基于个体位置变异的粒子群算法

针对粒子群算法随着迭代次数的增多,其种群多样性降低,粒子群算法容易陷入局部最优的不足,提出了一种基于个体位置变异的粒子群算法。该算法在保证最终收敛的前提下极大扩展了粒子的空间搜索范围,从而降低了粒子群算法发生早熟的可能,并且程序量较小。仿真实验中,将算法应用于6个典型测试函数中,并与其它改进粒子群算法进行比较,结果表明,该算法具有较强的全局寻优能力和较好的收敛速度,明显提高了粒子群算法的优化性能。     

适用于轨道交通供电故障定位的改进二进制粒子群算法

提出了一种结合了交叉操作和保留最优解操作的改进二进制粒子群算法,并将其用于轨道交通电网故障定位中.改进后的算法较好地改善了传统粒子群算法易于局部收敛的缺点,并且加快了算法的收敛速度,在城市轨道交通供电系统发生故障时能迅速准确地判断出故障区段.还对轨道交通单端供电系统和多端供电系统故障分别进行了仿真计算,验证了该算法在轨道交通电网故障定位中的可行性,并且验证了算法具有计算速度快、收敛性好和容错性高的特点.     

基于IPSO-Capsule-NN模型的中欧班列出口需求量预测

为提高中欧班列出口需求量的预测精度,提出将改进粒子群算法(IPSO)与胶囊神经网络(Capsule-NN)相结合的预测模型(IPSO-Capsule-NN)。与全连接神经网络不同,胶囊神经网络通过动态路由算法增强了模型的拟合能力和泛化能力。利用改进粒子群算法优化胶囊神经网络的神经元数量、迭代次数以及学习率,以克服人为设定模型参数随机性较大导致模型精确度不高的不足之处。此外,针对标准粒子群算法存在的缺点,提出一种非线性递减惯性权重并引入Levy飞行对粒子群算法的全局寻优能力和收敛速度进行优化。将采用spearman秩相关性分析得到的11个因素作为中欧班列出口需求量的影响因素并对其进行预测,结果表明:胶囊神经网络具有2层隐含层时,IPSO-Capsule-NN模型预测精度更高。     

改进粒子群优化算法的BP神经网络在机车滚动轴承故障诊断中的应用

本文提出了一个基于改进粒子群优化算法的BP神经网络优化模型来进行轴承故障诊断,此模型融合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了诊断结果的精确性.仿真结果表明机车滚动轴承故障得到了有效诊断.相比于常规的BP神经网络模型,此方法不仅改进网络的收敛速度并且提高了预测准确性.     

基于粒子群算法的轨道车辆设备布局优化

轨道车辆车上设备布局是轨道车辆设计中一个重要的环节，开展轨道车辆设备布局优化设计对保证轨道车辆的安全运行具有重要作用。考虑轨道车辆设备外轮廓约束、设备干涉约束等，建立了以设备总重心相对于轨道车辆自身中心的距离最小化的轨道车辆布局优化数学模型。根据轨道车辆设备布局优化的特点设计了基于粒子群算法的轨道车辆设备布局数学模型。采用线性递减权值策略，通过改进惩罚因子，有效地引导粒子群算法向全局最优解方向收敛。以轨道工程车辆的设备布局问题为实例，采用本文算法进行了车上设备布局优化设计的实例分析，表明本文方法可有效解决轨道车辆设备布局优化问题。     

基于四维可视化算法的牵引变电所位置优化

针对牵引供电系统设计的复杂性以及传统优化设计方法过程繁琐且很难找到可靠的最优解,粒子群和遗传算法等的迭代过程复杂并且容易陷入局部最优解的问题,将一种四维可视化算法运用到牵引供电系统的优化设计中。四维可视化算法不需要设定初始解、能够同时展现全局最优解的分布、能判断解的稳定性、方便添加约束条件。四维可视化优化算法通过编程使目标函数的最优解集在四维数据场可视化。以接触网对地电压为约束条件,以牵引网有功功率损失最小为目标函数,运用四维可视化算法进行牵引变电所和分区所位置的优化设计。通过实例计算验证了四维可视化算法可有效降低牵引网的功率损失。研究表明该方法能很好地克服传统方法和粒子群等优化算法在牵引供电系统优化设计中的不足。     

