运路径和运输方式选择研究

本文综合考虑运输费用、运输安全、运输路径和运输方式等因素,建立了以运输成本最低为目标函数的多式联运路径选择模型,并设计了求解算法,最后通过实例验证,选择合理的运输路径和运输方式组合优于单一的运输方式。求得的运输路径和运输方式最优解可以为运输经营者在实际运输经营中提供决策参考。     

智能车避障路径规划方法研究

避障路径规划是智能车技术的关键部分,对智能车研究具有重大意义,正确的选择规划方法至关重要。本文首先初步选定人工势场法规划路径,仿真得知传统人工势场法规划出的路径存在局部最优、碰撞及达不到目标点的问题。因此提出改进人工势场法,通过改变势场函数和设定初始条件来解决此问题。最后,为了规划出能够同时避开静态和动态障碍物且能到达目标点的理想路径,在改进人工势场法中加入速度元素,经过仿真,证明了基于速度的改进人工势场法在智能车避障路径规划中的可行性和优越性。     

基于改进蝙蝠算法的钢筋混凝土箱梁桥截面优化设计研究

桥梁截面尺寸参数改变会影响结构的整体重量及受力性能,在保证结构受力合理的前提下优化截面参数,可节约成本。文章基于改进的蝙蝠算法,结合有限元模型,对某已建钢筋混凝土箱梁桥截面进行优化设计,对比分析优化前后参数、挠度等数据变化情况。研究结果表明:改进蝙蝠算法改进了原始算法多样性不足、易于陷入局部最有解的缺陷;截面设计优化后,箱梁总体结构重量减少了9.2%,结构刚度有些许降低,挠度结果影响较小;优化后的桥梁整体结构安全可靠,使用阶段承载力满足要求。     

基于蚁群算法的隧道照明参数设计

隧道照明设计需考虑灯具间距、布置高度、布置形式、布置角度、灯具配光曲线等诸多因素,诸多参数的引入造成常规求解方法的困难,论文基于蚁群算法的基本原理,提出了基于蚁群算法的隧道照明参数设计方法,分析了相应的计算流程,并结合贵州凉风坳隧道,利用该算法计算了隧道照明参数配置,并与DIALux照明设计软件的设计进行了对比分析,得到相应结论并为合理选择隧道照明参数设计方法提供参考。     

订单生成时间不确定的货物配送路径优化

针对各个配送点订单生成时间不确定，且未来生成订单现阶段配送方案制定有影响，本文提出了动态订单匹配策略，将已生成和未生成的订单信息综合考虑，提高匹配效果。然后，本文建立了以最小化运能浪费和订单等待处理时间为目标的二阶段随机规划模型来编制当前和下一阶段的配送方案，并设计了自适应遗传算法进行求解。最后，本文利用某地25个配送点数据信息进行二阶段配送路径规划。与蚁群算法相比，本文算法对两个阶段的运能浪费成本和时间浪费成本求解过程收敛时间分别为：112.3s、102.4s、98.5s、114.7s，均小于蚁群算法收敛时间：117.3s、115.4s、109.6s、118.2s。且本文算法求得的两个阶段总运能浪费成本和时间浪费成本分别为62000t.km、644t.h，远小于传统启发式算法的72400t.km、816t.h。