基于遗传算法的混合动力汽车参数多目标优化

针对混合动力汽车设计参数众多的状况,提出了一种对混合动力汽车传动系统参数和控制参数同时进行优化的多目标优化新方法--自适应遗传算法.在ADVISOR平台上,以一辆使用逻辑门限控制策略的并联混合动力汽车为例,分析并建立了以动力性能指标为约束的混合动力汽车参数优化的非线性规划模型,其目标函数包含最小油耗和最佳排放性能.针对遗传算法容易早熟等不足,采用带自适应交叉和变异算子的遗传算法和模拟退火技术相结合进行求解.仿真结果表明了所提出方法的有效性.     

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...     

基于改进二次粒子群算法的汽车零配件配载优化

综合考虑汽车零配件物流运输配载过程中成本、资源及服务质量等决策要素,建立了汽车零配件配载优化模型。引入二次粒子群算法对该问题进行求解,并针对该算法在搜索早期粒子多样性低的缺点,提出了改进二次粒子群优化算法,它采用遗传算法的变异思想和互换更新机制来提高种群的多样性,以避免过早收敛和改进优化效果。仿真实例表明,与原算法相比,改进后算法的计算效率显著提高,且搜索到全局最优解的概率也更高。     

基于自适应网格粒子群算法的多目标配送优化模型

对配送方案的选择提出多目标优化,在满足客户需求的前提下,力求成本最低和各配送中心负荷均衡,建立多目标规划模型。运用粒子群算法对解空间粒子进行局部和全局的搜索,再运用自适应网格算法对非劣解外部集进行更新和维护,保持其规模。实证表明,采用基于自适应网格的多目标粒子群算法对该模型进行求解能够得到均匀分布于解空间的Pareto前沿。结果表明两目标具有一定的悖反关系,据此选择满意解。     

基于改进粒子群算法的斜拉桥成桥索力优化

为了确定大跨度斜拉桥的合理成桥索力,以塔、梁拉压及弯曲应变能为目标函数,并根据合理成桥状态的要求对塔、梁、索的受力变形进行约束,建立索力优化数学模型.为了解决标准粒子群算法易早熟收敛、局部寻优能力差的问题,将基于局部邻域搜索的禁忌搜索算法与标准粒子群算法结合,提出一种改进的粒子群算法,并将其应用于工程实例,成功实现了斜...     

基于定量分析的公交线路网络优化与粒子群算法

针对公交线网优化问题,利用粒子群算法进行了研究。在考虑城市公交系统多因素的基础上,给出了公交线网的优化原则、优化目标和约束条件,并将优化目标和约束条件定量化处理,给出了相应的数学表达式。在定义6维空间的基础上,利用经济转化系数,将公交线网优化的多目标问题转化为单目标优化问题的情况下,建立了公交线网优化的线性模型,并用粒子群算法进行了求解计算。通过粒子在解空间中搜索,找到最佳的公交线路网络。最后对算法进行了实际应用分析,结果表明该法简单实用、结果可信,有广泛的应用前景,而且该法也为多目标优化问题提供了一种合理可行的方法。     

基于模拟退火算法的运梁车转向机构优化设计

建立了运梁车液压连杆转向机构优化数学模型。考虑车辆在转向时的各种影响因素,以转向机构转向的平稳性、传动性能、利用效率为多优化目标。利用快速的模拟退火算法进行优化求解,以避免陷入局部极值,加快收敛速度。仿真结果显示它使转向机构的综合性能得到了较大的改善。     

基于元胞粒子群算法的干式DCT换挡品质优化

为提高干式双离合器自动变速器(DCT)的换挡品质,建立了DCT换挡过程优化模型;针对单一优化算法易于局部收敛和早熟的缺陷,将元胞自动机和粒子群算法相结合,开发了元胞粒子群混合优化算法,并将其应用于干式DCT换挡品质优化。仿真结果表明,通过优化离合器的压紧力能获得较好的换挡品质。     

Bi-level Programming Model for Road Transport Route Optimization of Dangerous Goods Based on Simulated Annealing Algorithm

选择一条既能保运输安全,又能满足经济需要的路线,是危险货物道路运输过程中的重要问题.危险货物道路运输路径优化是解决这一问题的有效方法.在对危险货物道路运输进行系统分析的基础上,根据危险货物运输的特点和广义阻抗函数的定义,建立了危险货物道路运输路段阻抗函数模型;为满足政府要求的运输安全性与运输企业要求的运输经济性,根据Wardrop平衡原理,建立了以UE模型为下层模型的危险货物道路运输路径优化的双层规划模型,通过模拟退火算法和对双层规划模型进行求解;最后,进行了案例研究,证明了模型和算法的有效性.     

