基于改进鱼群算法在管道最优抢修路径的研究

当油气管道发生安全事故时,为保证在最短的时间内达到事故现场,需选择最优的抢维修路径。文中提出了一种新型的最优路径计算方法——鱼群算法,并针对其在搜索空间、收敛性以及寻求最优解等方面存在的不足,提出了改进鱼群算法。结合实际工程案例,对鱼群算法和改进鱼群算法在相同循环次数下寻求最短路径做了对比,结果显示改进的鱼群算法成功率高、收敛快,具有一定的应用价值。     

油气集输管道腐蚀速率预测研究

腐蚀速率的精确预测对于油气集输管道的安全运行具有重要意义。鉴于神经网络算法陷入局部最小值、收敛速度慢和引起振荡效应等问题,同时考虑自适应遗传算法在广泛的空间搜索和向最优解的方向尽快收敛于最优目标的特点,构建了优化的混合算法神经网络模型。利用该模型对多种因素影响下的油气集输管道的腐蚀速度进行了预测研究。实际应用表明：该模型大大提高了网络的学习效率和预测评判的精度,可以作为油气集输管道腐蚀速率预测的良好工具。     

基于改进蚁群算法的动态路径规划算法研究

针对交通导航最优路径问题,文章分析了传统蚁群算法的基本原理及其局限性,并为提高路径搜索效率,解决路径搜索初始阶段缺乏方向性、正反馈机制引发局部最优解的问题,提出了新的改进蚁群算法,通过信息素更新策略改进、启发因子改进和引入探索因子来寻求动态全局最优解。由MATLAB实验仿真可知,改进后的蚁群算法对比基本蚁群算法,在遍历相同道路网络节点时,其循环的平均路径长度和最短路径长度都较短,能够有效实现动态最短路径诱导,具有良好的收敛性和全局寻优性。     

基于动态蚁群算法的三维管道自动设计在工厂建模中的应用

蒸汽在工业生产中被大量使用,相应的蒸汽管路设计多依赖经验和人工。文中提出一种改进的蚁群算法实现蒸汽管路自动规划方案,并应用于工厂建模中。对管路空间进行抽象,以网格法将模型空间等尺寸划分,并建立相应的包含启发信息、信息素水平的动态更新矩阵;通过设置动态步长和随机选择机制提升运算效率。仿真结果显示算法能较好完成管路路径规划任务,算法具有较佳的全局搜索与收敛能力,所规划路径符合设定的技术原则。     

动态车辆路径问题的遗传算法研究

文章针对动态车辆路径的特点及模型对其算法进行了研究,并设计了改进的遗传算法对最优路径进行求解,结果显示采用改进的遗传算法提高了全局寻优能力与收敛速度,取得了较好的效果。     

基于人工蜂群优化小波神经网络的隧道沉降预测

小波神经网络存在收敛速度较慢、易陷入局部最优的缺陷,而人工蜂群算法收敛速度快且同时具有局部和全局搜索的能力。文章利用人工蜂群算法对小波神经网络进行优化,形成人工蜂群小波神经网络,并将其应用于地铁隧道沉降预测;并以深圳地铁10号线为例,将该模型的预测结果与BP神经网络、小波神经网络进行对比分析。结果表明,人工蜂群小波神经网络较其它两种模型的预测精度更高,预测结果更稳定。     

考虑运输安全的多式联运路径和运输方式选择研究

本文综合考虑运输费用、运输安全、运输路径和运输方式等因素,建立了以运输成本最低为目标函数的多式联运路径选择模型,并设计了求解算法,最后通过实例验证,选择合理的运输路径和运输方式组合优于单一的运输方式。求得的运输路径和运输方式最优解可以为运输经营者在实际运输经营中提供决策参考。     

