基于混合粒子群优化算法的桥梁有限元模型修正

针对传统模型修正方法求解复杂、精度较差等问题,提出基于混合粒子群优化算法的模型修正策略。由于粒子群算法存在早熟收敛问题,采取自适应动态惯性权重策略改进粒子群算法,并引入差分进化算法进行混合优化。在模型修正时,对模型进行相关性分析并选取待修正参数,引入混合粒子群算法修正模型的参数,得到能够真实反映桥梁结构静、动力特性的有限元模型,为结构安全评估及健康监测提供科学依据。采用该方法对某简支梁模型进行修正,修正后的模型精度较高,验证了该算法的有效性。     

基于SVM的危货车驾驶员饮水分心判别模型

执行车内次任务是导致驾驶员注意力分散乃至造成交通事故的重要原因。为对危货车驾驶员饮水分心进行辨识,进行了驾驶模拟试验。试验中,将水杯放置在危货车驾驶舱内3种常见的杯架位置处,采集饮水分心驾驶和正常驾驶时的车辆运行状态数据。在差异性统计分析提取特征指标的基础上,对变化较快的特征引入频域分析方法提取特征指标,经分析新增加的特征指标能够反映被试驾驶员对车辆横向稳定性的控制能力。使用支持向量机建立驾驶员饮水分心驾驶判别模型,分别使用遗传算法和粒子群算法对初步判别模型进行优化并对比分析,最终对优化后的模型进行评估。结果表明,应用遗传算法和粒子群算法优化后的判别模型对驾驶员饮水分心状态的正确分类比例分别达到94.02%和93.21%,遗传算法的参数寻优结果优于粒子群算法,同时遗传算法主要通过选择、交叉、变异操作产生新的种群个体进化到下一代,是较为成熟的收敛性分析方法,故认为遗传算法更适合作为驾驶员饮水分心驾驶判别模型的优化算法。     

利用粒子群优化算法进行桥梁维修管理计划的优化

制定桥梁维修管理计划是一项非常繁杂的工程优化难题,使用常用的优化算法很难取得满意的结果。利用耐荷性和耐久性作为桥梁的健康指数,考虑维修方案和维修费用的问题,用费用最小化和品质最大化2种方案建立了桥梁维修管理的优化模型。探讨利用粒子群优化算法(PSO)求最优桥梁维修管理计划的解的可能性,并与作者开发系统中的遗传算法(SGA)和免疫遗传算法(IA)进行了比较,运用多样度的概念说明了粒子群优化算法(PSO)在解决这类问题的先进性。结果表明,粒子群优化算法(PSO)对于桥梁维修管理计划的优化是一种普适高效的算法;而且,考虑维修的管理期间越长,应用粒子群优化算法求解问题收敛性与其他2种方法相比显得更好,得到准最优解的频率也更高。     

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.      

基于扰动收缩粒子群算法的物联网配送车辆调度

为了提高物联网配送车辆的调度效率,采用扰动收缩粒子群算法。首先建立物联网配送车辆优化调度问题的数学模型,考虑到货物品种及数量、需求时间和地点、运输线路以及运输时间的不确定性,包括运输成本、时间惩罚成本、固定成本;接着对基本粒子群算法增设非线性扰动因子用来平衡粒子的全局和局部搜索,在进化前期值比较小,让粒子主要进行局部搜索,而在后期设置值比较大,进行全局搜索,同时增设收缩算子,避免粒子的过度振荡,粒子编码涉及到收货点、车辆编序、行驶顺序,给出了算法流程;最后,仿真试验和实例分析验证了算法的合理性与可行性。结果表明:增设收缩算子对任务目标点寻优地理位置偏差值最小,避免了总成本增加;带有非线性扰动因子调整策略的粒子群优化算法具备更强的跳出局部最优的能力,优化后的算法运行速度加快;对于每次试验的搜索成功率以及违约惩罚成本占总成本比例,与遗传算法、蚁群算法、粒子群算法、混沌量子粒子群算法、模拟退火粒子群算法和柯西变异粒子群算法预测方法相比,扰动收缩粒子群算法预测方法具有更高的搜索成功率和较低的违约惩罚成本,能够满足物联网配送车辆系统对预测精度的需求,对实现实时交通控制具有重要意义。     

