基于MFCM的改进聚类算法及其在交通中的应用

在交通流状态模糊化的过程中,对已有的交通模糊控制研究引入了太多的主观因素.为了解决这个问题,提出了一种基于MFCM算法的分级递减聚类算法,利用MFCM算法寻找类中心,再自适应确定该类中心的隶属度阈值,将聚类进行分级处理,实现未知类别数数据集的聚类.将改进算法应用到交通流状态聚类中,可以更科学地确定交通流状态的聚类数和各类模糊隶属度函数的结构等,最后,通过算例,说明了该算法对于未知聚类数及服从高斯分布的数据集具有聚类效果好、收敛速度快的特点.     

An Optimal Parallel Algorithm for the Knapsack Problem Based on EREW

IntroductionGivenn positiveintegersW =(w1,w2 ,… ,wn)andapositiveintegerM ,theknapsack problem (alsocalledthesubsetsum problembysomeauthors)isthedecisionproblemoffindingasetI {1 ,2 ,… ,n},suchthat∑i∈I=M ,i∈I .ThisproblemwasprovedtobeNP complete[1] ;i     

Novel Local Search Method for the Traveling Salesman Problem

A new local search method for the traveling salesman problem based on an original greedy representation of solution space and neighborhood structure is proposed. First, a partial closed route that only consists of three cities is given; then other cities are added to this route by a greedy procedure successively. Implemented on a personal computer, this algorithm finds optimal solutions for 24 out of 27 standard benchmarks, and outperforms the Full Subpath Ejection Algorithm (F-SEC) proposed by Rego in 1998.     

������Ч·���Ľ�ͨ�����ķ����㷨

交通流分配是交通规划的核心工作之一，而路网中有效路径的搜索又是进行交通流分配的基础。通过将交通路网中节点位置的确定性与交通出行中路径选取的有向性相结合，本文提出了一种有效路径的分层定向搜索算法，并结合博弈理论建立了新的交通流分配模型。新的算法合理的汲取了启发式配流的比例加载思想，并借鉴相继平均法思路解决了多起讫点对的配流问题。新算法具有模拟实际交通路径选择行为，并给出唯一路径流量的特征。文中用一个算例说明了该方法的有效性。     

基于遗传算法的供应链联盟伙伴选择

在建立供应链联盟伙伴选择多目标决策模型的基础上，提出了一种求解供应链联盟伙伴选择优化问题的自适应遗传算法，并给出了算例．该算法设计了自适应交叉概率和变异概率，使每个个体在遗传过程中对环境变化具有自适应调节能力．算例结果表明，用该方法能以较快的速度收敛于全局最优解．     

集装箱码头集成调度研究综述

按照不同的研究区域, 总结了集成调度在码头前沿、码头堆场以及码头前沿和堆场间等方面的国内外文献, 并提出了未来的研究方向。研究结果表明: 多数文献研究的是传统集装箱码头的集成调度问题, 并取得了较多成果, 也有少数文献研究了自动化码头的集成调度问题, 随着科技的发展和自动化码头的增多, 在今后的研究中, 应结合自动化码头的特点, 研究自动化码头内的设备集成调度问题; 多数文献都是在静态或确定情况下研究集装箱码头的集成调度问题, 只有极少数文献考虑了码头生产调度过程的动态或不确定性, 因此, 随着研究的逐步深入, 动态或不确定因素下的集成调度问题将成为未来的研究重点; 多数文献均建立了以时间、成本最小或二者相结合的目标函数, 虽然也有助于提高码头的生产效率, 但是依旧存在一定的局限性, 随着能源问题的日益严重, 在未来的研究中, 应建立均衡能耗和其他优化目标的多目标模型; 多数文献中设计了启发式算法, 并获得了较好的优化解, 为了使求解方法更加多元化, 应将算法计算与仿真验算相结合; 随着多式联运的兴起, 应在考虑铁路作业区对整个集装箱码头影响的基础上研究铁路作业区与码头间的集成调度问题。      

