优化算法在汽车动态称重系统中的应用

针对汽车动态称重情况下短历程信号问题，提出了利用优化算法解决的方案。根据汽车动态荷载特性和称重系统的动力学特性给出了检测信号的优化目标函数；然后，利用数值仿真验证优化算法在短历程信号状态下抑制低频周期干扰信号的性能。最后进行了样机设计和实验，实验结果表明该解决方法是可行的。     

基于车联网技术的纯电动汽车转矩决策优化

首先建立对转矩决策优化算法的数学描述,然后基于模型预测控制算法框架将全局优化问题转化为局部优化问题,并采用动态规划算法对转矩决策优化问题进行求解,最后通过仿真对转矩决策优化算法进行验证。结果表明,对于所设定的仿真工况采用转矩决策优化算法可提高车辆能量利用效率达9.63%。     

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。     

基于蚁群算法的最短路径搜索方法研究

最短路径搜索是车载定位导航系统中很重要的一个功能,最短路径搜索问题本身也可以归结为组合优化问题.蚁群算法是基于群体的一种仿生算法,为求解复杂的组合优化问题提供了一种新思路.文章尝试采用蚁群算法来解决车载导航系统中的最短路径搜索问题,并在VC 6.0的环境下进行了仿真实验.实验结果表明,该方法能有效解决车载导航系统中的最短路径搜索问题,具有一定的理论参考价值和实际意义.     

应急物流配送优化的改进最邻近算法研究

应急物流配送研究的核心是最短路径选择问题。以最邻近算法为基础,针对以往只能解决一个配送仓库对应多个救灾中心问题的局限性,提出一种多个配送仓库同时对应多个救灾中心的改进最邻近优化算法。通过仿真实验证明该算法具有良好的适用性。     

全局演化局部模拟优化技术在汽车结构参数优化中的应用

本文将演化算法与模拟退火算法集成，提出一种适用的全局演化局部模拟优化技术，该技术使用演化算法在解空间通过较少代数的化为模拟退火算法提供一个良好的算法构形，在此基础上，通过退火方式寻找全局最优解。本文探讨了在该算法在汽车操纵稳定性评价与结构优化中的应用问题。优化以最小化汽车操纵稳定性综合评价指标为目标对评价参数与结构参数进行优化。使用优化参数在双移线条件下对四自由度汽车动力学模型的操纵稳定性进行仿真研究。通过仿真对比分析了演化算法与模拟退火算法，本文使用的算法继承了这两种算法的优点。研究结果表明：使用全局演化局部模拟优化技术所得综合评价指标值最小。耗用CPU时间也最少，而且所得优化参数使得人－车闭环系统跟随预期路径的精度提高约58．31％，而使综合评价指标值下降约37．35％。     

基于混合A*算法的自动驾驶汽车轨迹生成

自动驾驶汽车混合A*算法运行迅速,但是难以保证曲率的连续性和汽车舒适度,并且不能保证优化后的结果无碰撞。针对以上问题,以提高汽车舒适性为目的,基于最小冲击度对A*算法进行优化,在MATLAB和栅格地图中进行了算法预研,解决了低速场景下自动驾驶汽车运动过程中舒适度不足的问题。然后,针对优化算法可能导致轨迹碰撞的问题,对优化算法进行了改进,保证了汽车的安全性,并给出了“走廊”自动调整的策略。仿真结果表明:优化后的轨迹无碰撞且曲率更小,加速度不超出正常范围,可以满足正常驾驶需求。     

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%。     

机场群共用航路点的航班排序模型及算法

机场群上空空域资源共享、运行耦合复杂，拥堵往往发生在共用航路点。为缓解空域拥堵和航班延误问题，开展了机场群共用航路点的优化排序研究。针对共用航路点的运行特征，引入惩罚因子并以总延误时间成本最小为优化目标，建立了机场群共用航路点的航班优化排序模型，基于滑动时间窗算法和粒子群优化算法的原理提出了TW-PSO组合优化算法对模型进行求解。选取京津冀机场群过共用航路点的航班进行算例仿真，结果表明:TW-PSO组合优化算法与FCFS算法、滑动时间窗算法、粒子群优化算法相比在高峰时段的总延误时间成本分别减少了216，212，161 min；在算法性能方面，具有比经典算法迭代次数少、优化效果更佳的优点，能有效缓解航班延误问题，改善机场群的协同运行效率。      

高速公路交通流控制仿真的若干问题

本文从控制理论和计算机仿真的角度，结合高速公路交通流的确定性和随机性共存的特点，提出了高速公路交通流控制仿真的若干问题，阐述了利用计算机仿真解决这些问题的必要性，详细列举了高速公路交通流建模，仿真优化，参数辨识，交通流状态估计，控制策略和方法的选择，控制系统效果评价及系统实现等问题。     

