基于IPSO-BP神经网络的连续刚构桥有限元模型修正

针对大跨度连续刚构桥有限元模型修正问题，提出一种基于改进粒子群算法优化BP神经网络的有限元模型修正方法。首先建立有限元模型修正的数学优化模型，其次通过改进标准粒子群算法对BP神经网络超参数进行优化，最后基于优化BP神经网络代理模型对有限元结构参数进行寻优求解。研究结果表明：基于优化BP神经网络的代理模型相较于未经优化的具有更高的拟合精度；修正后的有限元模型挠度理论计算值与实测值的平均相对误差仅为1.86%。     

基于正交试验响应面模型的激光切割机横梁结构优化设计

将激光切割机横梁组件作为研究对象,以提高横梁组件刚度、横梁组件稳定性为优化目标,且适量降低横梁组件总质量或者保持不变.利用二阶响应面模型分别拟合出正交试验数据中横梁组件各壁厚参数与3个相关性能指标的函数关系,并建立相应的优化模型.通过对优化设计模型进行求解,最终得到筛选后的最优解.通过最优解对各壁厚参数进行修改后仿真显示激光发射孔处静态变形量下降了8.12%、横梁组件一阶固有频率提高了7.73%,提高了横梁刚度、避开了横梁的共振区间,横梁组件总质量基本保持不变.     

面向鲁棒性的高速铁路网络列车运行调整计划优化模型

针对高速铁路路网中出现区间封锁事件,考虑事件持续时间的不确定性,以列车运行时间和安全间隔时间为约束条件,引入路径选择唯一性约束保证列车运行调整计划的鲁棒性,以所有列车晚点时间之和的期望值最小为目标函数,建立高速铁路列车运行调整计划优化整数规划模型.设计基于优先级规则的启发式算法,求解原模型的可行解.运用拉格朗日松弛算法和最短路径算法求解该模型的松弛模型,得到原模型最优解的下界.根据可行解与最优解下界之间的距离,可以定量地衡量可行解的质量.结果表明,相较于CPLEX数学求解软件,算法求解效率较高;模型与算法能够有效生成鲁棒的列车运行调整计划,为调度员提供必要辅助决策信息.     

遗传算法优化支持向量机的城市交通状态识别

城市交通状态识别是智能交通控制、诱导和协同系统的基础。为提高支持向量机(support vector machine,SVM)在城市交通状态识别研究方面的泛化能力,将遗传算法(genetic algorithm,GA)与支持向量机相结合,利用遗传算法全局搜索优势对支持向量机的关键参数——惩罚系数C和核函数参数σ进行优化,建立基于遗传算法优化支持向量机(GA-SVM)的城市交通状态识别模型,并在MATLAB平台下进行实例验证。研究结果表明:相较于SVM模型,GA-SVM模型克服了依靠经验确定参数方法的缺点,识别精度提高3.75%,即模型可更好地识别城市交通状态。     

基于双向长短期记忆网络的公交到站时间预测模型

为实现准确预测公交到站时间，提高城市公交出行分担率，本文提出一种基于双向长短期记忆神经网络(BiLSTM)并考虑超参数寻优的公交到站时间预测模型。通过引入非线性收敛因子、正弦余弦算子及自适应参数改进海鸥算法对双向LSTM模型实现超参数寻优，并增加Attention机制以提高双向LSTM处理信息能力，构建改进海鸥算法优化增加Attention机制的双向LSTM(ISOA-BiLSTM-Attention)预测模型。使用中国江西省南昌市220路公交GPS数据分方向和分时段预测车辆到站时间，验证模型预测精度。结果表明：整体上来说，Attention机制优化后的双向LSTM模型比单独采用双向LSTM模型预测精度更好；改进的海鸥算法可对双向LSTMAttention模型实现较好的优化效果，相较于现有模型及标准海鸥算法(SOA)优化双向LSTMAttention模型，ISOA-BiLSTM-Attention对于不同方向及不同时段公交到站时间预测的平均绝对百分比误差、均方根误差及平均绝对误差至少分别降低5.96%、9.87%及7.99%；同时，ISOABiLSTM-Attention具有最大的模型...     

