基于粒子群算法的双目标可靠性网络设计

用离散的路段通行能力变量来刻画路网的随机性,建立了网络设计的双层规划模型。上层模型为基于路网期望总走行时间最小和路网净经济效益可靠度最大的双目标规划模型,下层模型为弹性需求下的用户平衡配流模型。采用增设多余需求路段的方法求解下层模型,采用基于向量的粒子群算法(VEPSO)求解整个双层规划模型。计算结果表明:所得到的解为一组Pareto解,路网期望总走行时间和净经济效益可靠性为2个相悖目标;随着期望总走行时间下降,可靠度也有所降低;在可靠度不变的情况下,减少期望总走行时间,会导致总投资额的增加。在进行网络设计时,应结合总投资额和现实需要来选取最优解作为网络设计方案。     

停车需求分布的双层规划模型及算法

针对停车需求给定条件下的停车设施选择问题,建立了描述停车设施选择和出行路线选择行为的双层规划模型,并基于在部分增广乘子法中嵌套Frank-Wolfe算法的思路设计了求解模型的有效算法.上层模型在满足停车需求和设施停放车辆数有限条件下,力图最小化实际停车需求分布与期望分布间的差异.下层模型假设出行者路线选择行为遵循用户均衡原则.上下层模型通过设施选择概率函数实现有效关联.部分增广乘子法中嵌套Frank-Wolfe 算法求解上层模型可以有效利用上层模型的单纯形式约束特征.算例分析验证了新模型与算法的有效性.研究结论拓展了现有理论的应用场景,为相关研究提供了新的建模分析思路.     

基于双层规划的公交车调度问题的模型与算法

城市公交车辆调度的主要目的是在方便乘客出行的前提下追求企业利益的最大化,其关键问题是在企业如何进行公交车辆配置和安排一天中各个时段上的发车频率.在对现有问题研究的基础上,基于对调查数据的分析和推导,建立了以乘客满意度为上层目标、企业运营效益为下层目标的双层规划模型,并对此设计了一个遗传模拟退火混合优化算法,结果表明:本文提出的双层模型和设计的遗传模拟退火算法具有一定得有效性和可行性.     

���ǿɳ�����չ�Ľ�ͨ�������˫��ģ�����㷨

研究了考虑可持续发展的混合型交通网络设计问题的优化模型和算法. 利用双层规划模型描述问题,其中上层模型是以方案总投资费用和汽车废气排放量最小化为优化目标,并受占用土地规模和路段负荷度的约束,下层模型为确定型的交通网络平衡配流模型. 使用路段等级决策变量将问题离散化,并基于模拟退火算法和基于路径的梯度投影算法进行模型求解. 算例计算表明,优化后的交通网络不仅拥堵状况得到显著缓解,而且路网内汽车废气排放量下降幅度也非常明显. 这都证明本文所提出的双层规划模型和求解算法是一种研究可持续发展环境下交通网络设计问题的有效方法.     

弹性需求和多用户随机平衡下的连续网络设计

连续平衡网络设计问题是在连续决策变量的条件下,寻找最优的用于道路网络中某些路段扩建的投资决策方案。文中从代表性消费者理论出发,建立了该问题的基于弹性需求和多用户类型随机用户平衡的双层规划模型,并考虑了路段能力约束。基于双层模型求解的复杂性,设计了基于混沌优化方法的启发式算法,实例计算结果表明该模型与算法是有效的。     

用混合元启发算法求解城市网络设计问题

为更有效求解城市道路交通网络设计问题,在启发式算法研究的基础上,使用3种改进思想,改进蚂蚁群算法,设计了4种求解城市道路交通网络设计的双层规划模型的混合启发式改进算法。运用于Sioux Falls网络进行模型的求解实验,并统计运行的平均计算时间,求得最优解的次数和函数解平均值。据此得出混合算法从时间、准确度上均较基本蚂蚁算法有了改善,具有很好的应用价值。     

公路货运超限治理中的利益博弈分析

通过对公路货运中政府、道路运营者、运输商及其后相关利益关系进行分析,按现有环境下管理方与运输商之间超限运输治理的博弈,提出超限治理过程中对治理策略的选择应着力降低治理成本,这有助于提高管理方的治理激励.     