基于改进二次粒子群算法的汽车零配件配载优化

综合考虑汽车零配件物流运输配载过程中成本、资源及服务质量等决策要素,建立了汽车零配件配载优化模型。引入二次粒子群算法对该问题进行求解,并针对该算法在搜索早期粒子多样性低的缺点,提出了改进二次粒子群优化算法,它采用遗传算法的变异思想和互换更新机制来提高种群的多样性,以避免过早收敛和改进优化效果。仿真实例表明,与原算法相比,改进后算法的计算效率显著提高,且搜索到全局最优解的概率也更高。     

考虑库存成本的配送中心动态选址模型及算法

为了解决传统配送中心选址没有同时考虑库存持有成本和决策环境的动态变化的问题,建立了一种新的模型。首先,利用两步骤近似方法获得(Q,R)库存策略下每一个周期配送中心的库存成本计算公式;然后,针对传统设施动态选址模型对选址成本的不恰当表示进行了修正,并与库存成本计算方法相结合,从而建立考虑库存成本的配送中心动态选址模型。最后,分别用遗传算法、克隆选择算法、粒子群优化算法求解所建立的模型,并从算法的精确度、稳定性、运算速度和收敛性比较了三种算法的性能。算例测试结果表明:所建立的模型是有效的;从总体上看,遗传算法的适应性要强于克隆选择算法和粒子群算法。     

基于元胞粒子群算法的干式DCT换挡品质优化

为提高干式双离合器自动变速器(DCT)的换挡品质,建立了DCT换挡过程优化模型;针对单一优化算法易于局部收敛和早熟的缺陷,将元胞自动机和粒子群算法相结合,开发了元胞粒子群混合优化算法,并将其应用于干式DCT换挡品质优化。仿真结果表明,通过优化离合器的压紧力能获得较好的换挡品质。     

半开放式燃油车和电动车混合车辆路径优化问题研究

随着物流行业的迅速发展,物流运输车辆不断增加,而传统燃油汽车的使用对环境造成了一定的压力,近年来,物流电动汽车由于其节能环保的特性,得到了广泛的应用。然而由于电动汽车的充电时间较长以及运输行业的发展现状,电动汽车目前无法完全取代传统燃油汽车,两种车型同时存在于物流配送领域。文章针对半开放式多配送中心的燃油汽车和电动汽车混合车型的车辆路径优化问题进行研究,同时考虑了客户需求量、车辆载重量以及电动汽车的充电需求等约束条件,以碳排放成本、运输成本以及时间窗惩罚成本之和最小为目标建立线性整数规划数学模型,针对该问题的NP难特性,设计了改进的粒子群算法进行求解。应用佳点集理论产生初始种群,增加粒子群算法的多样性,在迭代过程中,增加局部搜索策略,避免粒子群算法陷入局部最优。实验结果表明:改进的粒子群算法获得的总成本相比标准粒子群算法获得的总成本降低5.69%,证明了该设计的改进粒子群算法在求解开放式混合车型车辆路径优化问题时的有效性;相比于不考虑碳排放的情况,考虑碳排放时传统燃油车的使用数量有所下降;相比于单一配送中心路径优化情况,开放式的多配送中心路径优化,更有利于降低物流成本。     

基于动态改进遗传粒子群-BP的重型车NOx排放预测模型研究

为了降低重型车NO_x排放速率监测控制中OBD设备异常采集数据和数据耦合问题的影响，基于BP神经网络建立了排放预测模型。为了提高预测模型的准确性，引入了遗传粒子群组合算法，并对其进行动态改进，同时利用PCA分析提取数据特征。结果表明：对比传统遗传算法和粒子群算法，动态改进的遗传粒子群组合算法在适应度函数上提升了5.75%和3.37%;与其他9种预测模型相比，动态改进后的遗传粒子群-BP网络在评价指标MASE、RMSE和R²上表现最优，MASE、RMSE分别为0.024和0.033 6,R²为0.951,预测结果与原始数据基本吻合，所建预测模型具有较高的预测准确性。     

混合交通网络设计的遗传免疫算法研究

为了研究混合交通网络设计的启发式求解算法,以路段建设费用和网络费用最小化为目标,建立了混合交通网络设计的双层规划模型。鉴于标准遗传算法的局限性,基于人工免疫思想,将免疫系统仿生机理中的免疫调节、克隆选择、免疫记忆引入到遗传算法中,给出了求解混合交通网络设计的遗传免疫算法。通过算例验证了算法的有效性,并和标准遗传算法进行了比较。结果表明,在混合交通网络的设计中遗传免疫算法比标准遗传算法具有更好的求解效果。     

基于改进遗传算法的主动悬架最优控制研究

提出了遗传-粒子群优化算法对主动悬架的控制规则进行了优化.利用Matlab/Simulink对主动悬架系统进行了仿真,并与传统的被动悬架进行了性能比较和分析,仿真结果表明基于改进遗传算法的主动悬架最优控制能够有效提高车辆的平顺性和操纵稳定性.     

