基于港口群联合调度的防台锚地规模优化研究

为了丰富我国港口防台锚地规划研究、提升港口航运安全、进一步促进港口可持续发展,合理规划应急锚地容量,以船舶数量、靠港船型、锚泊面积及台风影响情况作为因素分析锚地需求,并以港口群联合调度为主要手段,考虑锚地建设成本、维护成本以及基于联合调度的船舶疏散避台航线费用,优化防台锚地建设面积,在保障整个水运系统安全的基础上,减少建设维护成本。以福建省沿海港口为实例的研究表明,在资源共享、联防联调的基础上,能够合理配置锚地资源,确定科学的防台锚地规模,保障福建航运系统安全。     

不确定条件下机场群系统均衡配流模型研究

为探索客流在机场群的分布规律，以整个航空出行链为视角，综合考虑空中交通、地面交通和旅客出行选择偏好，构建机场群系统均衡配流模型.以路径时间、机场停留时间、出行票价和旅客类型为主要参考属性，提出机场群系统旅客出行成本模型.由于路径时间与流量相关且存在不确定性，基于预算超出时间对路径时间的均值与方差进行统一度量.综合路径时间、出行票价、机场停留时间与旅客类型，基于Logit模型建立旅客对航空出行路径的选择模型，将机场群系统的客流均衡条件转换为变分不等式.基于投影收缩算法对变分不等式求解，从而得出客流在机场群间的均衡分布状态.算例结果表明，机场群系统均衡配流模型有效建立了客流分布状态，调整路径时间、机场服务水平、票价等因素均可促进客流在机场群间的均衡分布.     

考虑收益管理的高铁平行车次动态差别定价

基于RP(Revealed Preference)和SP(Stated Preference)调查数据，利用潜在类别模型对高铁旅客进行细分，得到旅客对平行车次不同服务属性，如列车运行时间、发车时段和舒适度的偏好程度，并对其进行量化；引入收益管理，以多列车整体收益最大为目标，构建平行车次动态差别定价模型，并设计模拟退火算法进行求解；最后，通过京沪高铁进行实例验证.结果表明：与固定票价进行客票销售相比，所提方案能够适应高峰期和平峰期不同客流特点，提高铁路客票总收益，为高铁平行车次灵活定价提供参考.     

海上搜救最优路线规划模型设计与仿真

随着人类海洋活动的频繁、气候环境的复杂多变,海上事故频发,而海上救援最关键的是要在最短时间到达搜救点。海上搜索最短路径还受到障碍物、地理环境、天气等条件影响,是一个多条件全局最优问题。本文研究了基于蚁群算法的Dijkstra求解方法,寻找多条件约束下的海上搜救最短路径的全局最优解,最后对算法进行了仿真并与其他路径规划算法做了比较。     

基于延迟脱体涡算法高速列车通过隧道时的绕流特性

基于延迟脱体涡算法和滑移网格技术,建立CRH380A型列车的含有转向架的三维可压缩瞬态仿真模型,模拟研究高速列车气动力、速度场和表面压力这3大绕流特性的变化规律。结果表明:延迟脱体涡算法能较好地捕捉列车通过隧道时的气动特性;当列车头部刚驶入隧道时,气动阻力迅速升高并在车头完全进入隧道时达到最大值,列车下方2侧的速度纵向分量会急剧增加,位于靠近设备舱位置的速度纵向分量会显著降低;当尾车刚驶入隧道时,隧道内壁与列车侧面之间的流场会出现回流区;当尾车全部刚驶入隧道时,气动升力和侧向力骤然增加;当列车全部驶入隧道后,气动力的波动幅值均明显升高;列车通过隧道过程中,列车侧面压力整体上呈现先增后减、最后维持周期性波动的趋势,处于尾流区的车尾部位具有更强烈的波动特征;列车裙板和车底的表面压力整体上均呈先减后增、最后维持在较高幅值波动的趋势,对列车相关结构的疲劳强度产生不利影响。     

基于粒子群优化的深度随机神经网络

针对传统多层随机神经网络性能不稳定问题,提出了一类利用粒子群优化算法来优化各层权值的深度随机网络方法.该方法利用粒子群优化算法,结合网络的输入输出灵敏度信息,逐层对自动编码器的输入层权值进行优化,通过改善自动编码器的性能来改善多层随机神经网络的性能.最后利用粒子群优化方法,对整个网络的权值作适当优化,进一步提高深度随机神经网络的性能.相对于传统深度学习算法,该方法在保持收敛精度的基础上降低了时间开销;相对于传统深度随机神经网络,该方法在增加时间开销基础上提高了收敛精度,从而较好地平衡了时间复杂度和收敛精度.