地铁短时客流预测改进LSTM方法

短时客流预测可为轨道交通运营部门规划调度提供参考,其中短时客流预测的精准性尤为重要,为进一步提高城市轨道站点短时客流预测精准性,提出一种结合集合经验模式分解算法和贝叶斯优化算法的改进LSTM方法。先使用集合经验模式分解算法(EEMD)对地铁站点的客流数据进行分解,以减少数据噪声干扰;再通过贝叶斯优化算法(BOA)对长短时记忆神经网络(LSTM)的超参数进行优化,从而提高模型的参数精确性。采用真实的客流数据验证结果表明：相较于单一LSTM以及单层组合模型,双重叠加后的EEMD-BOA-LSTM组合模型预测结果平均绝对误差降低21.8%～44.8%,均方根误差降低16.9%～47.4%,对短时客流的预测结果误差改善显著。     

基于HAM的汽车乘员约束系统多参数优化

针对汽车乘员约束系统高度非线性且难于求解最优值的特点,提出全局敏感性分析结合混合元模型的优化方法,通过蒙特卡罗模拟在整个设计空间内采样,以元模型代替仿真模型来完成设计参数的敏感性分析,并将分析获得的信息用于混合元模型优化（hybrid and adaptive metamodeling method,HAM）,将二阶多项式响应面、Kriging模型、径向基函数三种元模型有机结合,自适应选择最佳的元模型进行寻优.搜索过程中元模型不断更新与重建,逐渐提高关键区域的精度,从而快速寻找到全局最优解.对某工程实例的优化结果表明该方法是有效的.     

柔性制造环境下AGV车辆规模仿真优化研究

针对柔性制造环境下AGV车辆规模问题,采用仿真优化的方法,以仿真软件Plant Simula-tion为平台建立系统仿真优化模型求解.该模型由估算、仿真、优化三大模块组成,首先估算模块根据系统相关参数计算车辆规模估算解,以确定初始仿真实验输入变量取值范围,然后进行仿真实验,对仿真结果进行方差分析,根据分析结果进行优化算法与仿真实验迭代,最终满足终止条件得到最优解.通过实例,验证了该方法的可行性和有效性.     

设置排阵式预信号的干线交通信号协调控制优化

为提升干线道路整体的车流运行效率,建立了一种优化设置排阵式预信号的干线交通信号协调控制系统配时方案的双层模型,并提出对应求解算法;双层模型的上层模型为主信号间相位差优化模型,采用遍历搜索算法优化主信号各交叉口间的相位差;下层模型是以通过车辆数、车均延误为优化目标的多目标优化模型,建立了多目标花朵授粉算法(FPA)对其求解;双层模型中的交通参数通过冲击波建模进行关联,通过上下层模型的迭代求得参数的最优解;以设置排阵式预信号后3个连续交叉口为研究对象,应用提出模型优化高、低2种交通需求下的干线道路交通信号协调配时方案,通过SUMO软件测试所选方案的有效性。研究结果表明：该双层模型能够优化设置排阵式预信号的干线交通信号协调配时方案,与传统干线信号协调控制方案相比,提出方法的配时方案在高、低交通需求下系统通过车辆数可分别增加16%～35%与8%～17%,延误分别降低7%～17%与2%～16%;相较于粒子群优化(PSO)算法与二代非支配排序遗传算法(NSGA-Ⅱ),FPA达到指定精度要求的迭代次数分别减少13和24次。通过仿真结果可知,所提出模型可进一步提升高需求状况下道路的运行效率。     

基于ZigBee技术的大棚种植监测系统设计

将短距离无线通信技术ZigBee引入到农业大棚的环境监测系统中,组建了ZigBee无线传感器网络.设计了该系统的硬件电路及软件.相比传统农业大棚,在降低成本、提高生产率方面有显著的优势.     

基于蚁群算法优化的EPS系统PID控制

汽车电动助力转向系统是一个非线性时变的复杂系统,在对它进行控制时,单独采用常规PID控制难以达到平稳准确的效果,在此加入蚁群算法(ACO)对其进行优化而得到稳定的最优参数解.根据车辆动力学关系,建立了两自由度整车模型、电动助力转向系统模型以及带有蚁群算法优化的PID控制器模型.通过Matlab,对该模型进行仿真分析.仿真结果表明,蚁群算法和PID控制的结合,使系统控制更精确、运行更加平稳.     