基于IPSO的霍尔特指数平滑系数的铁路客运量预测研究

为了提高霍尔特指数平滑法对铁路客运量预测的精度,基于改进粒子群算法(IPSO)对铁路客运量预测领域中霍尔特指数平滑系数的取值进行优化研究。以我国各省铁路客运量为研究对象进行仿真实验,以验证改进粒子群算法的寻优效果,并求解霍尔特指数以预测各省铁路客运量的平滑系数最优取值。研究表明,相较于经典的线性递减权重优化法和固定权重法,非线性递减权重优化的粒子群算法能更加准确地求出最优平滑系数,具有更好的寻优能力和收敛速度。以上海市为例,其收敛速度分别提高4代和14代,求解精度分别提高了0.000 18、0.000 006。     

郑漯高速公路扩建工程路基拓宽施工技术

对路基拓宽工程的常见病害及其成因机理,提出了变形协调与控制的处治技术思想,并依据路基拓宽不协调变形的不同组成部分,明确了相应的变形控制途径.并时新老路基结合面处治、拓宽路基填料及压实度控制、路基加筋及路基路面综合处治等技术的处治机理、效果和设计施工要点进行了分析.     

计及牵引负荷相关性的随机潮流计算

结合随机潮流计算量化系统状态变量的概率信息,构建牵引变电所概率负荷模型,描述牵引负荷的随机性和波动性,对实现系统优化运行具有重要意义。通过蒙特卡洛算法模拟相应数据并结合非线性递减惯性权重与混沌优化的粒子群算法辨识模型参数;针对随机潮流计算输入变量的相关性控制问题,提出一种基于模拟退火算法与拉丁超立方采样的方法。仿真实验结果表明:改进的粒子群算法较普通粒子群算法拟合精度更高;改进的相关性控制方法可以不受随机变量概率密度表达式的约束,实现多个随机变量的相关性控制;计及牵引负荷样本之间的相关性对节点电压越限概率、支路功率的影响较仅考虑普通负荷相关性时更为明显,可指导系统进行概率潮流优化。     

基于客流影响的城轨交通列车运行调整研究

列车运行调整是城轨交通调度指挥行车的重要内容,但存在约束条件多、搜索空间大、可行解范围小等问题,往往难以获得满意解。为解决该问题,结合城轨交通列车运行特点,本文建立基于客流量影响的列车运行调整优化模型,采用改进粒子群算法进行求解。通过与遗传算法、粒子群算法对比,验证本文模型及算法的有效性。     

铁路高附加值货流改编链优化研究

由于高附加值货流分布和班列产品结构并不完全匹配,在铁路网上仍然还有相当一部分高附加值货物无法挂运班列送达,因此,减少这部分货流的在途中转次数将提高其在运输市场中的竞争力。在分析铁路货物运输流程的基础上,提出以高附加值货流改编次数最少为目标的改编链优化模型,把车流在改编站上产生的改编费用通过列车服务网转换为列车弧的权值,这样,把模型的求解问题转化为列车服务网上的广义最短路径求解问题。采用C++计算机语言对模型进行求解,以江村至丰台西方向的车流为例进行验证,验证了模型的有效性。     

兰新铁路现有土堤式挡风墙局部加高优化

随着兰新线上通过列车速度的提高,现有土堤式防风墙的防护效果亟需改善,考虑在原有挡风墙顶部进行局部加高改造。基于三维定常、不可压N-S方程与κ-ε双方程湍流模型,采用棚车为代表车型,在横风风速为50 m/s时,分别对不同加高高度的对称和非对称土堤式挡风墙条件下运行速度为120 km/h的货物列车所受气动力进行了数值模拟,以车辆倾覆力矩为考核指标分析挡风墙加高高度对棚车气动性能的影响。研究结果表明,在现有土堤式挡风墙顶部局部加高能有效地提高其对列车的防风作用;其对称土堤式挡风墙合理加高高度为0.28 m,迎风侧高度1 m和2 m的非对称土堤式挡风墙合理加高高度分别为0.62和0.49 m。结果为工程实际应用提供了理论依据。     

建筑企业结构优化的演化博弈

提出层级建筑企业网络的概念并假定建筑企业是有限理性的,对建筑企业的博弈和进化过程进行分析.建立了层级建筑企业网络演化博弈模型,运用演化博弈理论导出我国建筑产业结构优化方向的建筑企业网络演化稳定策略,从而为建筑政策的制定、建筑企业管理策略效果评价等提供决策支持.     