Stackelberg 博弈下海盗活动地区海军护航选择优化

为了优化海军在海盗活动区域的护航选择决策,更好地保护过往船舶,维护海上运输安全,在对实际护航行动涉及的海军与海盗两方主体博弈关系分析的基础上,建立了一个包括海军和海盗双方在内的非合作非零和Stackelberg 博弈对双方行为进行描述,并选取双层规划模型将博弈关系进行数学转换.针对该双层规划模型的特点,采用基于灵敏度分析的启发式算法（SAB）对反应函数具体形式进行计算,并进行模型求解算法设计.最后,以索马里海盗活动区域为例进行实例分析,得出海军继续选择亚丁湾进行护航,海盗活动区域将向红海转移的结果,结果也说明了模型与算法的合理性.     

弹性需求下拥挤道路收费的模型与算法研究

拥挤道路收费作为交通需求管理的一种有效措施在许多国家和地区开始提倡。研究了弹性需求下的拥挤道路收费问题,建立了双层规划模型,其中上层模型以用户盈余最大化为目标,下层模型满足弹性需求下的随机用户平衡(SUE)。基于双层模型求解的复杂性,设计了一个基于步长加速法和惩罚函数法的启发式算法,实例计算表明该模型与算法是有效的。     

基于双层规划的危险品道路运输网络设计

分析了危险品道路运输网络设计问题的双层特性,建立了以政府期望的风险最小化为上层目标、运输者期望的成本最小化为下层目标的危险品运输网络双层规划模型。采用遗传算法,以Pydev为平台,运用Python编程以及TransCAD生成网络,实现了运算和结果可视化。实例验证结果表明,遗传算法能给出稳定的最优解,而且所得风险符合预期并接近于最低网络风险。     

基于三维高斯混合码本模型的运动目标检测算法

为解决智能视觉监控中码本模型参数调节困难和高斯混合模型概率分布计算的复杂性,提出了一种基于三维高斯混合码本模型的运动目标检测算法.该算法基于RGB空间建立码本模型,然后基于码字中的R、G、B分量建立三维高斯模型,从而使整个码本具有三维高斯混合模型的特征.实验结果表明:该算法具有较高的实时性(该算法的平均帧率约23.0帧/s,而iGMM(improved Gaussian mixture model)算法约9.0帧/s,BM(Bayesmodel)算法约6.2帧/s,CBM(codebook model)算法约10.7帧/s),且具有良好的检测质量.     

Logit�����������ģ�͵ĸĽ�Dial�㷨

研究Logit随机网络配流模型及实现模型求解的Dial算法,针对原模型及算法的缺陷,通过引入路段长度相关的容错系数指标重新定义有效路径的判定条件,在此基础上提出一种改进的Dial算法,并应用于Logit随机网络配流模型中.改进算法在不降低原算法精度下不仅保留了原算法的无需路径枚举、计算效率高等优越性,而且满足实际出行者偏好在较短路段上“迂回”选择潜在有效路段的特点.最后通过一个路网实例对2种算法的配流结果进行了对比.结果表明,改进的算法避免了原算法缺陷导致的结果异常,配流效果更加符合实际,其计算效果明显优于原算法.     