变速恒频双馈风力发电系统励磁控制策略仿真研究

能源问题正受到全世界的广泛关注,风能的有效开发利用变得愈加重要,因此先进的风力发电技术的研究成为热点。变速恒频（VSCF）双馈风力发电系统是目前风力发电系统的主流,在该系统中,励磁控制技术的研究是关键。对VSCF双馈风力发电机组的基本功率控制策略进行了研究。在额定风速以下运行时,转子励磁控制系统通过双馈发电机转速的控制,跟踪最佳风能利用系数曲线以获得最大功率,给出了最佳风能捕获控制系统励磁控制算法。在高于额定风速运行时,通过变桨距和励磁控制技术相结合实现恒功率控制,建立了简洁、直观的变桨距控制与励磁控制的控制算法,并对控制算法进行了仿真。     

基于状态机的燃料电池混合动力系统控制策略

针对由2套大功率氢燃料电池、超级电容和动力电池所构成的有轨电车用混合动力系统,提出能够满足运行工况需求的状态机控制能量管理策略. 首先,以状态机为基础构架,将有轨电车的运行划分为牵引、惰行、制动和故障4种状态;接着研究了4种运行状态下的能量管理策略,牵引状态采用基于自适应放电系数的均压算法,惰行状态采用改进的最大效率点跟随算法;然后基于4种状态,进行了整车实际运行;最后对比分析了功率跟随策略、状态机控制策略的能耗和电池堆效率. 研究结果表明:基于自适应放电系数的均压算法能够保证2套超级电容在牵引状态中均匀放电,避免了单套超级电容过度使用的情况;改进的最大效率点跟随算法使得燃料电池的平均效率提高了3.91%;此外,状态机控制策略与功率跟随策略的电堆效率分别为61.89%、57.98%,前者比后者节约了3.2%的氢气.      

实时监测无线传感器网络改进方法

结合危险品运输监测应用,搭建了基于无线传感器网络的实时监测系统,并对其MAC层协议和物理层无线数据发送时序进行了改进和优化。改进了MAC层中的原始BEB算法,引入了支持优先级的GDCF算法。对MAC层中的RTS/CTS方式进行了有效性分析,并出于节能考虑,引入了睡眠技术。在物理层数据无线发送过程中,为缩短发送时间,减少碰撞可能性,对其时序进行了优化。在工程车辆上安装基于IRIS无线传感器的节点平台进行实际测试。测试结果表明:改进后的退避算法节点丢包率随网络节点数目增加变化不明显;去除RTS/CTS机制后,在采样间隔时间为50ms时,网络丢包率由20%左右下降到了6%以内;一个工作周期内节省能量达到95%;无线数据发送时序优化达到了设计要求,满足了实际应用中对实时监测无线传感网络的性能要求。     

交通信号控制参数的仿真优化方法研究

为优化区域交通网络中各信号控制器的配时方案,利用递推最小二乘算法(RLS)和同时扰动随机近似(SPSA)算法,由检测器流量估计DynaCHINA动态网络交通仿真与分析系统的动态OD矩阵,输入并标定各路段的速度-密度模型参数和饱和流量,获得网络状态的准确估计,包括各路段的速度、密度、流量、队列长度等;在此基础上,利用SPSA算法优化各信号控制器配时参数,包括各信号控制器的周期、相位差和绿信比,使得网络中车辆的平均旅行延误、队列长度、或交叉口通过量等指标最优. 针对实际路网的测试表明,本文的参数标定方法可以获得准确的检测器流量估计,结果明显优于Ashok K的动态OD矩阵与检测器流量估计方法;与现有的基于Synchro信号配时优化软件获得的结果相比较,该方法可较大幅度缩短车辆在路网中的平均旅行延误,并可推广应用于更复杂的区域路网的信号控制参数优化等场合.     