满意优化在建立网络设计期模型中的应用

将多目标满意优化模型用于解决网络设计期优化问题.对同时优化链路容量与路由选择问题的CFA模型提出相应的满意优化模型.并分别为建造总费用与全网利用率这两个指标选择适合它们的满意度函数,最后得出设计优化问题的综合满意度函数.该方法在实际运用中显得更加灵活,也更有效率.     

基于约束规划的编组站阶段作业计划优化研究

为了解决编组站阶段作业计划优化模型规模过于庞大、适用性不强、求解方法复杂、算法收敛慢等缺点,通过剖析编组站阶段作业计划优化编制问题的本质,在此基础上建立了一个以车流累积为模型对象、出发车车流来源及解编顺序为决策变量,出发车最多为总目标的约束规划(CP,Constraint Programming)模型.将模型求解分为:利用约束传播得到初始解和利用搜索技术结合约束转播改进初始解两部分,并用约束规划算法引擎(CP Optimizer)实现模型的求解.实验表明,本模型均能在普通PC机上运行20 s左右就能得到最优的方案,符合现场对算法时间及空间复杂度要求.     

劣化桥梁概率维护模型和维护方案成本优化研究

建立了劣化桥梁服役期耐久性概率评估模型,根据预定义的概率维护模型,推导了桥梁结构在预防性维护策略和基于性能控制维护策略作用的可靠指标和状态指标的时变规律,结合现有的维护技术,分别计算了在单一维护技术和组合维护技术下劣化桥梁的时变可靠指标与状态指标和年度维护成本和累计维护成本。研究发现,维护成本花费越高,桥梁性能指标越高;桥梁的初始性能越好,则后期维护成本越低。将预防性的定期维护和基于性能的维护方法组合的维护技术比单一的维护技术更合理,能维持结构性能的前提下有效的控制维护成本。     

基于遗传退火混合算法的网格铁路信息服务组合优化研究

在研究网格铁路信息服务相关理论的基础上,应用加权求和法构建了基于QoS的网格铁路信息服务组合优化模型,并利用遗传退火混合算法对模型进行求解,最后以购票服务为例,运用Matlab进行仿真计算,验证了基于QoS的网格铁路信息服务组合优化模型的合理性与遗传退火混合算法的正确性.     

基于负载量均衡的AGV快递分拣系统布局优化

随着我国AGV快递分拣系统中物流量不断增加,优化AGV快递分拣系统布局,成为提高其分拣系统效率的关键.首先,在分析造成基于AGV分拣系统拥堵的关键影响因素基础上,研究基于AGV快递分拣系统中取货口和投递口布局优化问题,构建相应的整数规划优化模型,该优化模型以整个分拣系统负载量均衡为优化目标.其次,针对该优化模型特征设计...     

货运车站物流效率多指标优化方法研究

随着铁路物流需求的增长，客户对铁路物流效率的要求越来越高，而作为铁路物流系统的核心节点，货运车站（简称：车站）承担着巨大的物流压力。为了更加准确有效地优化车站物流效率，文章基于对车站物流过程的分析，提出了货运车站物流效率多指标优化模型和相关优化指标。将该模型应用于实际车站，获得了该车站物流效率优化指标，据此提出了优化建议。应用结果表明，该优化方法可降低车站物流优化的盲目性，为车站物流效率优化提供参考。     

不确定环境下协同运输优化模型及其求解算法

在分析各种运输方式经济技术特性(速度、费用、运输能力等)的基础上,综合考虑多式联运实际运作过程中,运输时间和换装时间不确定性、换装条件和顾客对对货物到达时间窗的限制等因素,构建了一个时效性多式联运协同优化模型,针对模型的特点设计了相应的遗传算法.最后,给出了一个仿真算例,并分析了时间窗参数变化对最优解的影响,同时将该算法与其他求解方法进行了对比分析,仿真结果表明:遗传算法是解决不确定环境下多式联运协同优化模型行之有效的求解算法.