基于粒子群算法的公交车调度研究

通过对南京市江宁区21路公交线调查,运用Fisher聚类法对全天运营的时间段进行合理的聚类分析,建立兼顾公交公司与乘客利益的多目标数学模型,并应用粒子群算法求解该模型,得到较优公交调度时刻表。     

基于混合粒子群算法的土钉支护结构设计参数优化

在土层工程地质情况一定的条件下,如何寻找一组最佳设计参数,以达到既经济又安全的目的,是土钉支护设计的一个重要问题。这是一个复杂的优化设计问题。就此,提出基于混合粒子群优化(PSO)算法的基坑土钉支护优化设计方法,以单位长度土钉墙的土钉材料造价作为优化的目标函数。该方法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度,不活动粒子的处理使算法避免了“早熟”现象的出现。工程实例计算表明,该方法是进行土钉支护结构优化设计的有效方法。     

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。     

基于粒子群优化的关联交叉口群信号控制策略研究

提出基于粒子群优化的城市关联交叉口群信号控制策略.采用具有车型信息的感应线圈检测装置,获取各交叉口的实时交通流信息;通过对短时交通流时间序列进行可预测分析,确定交通流时间序列的动力学性质,对于具有确定性变化规律的时间序列建立基于神经网络的组合预测模型,实现对交通流的在线预测;以车辆平均延误时间最少为优化目标,建立关联交叉口群的信号控制参数优化性能函数,根据粒子群优化思想求解信号控制参数.仿真实验证实,基于粒子群优化的关联交叉口群信号控制策略有效.     

基于多目标模拟退火算法的高速电磁阀优化设计

高速电磁阀的关键结构参数对高压共轨喷油器的响应特性具有决定性影响,采用多目标模拟退火优化算法MOSA(Multi Objective Simulated Annealing),基于多目标多学科优化平台modeFrontier,并集成有限元分析软件Ansys,以高速电磁阀开启、关闭延迟时间和电磁力为目标函数建立了多目标优化模型,对高速电磁阀的关键结构参数进行多目标优化设计。结果表明:电磁阀开启延迟时间降低了15.4%,达到0.11 ms;关闭延迟时间降低了25%,达到0.18 ms,;电磁力提高了12.5%,达到160 N。     

基于离散粒子群算法的协同车辆路径问题

考虑车场容量、不同车型车辆行驶最大里程等约束条件,建立以车辆配送总费用最小为目标的一类带时间窗协同车辆路径问题数学规划模型、即属于不同公司的配送中心共享车队、仓储等资源为客户协同配送货物,采用文献[1]中的自适应离散粒子群算法求解该问题并定义了其可能解的粒子的编码方式.最后,通过一个算例得出结论:同普通物流配送情形相比...     

基于PSO算法的地铁智能调线调坡系统开发与研究

为解决人工调线调坡费时费力、效率低下,且无有效评价指标评判方案优劣的现状问题,从分析线路平纵断面设计变量入手,依据规范相关规定制定约束条件,创新性地建立带有侵限容忍值惩罚项和合规性惩罚项的目标函数,提出一套基于粒子群优化算法,适用于矩形、马蹄形、圆形等多种隧道断面类型的地铁调线调坡数学分析模型,并以此开发地铁智能调线调坡系统。以长沙地铁4号线某区间右线隧道为例,对比人工设计和智能系统的调线调坡结果。由对比结果可知,智能系统在线路参数选择的合理性和改善侵限情况等方面均明显优于人工调线调坡,且具有可靠性和高效性。     

船队规划数学模型及一种新的规划方法的研究

从船运公司船队规划的概念及意义人手．建立了船队规划的数学模型。并分析了传统船队规划方法的优缺点，采用改进的离散粒子群算法进行大规模的船队规划计算研究。该方法既避免了线性规划算法出现的购买船艘数不为整数的问题．又避免了动态规划方法在进行大规模船队规划时出现的”维数灾”问题。通过实例表明提出的算法适用于多阶段船队规划数学模型。     

基于粒子群理论的干道协调控制优化研究

基于粒子群优化(particle swarm optimization, PSO)算法及车流离散理论,提出了以车流延误最小为目标的相位差优化模型.该模型为共用干道的一系列交叉口组成的线控系统.介绍了车流通过线控系统交叉口停车线后的流率-时间规律,建立了车流通过线控系统交叉口时产生延误的计算方法.仿真试验运行结果表明,该模型能更准确地反映现实的交通运行情况,为干道交通运行提供更好的控制效果,模型的递推形式有利于计算机编程实现,较双向绿波数解法优越.     

基于粒子群优化的RBF神经网络交通流预测

交通流量预测一直是实时自适应交通控制的关键问题。以城市道路网络中典型的两相邻交叉口为研究对象,提出了基于粒子群优化的RBF神经网络的信号交叉口交通流量预测模型。该模型以RB F神经网络为基础,采用分组优化策略,用粒子群优化算法对基函数的中心、方差和RBF网络权值进行优化,从而提高了网络的预测精度。通过仿真,并与其他算法对比,表明了本文方法的有效性。     

基于粒子群算法的增压柴油机神经网络模型

神经网络是建立柴油机性能实时计算模型的有效方法.当前柴油机神经网络模型的研究大多是针对稳态工况开展,为了实现对瞬态性能的合理预测,提出了预测全工况稳态及瞬态性能的通用神经网络模型构建方法.此外,为了解决传统BP神经网络无法保证得到全局最优解、泛化能力较差的问题,采用群体智能算法中的粒子群算法(PSO)进行优化.利用某型...