铁路空车调配综合优化模型及求解

以铁路企业经济效益最大化、货物运输需求方(货主)满意度最大化和空重车调配路径最合理化为目标函数构建铁路空车调配多目标综合优化模型.模型的约束条件主要包括:空车供应站的车种供应量、以重代空最大运量和剩余装车作业能力;空车运输阶段的区段运输能力;空车需求站的剩余卸车作业能力、车种需求量和货物装运总量.根据调研资料确定模型求解参数的取值;通过简化路径参数、量纲转换处理,将多目标规划转换为单目标规划;运用LINGO软件实现综合优化模型的二次建模;运行LINGO程序得到铁路空车综合调配方案.     

数字赋能公交 智慧改变生活

时间是开拓者前行的足迹,公共交通是城市流动的血脉。在新时期,十年的伟大变革具有划时代意义。党的十八大以来,在习近平新时代中国特色社会主义思想的指引下,太原公共交通控股(集团)有限公司(以下简称“太原公交”)始终坚持“以人民为中心”的发展思想,统筹各项工作,充分应用信息化、智能化等新技术新装备,积极调研和挖掘群众出行需求,持续优化和丰富公交线网结构。积极主动融入城市发展新格局。     

进气系统的优化设计

FSAE赛车发动机进气系统结构参数影响充气效率。文章利用软件FLUENT对进气系统模型进行流场仿真,分析进气系统流场压力、速度等参数分布规律,研究进气歧管流量分布的均匀性,到达优化进气系统的目的。     

FSAE赛车前悬架运动学仿真及参数优化

运用Catia软件建立某FSAE赛车前悬架三维模型,并将Catia中的坐标转换成Adams软件中的坐标,建立Adams前悬架模型。针对该FSAE赛车前悬架进行双轮跳动运动学仿真,并对悬架传递比和前轮定位参数进行参数优化。     

基于时空网络的铁路空车调配动态优化模型

为合理配置空车资源,研究了路局（公司）管内空车调配的动态优化问题。构建区分时段长度的时空网络,以准确描述车站作业能力的变化。借鉴运输问题（TP）的基本思想,通过引入空车供需约束,将动态空车调配问题转化为基于时空网络的多商品网络流问题。结合空车调配的特点,设置2组整数决策变量,将分界站排空与局（公司）管内配空分开考虑。设置0-1辅助变量构建车种代用约束。在此基础上,以总费用最小为目标,构建了空车调配动态优化的混合整数规划模型。以中国铁路昆明局集团有限公司管内空车调配为例,验证了模型的可行性与有效性。算例结果表明,与静态空车调配方法相比,构建的动态空车调配模型不仅降低了空车调配总成本,而且调配方案更加贴合实际。与现有动态空车调配方法相比,通过改变时空网络中时段的划分方式,降低了模型求解的复杂度,构建的模型在获取空车调配方案的同时能够更加直观的看出空车在不同时间的作业状态。      

汽车底盘高效设计方案与开发工具构建

为提高汽车底盘开发对新能源汽车技术发展和市场导向的适配能力,基于多学科设计优化方法提出一种高效的汽车底盘产品优化设计方案。方案面向底盘开发多过程,以两个专用设计平台、6 个工具模块为载体,以综合开发工具的形式实现汽车概念开发阶段对动力学特性导向下底盘参数及特性影响的评估与优化,为提高产品设计效率、缩短开发周期、降低开发成本提供技术支持。     

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。     

企业科研项目全生命周期管理模式

针对我国企业科研项目管理模式陈旧、数字化水平较低等问题,为进一步提升企业科研能力和科研工作效率,在现行企业管理的基础上,运用全生命周期理论,明确科研项目申报、项目执行、项目沟通、项目变更管理过程的具体模块内容、重要事项和存在的问题。在科研项目全生命周期管理的基础上,从数据支撑、执行管控、个性化分析和指导等3个方面对经费管控模式进行设计和细化。结果表明:科学合理地运用企业全生命周期科研项目管理不仅有利于提高科研项目管理水平和人才培养质量,还有助于提升企业科研资金管理的透明度和灵活性,使科研难题解决更及时、信息传达更高效。     

集装箱港口装船作业模式下场桥和内集卡跨箱区联合调度优化

为了进一步缩短集装箱船舶在港靠泊时间,基于场桥作业区域划分思想,综合考虑场桥分配均衡、场桥任务量均衡和集装箱任务顺序等实际约束,以装船任务总完成时间最短为目标,构建场桥和内集卡跨箱区协同调度方法,并设计包含带改进操作的遗传算法进行求解。对比实证分析表明,在装船任务一定的情况下,所提出的调度算法能够进一步缩短场桥和内集卡的作业时间,提升场桥和内集卡调度效率,从而缩短集装箱船舶在港靠泊时间。     

基于改进遗传算法的双向渐进结构优化方法研究

本文提出了一种基于改进遗传算法的软删除双向渐进结构优化法(G-BESO),以解决传统双向渐进结构优化法(BESO)中参数(如进化率)设置不当而导致无法获得最优拓扑构型的问题.首先确定单元权重系数与单元密度的递推关系式,形成一种考虑单元密度历史信息的材料插值模型,从而增强恢复误删高效单元的能力.然后引入遗传算法中的交叉和变异操作,启发式地更新结构状态以提高全局寻优能力.最后将该方法编写成可用于实际工程结构优化设计的程序.算例表明,提出的方法能稳定得到最优拓扑形状且计算效率更高,可为工程结构的拓扑优化设计提供一定参考.