车辆路径问题的模拟退火算法

在构造车辆路径问题(Vehicle Routing Problem,VRP)数学模型后,采用路径间调整和路径内优化方法,结合模拟退火算法策略对该问题进行求解。重点阐述了VRP模拟退火算法的设计思路,详细分析和编制了求解程序框图,并实现了计算机求解。仿真测试结果表明:采用模拟退火算法求解VRP效果显著,计算速度较快,与有关算法对比显示了较强的实用性和可操作性,为解决大规模VRP提供了一种有效算法。     

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。     

汽车FlexRay总线动态段时长及消息窗口优化

为解决FlexRay网络利用率的问题,对FlexRay动态段进行了研究。在基于最小时间片的FlexRay动态段研究的基础上,进行系统建模,对动态段时长进行优化配置,并提出以最大网络利用率为基础的动态消息调度算法。以CANoe为仿真平台对优化方法进行验证,结果表明该优化方法能够有效的提高动态网络利用率。     

基于预测滑转率的转矩分配策略研究

为解决后轮双电机驱动电动汽车的动态非线性转矩分配问题,提出一种预测并优化输出的分配策略。基于车辆动力学计算转矩输出,使用粒子群优化(PSO)算法及路面检测系统修正输出转矩,以某型后驱双轮毂电机样车为基础,设计优化分配算法,通过CarSim搭建整车联合仿真模型验证算法的性能,并以整车控制器为基础对设计的算法进行硬件在环测试。测试结果表明,提出的动态转矩分配策略可以根据实际工况分配驱动轮的转矩,降低驱动轮滑转率,提高整车的驾驶性能。     

混合小生境遗传-模拟退火算法在动态交通分配中的应用

为了解决已有的动态交通分配模型普遍存在的优化计算时间过长,严重影响网络规模扩展的问题,提出了一种新的动态交通分配优化算法。将模拟退火和隔离小生境技术有机地结合起来,融入到遗传训练过程中形成了一种混合小生境遗传-模拟退火算法,不仅可以有效地避免传统遗传算法可能出现的不收敛现象,加快进化速度,具有更强的全局寻优能力,而且计算速度和算法稳定性也得到提高。将其与Papageorgiou M.提出的动态交通分配模型框架相结合,设计了动态交通分配的快速模拟优化算法,并进行了实例研究。仿真结果表明,新的优化算法显著降低了优化计算时间,大大提高了动态交通分配模型的实用价值。     

基于蚁群算法的增程式电动中巴车控制策略优化

应用蚁群算法对某增程式电动中巴车控制策略中的关键参数进行优化，以提高整车燃油经济性。基于Matlab编写优化程序并完成优化，同时在CRUISE软件中对优化结果进行了仿真对比。仿真结果表明，优化后整车能量消耗明显降低，目标车辆燃油经济性得到明显改善。     

模拟退火算法在路径优化问题中的应用

模拟退火算法是解NP完全组合优化问题的有效近似算法,将该算法应用于路径优化问题,利用该算法对类似货郎担问题的路径问题进行求解;针对城市道路行走不同的目标条件(路径最短、时间最短)进行优化,选择最佳行走路径;并将用该算法优化得到的计算结果与树形算法进行比较,显示该算法能够克服传统优化算法易陷入局部极值的缺点,同时表明该算法在解类似货郎担交通路径方面的问题时有较高的精确性。因而该算法在解决城市道路交通问题方面具有一定的实用价值。     

单交叉口交通信号控制优化研究

为了解决现有路网条件下交叉口通行效率低的问题,提出了一种改进型模糊控制方法,并且以平均延误作为单交叉口信号控制的最终评价参数。针对二维模糊控制器中模糊规则库依赖人工经验的问题,使用有较好寻优能力的最优-最差蚁群算法对模糊规则库进行优化调节,并使用VISSIM8.0进行建模,将仿真时间设置为600s,仿真证明,优化后的控制方法在平均延误上优于定时控制和模糊控制,能够有效提高路网的通行效率。     

基于改进BP网交通流动态时序预测算法的研究

针对城市交通“智能运输系统”，提出了基于改进BP神经网络理论模型的路面交通流动态时序的预测算法，在BP算法的自适应学习率，在动量法优化网络收敛性等方面，进行了深入研究，并改进了基本BP算法中的收敛速度慢和易陷入局部最小点等问题，章给出了基于改进BP算法的交通流态时序的预测算法仿真实验，结果验证了该算法的可行性和先进性，在交通流时序预测方面有一定的应用价值。