插电式混合动力汽车绿色路径规划研究

为了降低插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)在驾驶过程中的能耗,本文对插电式混合动力汽车绿色路径规划问题(Plug-in Hybrid Electric Vehicle Green Routing Problem,PHEVGRP)进行了研究。基于脉冲耦合神经网络提出了用时间依赖中继神经网络求解时间依赖车辆路径规划问题。基于可实时获取的道路交通状态量建立PHEV能耗计算模型。采用硬参数共享多任务学习建立道路交通状态量的预测模型。结合两个模型,将时间依赖中继神经网络应用于PHEVGRP的求解。采用真实数据进行试验,结果表明所提出的方法能够求得PHEVGRP的基于预测模型的最优解且求解速度优于启发式算法。     

考虑配送路径的铁路集装箱二维装载问题

针对铁路集装箱运输零担货物的二维装载问题，建立考虑货物配送路径的空间利用优化模型，提出一种基于货物面积块的混合模拟退火算法，该算法包含用于求解可行装载方案的引导搜索算法和用于优化装载方案的模拟退火算法，并通过算例对优化模型和混合模拟退火算法在求解集装箱二维装载问题的有效性进行验证。结果表明：采用混合模拟退火算法对初始装载方案进行优化后，集装箱空间利用率提高了6.77%。研究成果对于提高零担货物的二维装箱空间利用率和配送效率具有一定参考意义。     

基于改进Dijkstra算法的路径优化仿真研究

文章针对传统Dijkstra算法在路径优化过程中存在的不足,从路网拓扑关系存储和快速搜索技术两方面对其进行了改进,得到了一种改进的Dijkstra算法,并通过实例仿真分析,验证了该算法的有效性。     

基于实时交通信息的动态路径规划算法研究

针对车辆智能交通最优路径问题,文章提出了一种基于层次分析法和消弧法结合的最优路径算法,通过建立权重判断矩阵求解特征向量,计算得出影响动态路径值的各因子的权重值;应用消弧法,求得指定的两个节点之间的最短路径。结果表明:动态路径规划算法能为驾驶员提供一条最优路径。     

基于AHP-熵权法的GIS高速公路选线研究

利用GIS空间分析技术和综合评价法进行高速公路的路径规划,建立一种基于AHP-熵权法的公路选线模型,从而降低规划过程的复杂性。以河北沿海高速唐山段为研究对象,选取土地利用类型、坡度、坡向、水文、断层、土壤类型、GDP、旅游资源和生态敏感度九种地理指标评价因子,分别建立基于层次分析法和熵权法的高速公路选线方案决策模型,并结合两种方法建立综合评价模型生成最优路径与原路径进行对比。结果表明,结合两种评价方法生成的最优路径与原路径有较高拟合,基于AHP-熵权法的高速公路选线模型在对比有一定优势。     

智能车避障路径规划方法研究

避障路径规划是智能车技术的关键部分,对智能车研究具有重大意义,正确的选择规划方法至关重要。本文首先初步选定人工势场法规划路径,仿真得知传统人工势场法规划出的路径存在局部最优、碰撞及达不到目标点的问题。因此提出改进人工势场法,通过改变势场函数和设定初始条件来解决此问题。最后,为了规划出能够同时避开静态和动态障碍物且能到达目标点的理想路径,在改进人工势场法中加入速度元素,经过仿真,证明了基于速度的改进人工势场法在智能车避障路径规划中的可行性和优越性。     

基于改进蚁群算法的城市交通最短路径算法

蚁群算法作为一种寻优性能良好的智能算法,是解决最短路径问题的一种有效的方式。但是,基本蚁群算法真接运用于交通网络中路径的寻优存在一些不足。文章针对基本蚁群算法的不足对其进行了改进,根据交通网络的特点限定了解的搜索范围和改进了蚁群算法的转移规则,并对信息素的更新规则作了改进。仿真实验结果表明,改进了的蚁群算法在求解最短路径时比基本蚁群算法性能有较大的提高。     

