多目标最短路径模型及算法

为获得满足决策者需要的多目标最短路径问题的有效路径,建立了多目标最短路径模型,并提出了综合k-最短路径算法和多目标格序决策方法的多项式算法.该算法根据决策者可以接受的各单目标的上限,用k-最短路径算法,分别确定各单目标的可行路径集及其交集.再用多目标格序决策方法,比较交集中的有效路径,最终获得决策者满意的路径.     

人工神经网络在飞行间隔控制中的应用

神经网络技术在自动控制领域得到广泛应用．鉴于空中交通管制的理论及技术特点,本文探讨了实现飞行间隔预测控制的神经网络模型及技术条件,尤其是提出了在多扰动环境中飞机速度、位移函数的构建方法,借助Matlab工具实现了仿真和验证．结果证明,神经网络的自学习功能能够很好地处理这类复杂的控制问题．     

基于矩阵分析的公共交通网络最优路径算法

为了更符合实际情况，即充分考虑换乘次数是乘客选择公共交通网络的决定因素，运行时问是其重要因素，分析了乘客心理特征，用CIS技术建立了公共交通网络模型，构建了适合公共交通分析的直达矩阵和最小换乘矩阵．在此基础上，结合路段、节点运行时间，提出了公共交通网络最优路径算法，并用一个简单的算例对算法进行了说明．     

双目标最短路有效解的快速算法

双目标最短路问题往往不存在绝对最短路径。通过综合k-最短路算法和双目标决策方法获得了双目标最短路问题的有效路径实用算法，该算法属多项式算法，可快速求出所有有效路径。利用Oijstra算法先求出两个单目标的最短路径集，若交集为空集，则构造一个矩形，利用k-最短路算法获得该矩形内的可行路径，再在矩形内找出两个单目标的最短路径集中的有效路径，得一个新的矩形。依此类推，逐步缩小搜索范围，直至找出所有的有效解。上述搜索过程中，一旦出现单目标最短路径集的交集不为空，则交集中的路径即为有效路径，此时算法结束。     

基于格序偏好的模糊多目标决策方法

运用格论,将方案优选的全序刻画拓展为格序刻画.基于决策理论和模糊集理论,提出了模糊多目标格序决策的概念,建立了模糊多目标格序决策模型.基于正、负理想解的概念,提出了该模型的2种算法.算法1是先对模糊指标值进行加权,然后确定模糊正、负理想解,通过比较每个方案与两者之间的差异选择满意解.算法2是直接在原模糊指标值的基础上确定模糊正、负理想解,并引入满意度的概念刻画每个方案与两者之间的差异,最后通过加权得到满意解.算法1较简单,算法2则能始终保持模糊元素的线性性质.算例表明,2种算法结果一致.