车辆维护周期多目标优化研究

研究将多目标规划理论方法应用于车辆维护周期的确定，目的是根据实际问题的背景和容许性，在彼此不能同一化的多个目标下，真正实现车辆维护周期的最优化。同时，基于大量样本数据的统计分析和作者已有的研究基础，在润滑油使用可靠性、车辆行驶安全性和单位行程检测诊断与维修费用等目标下，用主要目标法和分层序列法，具体给出了国产某型载货汽车的最优二级维护周期，从而为此类问题的研究解决提供了可供借鉴的实例。     

基于免疫单克隆算法的车辆路径优化

车辆路径问题(VRP)是物流管理研究的一项重要内容,在提高服务质量和降低成本方面起着关键作用.给出了车辆路径优化问题数学模型,介绍了免疫单克隆算法的基本原理,提出了免疫单克隆算法求解VRP的基本流程.算例计算结果表明,通过引入亲合度成熟、克隆和记忆机理,利用相应的算子,免疫单克隆算法可以快速地收敛到全局最优解,效果良好.     

多车型车辆路径问题的算法

总结目前求解多车型车辆路径问题的5种基于知识的算法,提出采用大旅程法和禁忌搜索法相结合的混合启发式算法,在搜索过程中通过增加惩罚因子的方法允许不可行解的存在,减少求解陷于局部优化的可能性。采用GENIUS算法处理其中的TSP问题,不仅能产生较好的解,而且通过对解的周期性的扰动,进一步减少求解陷于局部优化的可能性。     

应急车辆出行前救援路径选择的多目标规划模型

针对城市中应急车辆的救援路径优化问题,分析了基于交通信息中心的应急车辆最优路径的多目标属性,给出了随机网络中各属性的量化计算方法,以最小化出行时间,最大化行程时间可靠度为目标,考虑了通行可靠性、安全性、道路条件限制等因素,建立了应急车辆出行前最优路径选择的多目标规划模型.模型所求得的解是综合最优路径,反映了应急车辆路径选择的目标需求,克服了以往直接等同于图论中最短路径的缺陷,给出了算法,通过算例验证了模型的合理性和有效性.     

一种多车场车辆路径问题的单亲遗传算法

提出了一种单亲遗传算法来求解多车场车辆路径问题（MDVRP）。在该算法中，对每个服务点按照其距离各个车场的远近归类到各个车场之中，通过构造染色体表达式，采用基因重组以及变异算子来进行常规遗传操作。在进化的同时，采用局部调整，使服务点在一定的范围内的不同车场中调换，保证其种群多样性，从而避免局部收敛，达到全局最优的效果。实验表明，本算法能有效解决一定规模的多车场车辆路径问题。     

改进节约蚁群算法求解物流配送车辆路径问题

针对节约蚁群算法在求解车辆路径问题易陷入局部极值的不足,提出一种基于连接表扰动策略和吸引力因子局部搜索的改进节约蚁群算法.该算法在陷入局部最优后,引入连接表扰动策略以帮助算法跳出局部最优,该策略在每只蚂蚁进行解构建之前,随机禁忌若干条吸引力因子较大的边以增加算法的勘探能力;同时采用吸引力因子局部搜索优化每只蚂蚁的解,该局部搜索利用吸引力因子引导局部搜索.实验结果表明,改进节约蚁群算法求解车辆路径问题时优于原有节约蚁群算法以及多种已有算法.     

智能车辆局部路径规划算法研究综述

为提高智能车辆行驶的平稳性和合理性,文章对近年来智能车辆常用的局部路径规划算法进行了分类和总结。首先对各类传统算法的原理进行了阐述,分析其优缺点,并指出传统算法在智能车辆上应用时的不足;其次整理分析了各类传统算法应用至智能车辆上时各学者所提出的改进算法;最后提出基于离散优化的算法是未来智能车辆局部路径规划的应用趋势,多算法融合是复杂场景下智能车辆局部路径规划的研究方向。文章的研究结果为智能车领域的研究人员在选择局部路径规划算法时提供参考。     