基于Multi-Agent的动态路径诱导系统

动态径路诱导是现代智能交通系统研究的一个重要领域。文章使用Multi-Agent技术思想,运用Java语言,结合动态路径诱导的实际需求开发动态路径诱导系统。基于各Agent间的实时交互信息,包括路段Agent提供的路况信息、路口Agent提供的交通信号信息、车辆Agent提供的车辆行驶及诱导需求信息,运用改造后的A*智能优化算法,实时计算诱导车辆当前位置下的最优路径。同时引入区域控制Agent与中心决策Agent对全局进行控制,避免局部最优及交通拥堵漂移现象的发生,从而达到整个路网的优化。完整地仿真了一个功能齐全的动态路径诱导系统,并且验证了该动态路径诱导模型的可行性及有效性。     

基于多源数据的铁路货运客户服务提升一体化方案

为进一步实现铁路货运部门对客户的精准营销,本文提出基于多源数据的客户服务提升一体化方案。首先建立铁路货运客户服务提升整体指标体系,利用数据挖掘算法对二级指标进行聚类,得到客户细分方案;进一步,以服务提升路径最短为目标,以参照客户对象的搜索角度和搜索半径为约束条件建立客户服务提升数理模型,并设计客户服务提升算法。最后,通过案例分析验证了一体化方案的可行性和有效性。结果表明：可量化的服务提升路径在客户服务提升效果上明显优于定性得出的服务提升策略。     

人工蜂群优化BP神经网络在输油管道泄漏检测中的应用

BP神经网络的泛化性能很大程度上取决于模型的参数选择,针对此问题提出基于人工蜂群算法(ABC)的BP神经网络参数优化算法,并将其应用于输油管道的泄漏检测。该方法将BP神经网络的连接权值和阈值一一对应于人工蜂群算法优化问题每个可行解的各维度值,找到问题的最优解,训练出符合精度要求的理想模型。将该方法应用于输油管道泄漏信号的识别,提取管道各类工况下压力信号部分非线性特征作为检测模型训练样本集,建立输油管道泄漏检测模型并进行识别测试,有效提高了泄漏检测的准确率。     

隧道洞室地基稳定性双阶段多策略粒子群BP网络模型研究

影响隧道洞室地基稳定性的因素众多,这些因素与隧道洞室地基稳定性之间存在着复杂的非线性关系,并且常规的方法很难描述这种复杂的关系。文章提出了一种双阶段多策略粒子群算法(DMPSO)优化的BP神经网络隧道洞室地基稳定性评价模型。粒子群算法具有全局优化能力强、搜索效率高等特点,算法改进后使这些特点更加突出。BP算法有很强的非线性映射能力、泛化能力,但也有收敛速度慢,容易陷入局部最优等缺陷。采用双阶段多策略粒子群算法(DMPSO)搜索BP模型的权值和阈值,弥补了BP模型的缺陷,提高了其预测的准确度。文章以重庆小什字车站洞室地基为例,证明了双阶段多策略粒子群算法优化的BP神经网络模型(DMPSO-BP)的可行性,并且该模型比模糊神经网络和粒子群优化的BP神经网络(PSO-BP)模型有更好的预测精度。     

基于蚁群算法和群决策理论的动态路径优化研究

文章针对城市交通信号控制中的动态路径优化问题,综合考虑相邻交叉口间距和路段交通饱和度两个参数的影响,提出了一种基于蚁群算法和群决策理论的动态路径优化算法模型,并通过仿真实验,对比分析了该算法模型的有效性。     

混合时间窗约束下多目标多式联运路径优化研究

本文根据多式联运相关的概念与网络构建方法,考虑了运输的费用成本、时间价值成本以及环境成本,引入混合时间窗约束,从而建立了多目标多式联运路径优化模型,并利用基于Pareto适应度的遗传算法,求解了一个多式联运的算例,并对比加入混合时间窗前后的Pareto最优解集。加入混合时间窗约束的最优解集包括了部分未加入时间窗约束的最优解以及新的最优解,优化了运输路径,从而证明了该模型可行性与有效性,对决策者选择运输方案有重要意义。