特大暴雨下城市地铁人员应急救援与疏散优化

为提高特大暴雨下地铁车站人员救援与疏散效率,提出地铁人员的应急救援与疏散优化建模与求解方法,旨在协同优化救援中心选址、应急路径设计与分配决策。针对特大暴雨的危害性和地铁被困人员的心理恐慌程度,改进感知风险度量模型。结合应急救援与疏散的阶段性,建立成本和感知风险最小的应急救援与疏散的选址-路径优化模型。设计基于分解多目标进化算法和分支切割算法的两阶段求解步骤。最后,通过郑州实例和测试算例,验证新模型和算法的有效性。计算结果表明：新模型和算法能在2.13 s内求得有效方案;相较于传统风险模型,新模型能够降低9.03%的运输成本;相较于常规的多目标优化算法,新算法能缩短至少60.00%的求解时间,并有较高的计算稳定性。     

考虑车底运用的城轨货运专列运行图与载货方案协同优化

城市轨道交通线路平峰时段客流需求相对较小、发车间隔较大，利用其富余的运输能力开展货运服务可以有效提高线路能力利用率与经济效益。本文在不调整客运列车运行图的前提下，同时采用客货共载与货运专列两种形式运输货物，研究考虑车底运用的双方向列车运行图与货物运输方案协同优化问题。以货运专列编组停站方案、时刻表、车底周转计划、货物运输方案和车站所需货物仓储容量为决策变量，考虑列车运行安全、车底周转、货物运输时效等约束，构建以提高货运净收益为目标的优化模型。通过线性化方法将原模型转化为混合整数线性规划模型，利用Gurobi软件进行求解。案例分析表明，相较于先优化列车运行计划和货物运输方案再优化车底周转计划的分步优化模型，本文方法可减少上线车底运营数3列，降低约23.6%的列车运营成本，使货运净收益提高10.3%。灵敏度分析表明，相较于客运列车，提高货运专列的货运空间和装卸载效率可以更有效地提高货运收益。     

基于两阶段算法的运行图与天窗协同优化

列车运行图铺画与天窗设置存在相互影响,相互制约的耦合关系,为了达到优化列车运行图结构,合理配置铁路运力资源的目的,在分析天窗与列车运行动态影响关系的基础上,以天窗设置对列车运行线铺画影响最小为目标,建立了列车运行图与天窗协同优化的混合整数规划模型. 考虑问题复杂性,设计了包含初步优化和综合优化的两阶段求解算法. 初步优化阶段采用基于专家经验的启发式算法得到列车运行图的大体框架,综合优化阶段利用禁忌搜索算法获取全局最优解. 最后以宝成线（阳平关—成都）为例进行有效性验算. 结果表明,相较于人机交互编制所得运行图,优化得出的运行图中所有客货列车在途经车站的总停留时间降低了6.19%,共减少1 355 min,其中旅客列车和货物列车在站停留时间分别降低了3.08%和7.40%,减少总时间分别为189 min和1 166 min.      

横风下高速列车动力学参数的多目标优化

为改善高速列车横风下运行的动力学性能, 提高运行平稳性和安全性, 以轮轴横向力和轮重减载率为优化目标, 对高速列车动力学模型的悬挂参数进行多目标优化设计; 建立高速列车多体动力学参数化模型, 依照大风限速标准, 加载列车在横风下以不同速度运行的气动力数据, 选取了止挡间隙、一系悬挂纵向和垂向刚度、二系悬挂纵向和垂向刚度、一系垂向减振器刚度、二系横向和垂向减振器刚度、抗蛇形减振器刚度及阻尼11个变量; 搭建高速列车动力学模型优化平台, 对高速列车多体动力学参数化模型的设计参数与轮轴横向力和轮重减载率的相关性进行分析, 得到列车各悬挂参数对轮轴横向力和轮重减载率的影响趋势; 基于相关性结果, 采用NCGA、AMGA和NSGA-Ⅱ遗传算法对高速列车的动力学参数进行优化设计。分析结果表明: 采用NSGA-Ⅱ算法的优化结果最为理想; 与轮轴横向力和轮重减载率相关性最大的参数为抗蛇形减振器刚度, 为反效应; 优化后列车的动力学性能得到明显的改善, 轮重减载率从原始的0.78整体优化到0.63以下, 且最小可以优化到0.49, 最高可降低37.2%;轮轴横向力从原始的16.8 kN整体优化到9.6 kN以下, 且最小可以优化到5.79 kN, 最高可降低65.5%;得到了优化目标的Pareto前沿最优解, 确定了列车各动力学参数设计变量的最优解集, 并对最优解集在其他列车速度和风速组合下的运行工况进行验证, 适用性较好。      