基于代理模型的复合材料带加强筋板多目标优化

本文以复合材料带加强筋板的质量、刚度及屈曲载荷为优化目标,在铺层约束下对加强筋的铺层数、铺层顺序以及截面尺寸进行多目标优化。为了使NSGA-Ⅱ算法适应于可变铺层数的铺层顺序优化,对算法的基因编码方式进行改造并在遗传操作中引入Permutation操作。优化过程中采用代理模型对结构的刚度及屈曲载荷进行估计,减少了有限元模型的调用次数。算例表明通过优化算法的改造及代理模型的引入降低了优化成本。     

动力总成悬置系统多目标优化算法研究

针对现有的动力总成悬置系统解耦率不能满足设计要求的问题,在Adams／view中建立了悬置系统的仿真分析模型,通过多学科设计优化软件Isight与多体动力学软件Adams的集成,分别采用了不同的多目标优化算法进行了悬置系统优化分析。     

基于多目标优化与遗传算法的公交调度模型

结合地区公交现状制定合理的公交调度机制,对于公共交通发展有着重要的现实意义和指导价值.本文以公交公司运营成本和乘客出行成本最小化为目标函数,考虑车辆核载、出行时间等约束条件建立多目标优化函数,构建城市公交调度模型.然后采用遗传算法进行求解,并以黄骅市6路公交进行模型检验.研究表明,优化后的公交调度机制能够有效降低公交公...     

不确定网络路径优化模型及算法研究

道路事故、道路施工等突发因素干扰了道路正常运营状态,严重时将造成交通网络的局部阻塞;同时道路使用者感知交通网络环境的变化具有多样性和滞后性.正是因为这些不确定因素的存在,交通网络也呈现出不确定性特征.针对出行时耗需要保障的出行决策优化问题,引入可信性理论体系的测度标准;将路段出行时耗变量模糊处理;构建了在一定显著度水平条件以出行总时耗为优化目标,以出行路径为决策变量的模糊机会约束模型,给出基于模糊模拟的组合优化算法,计算示例表明,模型构建合理,算法有效.     

基于自适应网格粒子群算法的多目标配送优化模型

对配送方案的选择提出多目标优化,在满足客户需求的前提下,力求成本最低和各配送中心负荷均衡,建立多目标规划模型。运用粒子群算法对解空间粒子进行局部和全局的搜索,再运用自适应网格算法对非劣解外部集进行更新和维护,保持其规模。实证表明,采用基于自适应网格的多目标粒子群算法对该模型进行求解能够得到均匀分布于解空间的Pareto前沿。结果表明两目标具有一定的悖反关系,据此选择满意解。     

基于多目标优化的公交车调度问题的模型与算法

针对1条公交线路上的公交车调度方案,综合考虑公交公司和乘客的利益,利用多目标优化的方法建立了公交车调度的数学模型,给出了载客满意度函数和乘客等待时间满意度函数,采用了高性能的遗传优化算法对全天公交车运营的状况进行了数值模拟。仿真结果表明,选择采用将全天发车策略细分18个时段的模型,可得到最优的发车时刻策略。该模型可有效地改善公交车辆运营调度优化效果,提高公交车辆的运营效率,为城市公交车辆调度管理提供了合理、有效的调度方法。     

铁路集装箱空箱动态优化调度模型及求解算法

根据铁路集装箱空箱调度的业务优先原则,以最大限度地提高区域内空箱的利用率和减小空箱调度的成本为目标,建立了在一个计划期内的铁路集装箱空箱动态优化调度模型.综合运用优先等级法和遗传算法对模型进行求解,解决了在一个计划期内,如何最优化地对每个工作日的空箱进行区域性调度的问题.通过计算机仿真实验,并与现行的调度方法进行比较,证明了模型和算法的有效性.     

汽车悬架控制臂的多目标拓扑优化

以多工况下的柔度(静态)和振动固有频率(动态)为目标函数,对汽车悬架控制臂进行多目标拓扑优化。基于SIMP变密度的拓扑优化方法,将多级容差序列规划与折衷规划法相结合,首先进行自由振动工况下的频率优化,然后以此为基础进行静态工况下的柔度优化,最终得到了同时满足静态柔度最小和振动低阶频率最高要求的控制臂拓扑结构。