考虑行程时间波动的电动公交可变行车计划

为解决因运行时间不确定性导致的公交到发时间不准点问题,本文基于公交线路双方向发车趟次和运营时间的不对称特征,提出一种可变行车计划优化问题。以最小化车辆使用数和乘客等待时间为目标,考虑车次链的行程接续和电动公交车辆电量等约束,构建公交时刻表和车辆排班一体化优化模型。根据可变行车计划优化问题特性设计改进的粒子群算法(Modified Particle Swarm Optimization for Timetabling and Scheduling, MPSO-TS)进行求解,定制粒子编码和子代更新方式。采用“基于优势车次链”的子代更新机制,以“车次链”为纽带最大程度地保留父代被继承信息中时刻表与车辆调度方案之间的关联性。使用连云港市某公交线路验证模型和算法,案例结果表明：可变行车计划能够有效保证车辆到发准点性,通过更紧密的排班计划将使用车数由35辆减少至31辆,车辆使用效率提升了28.1%;所提出的MPSO-TS算法求解效率较高,具有较好的稳定性,可有效避免计算结果陷入“局部最优”。     

An Iterative Algorithm for Computed Tomography Image Reconstruction from Limited-Angle Projections

In application of tomography imaging, limited-angle problem is a quite practical and important issue.In this paper, an iterative reprojection-reconstruction(IRR) algorithm using a modified Papoulis-Gerchberg(PG)iterative scheme is developed for reconstruction from limited-angle projections which contain noise. The proposed algorithm has two iterative update processes, one is the extrapolation of unknown data, and the other is the modification of the known noisy observation data. And the algorithm introduces scaling factors to control the two processes, respectively. The convergence of the algorithm is guaranteed, and the method of choosing the scaling factors is given with energy constraints. The simulation result demonstrates our conclusions and indicates that the algorithm proposed in this paper can obviously improve the reconstruction quality.     

一种无线多跳网络业务性能跨层优化方法

为满足无线Mesh网络和Ad Hoc网络业务不同性能的要求,提出了一种跨层优化算法,给出了保证业务平均误包率的自适应调制编码的实现方法,并结合信道、冲突、缓冲区和业务要求等分析了业务性能.在此基础上,提出了调节误包率、优化业务吞吐率,并通过加权以满足业务不同吞吐率和延迟要求的优化算法,优化综合了物理层、MAC层、链路层和业务要求的影响.为验证算法的正确性,进行了仿真分析.结果表明,在给定的参数下,与未优化相比,丢包率约减小35.3%,延迟约降低65.6%.     

基于动态规划算法的增程式电动汽车能量管理策略优化

提出了一种动态规划改进算法, 根据约束条件确定未来可达状态序列, 通过计算离散状态点间的转移代价, 在保证求解精度的同时, 降低了离线优化计算量; 利用改进动态规划算法设计了增程式电动汽车能量管理策略, 根据能量管理优化问题特点, 建立了动力系统模型和适用于全局优化求解的系统状态方程, 并确定了以动力电池荷电状态为系统状态量和增程器发电功率为系统控制量; 在迭代计算过程中, 将发动机燃油费用和动力电池电能费用之和作为目标函数, 构建了基于北京主干道不同行驶里程仿真工况, 得到了驱动电机需求功率最优分配结果; 提取了增程器启停状态与动力电池荷电状态和驱动电机需求功率二者之间的控制规则, 利用最小二乘法对增程器功率分流比与驱动电机需求功率的分布规律进行拟合, 建立了基于优化规则的能量管理策略。仿真结果表明: 对于行驶里程为100km的仿真工况, 动态规划改进算法计算时间为7 239s, 与经典动态规划算法相比计算效率提高了78.2%;基于优化规则的能量管理策略能够获得类似动态规划改进算法的控制效果, 2种控制策略的动力电池荷电状态误差小于2.5%;相比实车电能消耗-电能维持型控制策略, 基于优化规则的控制策略能够使整车经济性提高5.4%, 使燃油经济性提高7.9%。      

Solving the euclidean steiner minimum tree using cellular stochastic diffusion search algorithm

The Euclidean Steiner minimum tree problem is a classical NP-hard combinatorial optimization problem. Because of the intrinsic characteristic of the hard computability, this problem cannot be solved accurately by efficient algorithms up to now. Due to the extensive applications in real world, it is quite important to find some heuristics for it. The stochastic diffusion search algorithm is a newly population-based algorithm whose operating mechanism is quite different from ordinary intelligent algorithms, so this algorithm has its own advantage in solving some optimization problems. This paper has carefully studied the stochastic diffusion search algorithm and designed a cellular automata stochastic diffusion search algorithm for the Euclidean Steiner minimum tree problem which has low time complexity. Practical results show that the proposed algorithm can find approving results in short time even for the large scale size, while exact algorithms need to cost several hours.     