基于共同配送的农村快递车辆调度问题

为降低农村物流成本,助力"快递下乡"工程的实施,在考虑重量、体积、订单、路径等约束条件下,以总利润最大化为目标构建基于共同配送模式的农村快递车辆调度模型;并提出采用基于随机修复非可行解策略的遗传算法求解该模型,同时在算法中引入多种群机制以提高求解的效率和效果。最后,结合实际算例对模型进行验证;设计不同订单规模的仿真算例对算法性能进行分析。研究结果表明:共同配送策略能从全局优化的角度合理配置区域内物流资源,与独立配送模式相比可降低30%的配送成本。仿真实验表明:相较于标准遗传算法,改进遗传算法能快速地搜索到更优的满意解,可以有效求解共同配送模式下的农村快递车辆调度问题。     

基于RetinaNet的电动自行车骑乘人员安全头盔佩戴行为检测模型

为提高对电动自行车骑乘人员安全头盔佩戴行为检测的准确性和实时性,构建了一种基于RetinaNet的电动自行车骑乘人员安全头盔佩戴行为检测模型。首先,采用Keras框架对RetinaNet预训练模型进行微调,设计残差网络（ResNet-50）作为主干网络提取输入图像的特征;然后,利用特征图金字塔（Feature Pyramid Networks, FPN）和聚焦损失函数（Facal Loss）分别进行特征融合和解决正负样本失衡问题;接着,面向小目标对象对候选框选取进行优化,并选用Adam优化器进行参数学习;最后,以江苏省南通市为例,采用典型城市道路不同视角和光线状况下的电动自行车交通流视频图像数据,训练优化检测模型。结果表明,优化后的检测模型可对图像中远（小）、近（大）电动自行车骑乘人员的安全头盔佩戴行为进行同步检测;检测模型的AP值达93.29%,mAP值达88.40%,在不同角度和光线下检测效果稳定;相较于SSD, Fast R-CNN模型,优化后的检测模型对安全头盔佩戴行为检测的综合性能最优。     

有约束的随机最短路问题模型及算法

针对不确定网络,研究具有随机参数的最短路径问题,采用随机数表示路径权值的不确定性, 建立有约束的期望最短路模型. 基于随机模拟方法,设计了一种融合退火技术的遗传算法,引入退火机制处理有约束的优化问题.在进化过程中,动态调节对不可行解的惩罚力度,使不可行解逐步被淘汰出去, 最后收敛到问题的全局最优解. 给出的数值实例验证了该算法的有效性.     

基于智能优化方法的SVM电机故障诊断模型研究

为提高电机故障诊断的准确率和有效性,提出了基于智能优化算法的支持向量机电机故障诊断模型.首先采集交流电机不同位置上的振动加速度信号,使用小波包分析方法对所采集的振动加速度信号进行特征提取,将得到的能量比向量作为支持向量机故障诊断模型的输入,使用遗传算法、粒子群优化算法对支持向量机故障诊断模型进行参数优化并进行模型训练,在使用测试样本集对得到的两种故障诊断模型进行分析之后可以看出经过参数优化后的支持向量机模型提高了故障预测的准确率,并且粒子群优化方法具有比遗传算法更高的预测准确率,并极大地减小了优化时间及优化次数.     

��ȷ����������������ѡַ³���Ż�ģ�ͼ����㷨

研究了不确定环境下物流中心的选址优化问题,在随机优化模型的基础上,采用遗憾模型的形式构建了相关问题的鲁棒优化模型。分析了鲁棒优化模型与确定性优化模型、随机优化模型的关系,并在此基础上给出了求解鲁棒优化模型的两种方法——枚举法和遗传算法。以Visual Studio6.0为平台,以Visual C++为开发语言编写了两种算法的代码,代码中通过调用Lingo9.0来求解确定性优化模型和两阶段随机优化模型。利用上述两种算法对若干算例进行了测试,结果表明,本文给出的算法能够满足问题求解需要,与随机优化模型最优解相比,鲁棒优化模型的最优解对各情景下参数扰动的现象敏感程度更低,因此具有更低的风险。