基于归约的几何约束求解策略

针对几何约束系统归约分解中高阶顶点的求解问题,提出高阶低代的低维数值迭代求解算法.通过去除部分约束,使得高阶顶点分解为含有欠约束顶点的低阶求解序列,对求解序列中的欠约束顶点添加虚拟参数变量,以虚拟参数变量的部分迭代求解,替代系统的整体数值求解,提高求解效率和稳定性,算法具有很强的通用性,并在实际应用中得到验证.     

利用逻辑演绎求解SAT问题的启发式完全算法

为解决可满足性(satisfiability problem,SAT)问题求解过程中分支决策效率不高的问题,提出了一种基于逻辑演绎分组(logical deduction group,LDG)的启发式完全算法.该算法通过选择剩余未满足子句参与逻辑演绎,得到一组局部可满足赋值序列,并引导求解器优先搜索赋值序列所在解空间;对于可满足问题,可以通过迭代调用演绎过程,将局部可满足解成组地扩充为全局可满足解,对于不可满足问题,如果演绎结果出现空子句,则可以直接判定.采用SAT国际竞赛的实例,与具有代表性的指数级变元状态独立下降和(exponential variable state independent decaying sum,EVSIDS)变量决策算法进行了对比测试,结果表明:在求解总问题数方面,LDG比EVSIDS多出42个;在求解速度方面,LDG对可满足问题的求解时间相较EVSIDS平均减少了22.8%,对不可满足问题的求解时间平均减少了17.8%,总平均时间减少了20.1%.     

城市轨道交通列车实时调度模型及算法研究

为提高城市轨道交通的运营效率,使运量-运能之间能具有更好的匹配关系,研究列车的实时调度问题。在分析旅客需求特征和行车条件的基础上,以列车的运行时间、停站时间、发车时刻为决策变量,以旅客出行时间最小化为目标构建混合整数非线性规划模型,提出序列二次规划和迭代凸规划两种算法进行求解。最后,以广州地铁8号线为例进行分析,算例表明该模型在列车实时调度方面具有较好的实用性,基于迭代的凸规划算法可显著提高大规模问题的求解速度。     

基于Kriging模型的改进协同优化算法

为了提高协同优化算法的求解效率,利用Kriging模型,构造系统级近似优化模型,提出了基于Kriging模型的改进协同优化算法.该算法采用置信域与均匀设计相结合的方法,完成近似模型的更新;采用序列二次规划算法,完成优化问题的求解.以经典函数和减速器设计为例,验证了改进协同优化算法.结果表明:该算法能提高计算效率,在减速器设计中,迭代次数减少50%左右.     

一种多辐射源角度跟踪算法

为解决对多辐射源同时进行角度跟踪的问题,提出了一种将求根的正交传播算子方法(OPM)与零点跟踪相结合的新算法,实现了迭代的角度估计和自动关联.新算法引入了2个可变参数——遗忘因子和多项式方程阶数,通过调节这2个参数改变算法的性能,从而适应信噪比和目标角速度变化的信号环境.仿真结果表明,与传统方法相比,提出的算法具有更好的跟踪性能和灵活性,当信噪比高于0 dB时,其跟踪均方根误差小于0.15°.     

基于改进Wilson-θ法的流固耦合迭代算法

在传统的Wilson-θ法的基础上，对Wilson-θ法进行了改进并分析其稳定性，基于改进的Wilson-θ法给出了求解动力耦合方程的迭代算法，该算法能方便地用以求解坝库系统的动力耦合反应。计算实例表明，本文中的迭代算法是可行的，并且比已有的算法有更高的计算效率。     

缓和曲线正交拟合的Levenberg-Marquardt算法

为了由测量点识别既有线路中的缓和曲线参数，研究了基于参数方程的缓和曲线正交拟合迭代优化方法. 首先，通过特征值分析，阐明了由于病态性的存在，在迭代过程中，常规的Gauss-Newton （GN）算法会发散. 其次，提出了双目标优化模型，将GN算法与最速下降法结合，确定了正交拟合缓和曲线的Levenberg-Marquardt （LM）算法. 同时提出了在寻优过程中，评估当前迭代位置距离最优位置的远近来动态设置LM参数. 最后以一段缓和曲线的实测点为例，随机取样了5 000例初值，采用蒙特卡罗方法对比了GN算法和LM算法拟合缓合曲线的性能. 试验结果表明:GN算法拟合缓合曲线不收敛；对于不同的初始值，LM算法都收敛到相同的最优值，体现了LM算法具有良好的稳健性；LM算法的迭代次数最少为5次，最大为50次，平均为16.8次，迭代次数和初值与最优值位置的远近相关.      

点－域匹配的公交主干线网规划方法

为提高线网规划精度与效率,构建了基于点-域匹配的线网规划方法,从区位与客流匹配角度出发,确定了线路合理搜索范围的边界域方程及公交线路优化模型,并采用从左算法实现了合理搜索域内有效线路的穷举,通过多目标决策实现了优化模型的求解。计算结果表明:采用线网规划方法所得线网与实际规划结果基本一致,此外,由于设定了线路的关键性控制点及有效走行域,简化了线路搜索过程,提升了模型运算效率与精度,方法具有实用性。     

编组站静态配流的约束传播和启发式回溯算法

为了提高阶段计划的编制效率,针对编组站静态配流字典序多目标累积调度模型,设计了迭代、约束传播和启发式回溯的混合算法.该算法根据多目标的字典序将模型分为3层:第1层为配流成功的出发列车优先级总和最大化,第2层为出发列车车流来源总数最少化,第3层为车辆平均停留时间最短化.每层先通过约束传播算法化简模型、缩小解空间,再通过启发式回溯算法和约束传播技术联合快速求解.上一层的最优解作为下一层的初始解,并动态增加避免上一层目标退化的约束,迭代求解每层的最优解.通过某编组站实际数据验证表明,本算法耗时小于20 s,满足现场对阶段计划编制的实时性要求,且求得的配流方案优于其他算法.      

一种基于盲运算的1比特压缩感知重建算法

为了解决1比特压缩感知中符号匹配追踪算法(matching sign pursuit)在稀疏度未知的情况下不能自适应重构信号的问题,提出了向前/向后迭代符号匹配追踪算法(forward-backward matching sign pursuit, FBMSP).该算法以逐步逼近理论为核心,通过逐步扩大支撑集来扩大搜索范围,把相邻两次迭代的差值作为终止条件,在MSP算法模型下进行盲运算,以实现信号的重构.数值试验表明:在控制迭代系数=8,=1的情况下,FBMSP算法比传统的符号匹配追踪算法重构精度提高了3 dB,运算时间减少了40%.