基于能效的D2D通信系统中资源复用策略研究

针对D2D通信(device-to-device communication)与传统蜂窝通信共存下的能效资源复用问题,联合考虑蜂窝用户和D2D用户对的QoS约束,结合电路消耗功率,提出一种基于能效的D2D用户对与蜂窝用户最优匹配的资源复用和功率分配策略,分析了D2D用户对复用蜂窝用户资源的最优功率的存在性,并用分式规划理论求解了该最优功率的闭合表达式.仿真结果表明,相比已有算法,所提的能效资源复用策略的D2D用户的总能效最优,并且该总能效在低QoS要求下相比最大化和速率算法提高36.25%,高QoS要求下略高于基于节能的功率分配算法,同时还具有1.7~3 Mbit/s的和速率.      

灰色最小二乘马尔可夫链预测算法

科学的预测对于经济现象的研究和经济决策的制定都具有十分重要的意义,因此,关于经济预测理论和方法的研究一直是一个热点。将灰色模型预测方法GM（1,1）、最小二乘法与马尔可夫链预测相结合,提出灰色最小二乘马尔可夫链改进预测方法,并且针对我国能源消费总量的发展趋势进行了预测,得出比灰色预测更加准确的结论。从而证明,灰色最小二乘马尔可夫链改进方法是个好算法,更有利于决策者的经济决策行为。     

Improved Parallel Three-List Algorithm for the Knapsack Problem without Memory Conflicts

Based on the two-list algorithm and the parallel three-list algorithm, an improved parallel three-list algorithm for knapsack problem is proposed, in which the method of divide and conquer, and parallel merging without memory conflicts are adopted. To find a solution for the n-element knapsack problem, the proposed algorithm needs O（2^3n/8） time when O（2^3n/8） shared memory units and O（2^n/4） processors are available. The comparisons between the proposed algorithm and 10 existing algorithms show that the improved parallel three-fist algorithm is the first exclusive-read exclusive-write （EREW） parallel algorithm that can solve the knapsack instances in less than O（2^n/2） time when the available hardware resource is smaller than O（2^n/2） , and hence is an improved result over the past researches.     

Object tracking and tracing: Hidden semi-Markov model based probabilistic location determination

The enhancement of radio frequency identification (RFID) technology to track and trace objects has attracted a lot of attention from the healthcare and the supply chain industry. However, RFID systems do not always function reliably under complex and variable deployment environment. In many cases, RFID systems provide only probabilistic observations of object states. Thus, an approach to predict, record and track real world object states based upon probabilistic RFID observations is required. Hidden Markov model (HMM) has been used in the field of probabilistic location determination. But the inherent duration probability density of a state in HMM is exponential, which may be inappropriate for modeling of object location transitions. Hence, in this paper, we put forward a hidden semi-Markov model (HSMM) based approach for probabilistic location determination. We evaluated its performance comparing with that of the HMM-based approach. The results show that the HSMM-based approach provides a more accurate determination of real world object states based on observation data.     

不确定价格下制造商的多阶段最优订购策略

为研究国际供应链中制造商的多阶段最优订购策略,建立了制造商的随机净现金流模型.模型中假设该供应链由不同国家的单制造商和单供应商组成,制造商与供应商之间通过数量柔性契约确定供给关系,汇率波动服从几何布朗运动,制造商对其客户可缺货.用二项式网格方法求解该模型,即可求得各阶段的最优订购策略.求解的效率与订购的阶段数以及各阶段可行解集合的大小正相关.用算例验证了该模型及求解方法的合理性.