广义Gauss模型及其模拟退火算法

研究了求解优化问题全局解的随机神经网络方法，将Gauss模型拓展为广义Gauss模型，使之能求解一般优化问题的全局解。进而引入全局性较好的模拟退火算法的思想，提出了广义Gauss模型的模拟退火算法。通过算例比较了几种计算智能算法的全局性。广义Gauss模型的模拟退火运行全局性最好，但它付出了时间的代价；广义Gauss模型兼顾了计算效率和全局性；广义Hopfield网络的全局性最不理想。     

应急车辆动态路径选择的两阶段优化模型

为研究突发事件情境下交通路网动态变化时的应急车辆路径选择问题，提出应急车辆动态路径选择的两阶段调度优化模型。通过结合路网动态状况和应急救援特征，建立基于最大路径可靠度和最短行程时间的两阶段优化模型；通过混沌搜索改进布谷鸟算法初始种群，并加入蛙跳算法改进局部搜索操作，设计混合布谷鸟算法，改善全局寻优能力；以某市某区部分区域路网为例，将该区域路网实时交通数据应用于模型和求解算法中。实验表明，利用两阶段优化模型和算法编码方案能成功获得出发点到救援点的动态可靠路径，相同行驶路径情况下模型与算法求解的最短行程时间与实地驾车获得的最短行程时间最大误差不超过8%，说明优化模型可行。3 种不同算法求解K最短路径的结果发现，混合布谷鸟算法得到的最短行程时间比粒子群算法和 经典布谷鸟算法得到的结果都要小，且计算时间最短，表明混合布谷鸟算法求解的结果最优，性能最好。     

受约束的过道布置问题建模及优化方法

为了研究过道布置问题中设施关系对布局的影响,首先,考虑定位约束与排序约束,构建过道布置问题混合整数规划模型,并提出一种求解该问题的自适应混合克隆选择算法,在克隆操作之前新增符合受约束过道布置问题特性的2-opt操作,随后对所产生种群中最优个体进行禁忌搜索操作,对其他个体进行变异操作并设置自适应变异概率;然后,对模型进行精确求解以验证模型的正确性且求解结果为算法提供了理论依据;最后,应用所提算法分别对受约束过道布置问题与基本过道布置问题的42 ~ 49规模实例进行测试,并将求解结果与克隆选择算法、遗传算法、分散搜索算法、花授粉算法以及烟花算法进行对比,结果表明:混合克隆选择算法可以达到当前先进算法的求解效果且在算例sko-42-04与算例sko49-03上表现更优.      

城市交通连续平衡网络设计问题的GASA混合算法

通过建立城市交通连续平衡网络设计问题的双层规划模型,提出的一种基于遗传算法和模拟退火算法的GASA混合算法,经实例验证其与单一算法相比,具有较高的精确度,且最优解的性能指标有很大改善,在解决大型网络设计问题方面具有明显优势。     

基于蚁群算法的动态路径选择问题

论述蚁群算法在动态路径选择问题上应用。在蚂蚁寻径原理基础上,建立经济圈公路网蚁群算法模型,并对算法的参数进行标定。针对算法的缺陷,对信息素更新策略进行了优化改进,使其能更快的收敛到全局最优解。该模型算法对经济圈道路交通智能化动态诱导系统的建立大有帮助。     

����֧���������ع�ĺ�������Ԥ���о�

针对航班延误难以预测的问题,采用支持向量机回归方法建立航班到港延误预测模型。首先,采用相空间重构理论计算到港延误的延迟时间、嵌入维数和最大Lyapunov指数,发现到港延误时间序列存在混沌特性;将航班到港延误时间序列进行相空间重构,并结合执飞该航班的航空器在上游机场的离港延误构建模型的输入向量;其次,将粒子群算法、差分进化算法和遗传算法进行比较,用于选择最优的模型参数,实验表明,差分进化算法能够以较高概率获得最优的预测模型;最后,比较该模型、单一因素预测模型和相关向量机预测模型的航班延误预测性能。结果表明,该模型的预测性能明显优于另外两种模型,能够有效预测航班延误。     

自组网中基于能量约束的QoS多播路由优化算法

在分析基于能量优化多播路由算法的基础上,提出了一种QoS多播路由的网络模型,并在网络模型的基础上,结合能量模型、极值元素组合和改进的遗传算法提出了一种基于能量的QoS多播路由优化算法EQMROA.仿真结果表明此算法是可行和有效的.它为移动Ad Hoc 网络QoS多播路由技术提供了一种新的有效途径.