快速公交路径优化设计模型及算法研究

分析了当前大城市多模式公交网络结构,构建了多模式公交超级网络;研究了公交出行者的策略选择行为,在考虑行程时间可靠性、座位期望以及诸多延误因子的基础上改进了策略阻抗模型;提出了BRT网络设计的双层规划模型:下层模型以改进策略阻抗模型为前提,进行了多模式公交网络平衡配流,上层模型旨在优化BRT的线路走向和布局;基于遗传算法和粒子群优化,设计了求解该双层规划模型的混合启发式算法,并用一个简单算例验证了本研究中模型与算法的可行性,提出了BRT线网优化设计的建议。     

基于GABP算法的车身装配分析

合理的车身装配公差分配可以在产品质量要求与生产成本限制之间得到平衡。文章提出了一种遗传算法（GA）BP神经网络的混合算法,用于生成和优化顺应组件的装配顺序。通过装配建模来描述其几何形状,其中包括三组零件,零件之间的关系和关节。装配序列被表示为个体,被分配评估函数,该评估函数由适应度和约束函数组成。适应度函数用于评估可行序列;此外,约束函数用于演化不可行的序列。混合算法从随机初始的染色体群开始,通过使用繁殖、交叉和变异操作进化新群体,并终止直到可接受的序列输出。描述了薄板组件的组装过程,提出混合算法以选择合适关键测量点（KMP）的最佳方案。     

粒子群算法在岩土工程位移反分析应用中的研究进展

阐述了粒子群算法在岩土工程位移反分析中应用的基本原理，介绍了粒子群算法的发展现状，指出了其在岩土工程位移反分析应用中的不足，并从理论和实际两方面分析了其存在不足的原因，进一步提出了粒子群算法在未来岩土工程位移反分析应用中的发展方向。     

基于PSO算法的HEV控制策略研究

混合动力电动汽车(HEV)是当今国内外汽车领域研究的重点与热点,其中控制策略是混合动力电动汽车研发过程中的关键环节。文中结合并联式混合动力汽车系统特点,提出了一种基于粒子群优化算法(Particle Swarm Optimization,PSO)的优化控制策略,并在Simulink环境下进行了仿真,结果表明所提出的控制算法正确、有效。     

基于免疫粒子群算法的多供应主体应急物资供应模型求解

为了弥补政府应急物资库供应能力不足,提升救灾物资供应种类、时效和能力,提出由政府认证的协议供应商参与的多供应主体模式,并以供应偏差影响度最小和供应耗时最少为目标,构建了多目标多周期混合整数应急物资供应模型,以解决应急物资多种类动态供应问题。结合免疫信息运作机制和粒子群算法的免疫粒子群算法,以青海玉树地震物资供应数据为例,求出物资供应方案。分析了方案与实际供应数据对比差异,以及模型的有效性。结果表明:多供应主体参与的物资供应模式较传统物资库供应在救援及时性和需求满足度上有明显优势;免疫粒子群算法对多供应主体模型的求解时间较CPLEX求解器有大幅缩短,提升了模型在实际场景中应用的可操作性。     

ISG型混合动力汽车粒子群优化模糊控制研究

针对ISG型混合动力汽车能量分配的控制过程,应用传统的模糊控制存在精度不高、自适应能力有限等问题.提出一种粒子群优化模糊控制的方法.在应用传统模糊逻辑建立控制模型基础上,利用粒子群算法对模糊控制中的隶属度函数进行优化,实现了优化的隶属度函数随环境变化以及负载变化实时跟踪模糊控制器的参数变化.仿真结果表明,与Insigh...     

基于改进粒子群的非对称斜拉桥成桥索力优化

针对非对称斜拉桥主塔水平受力复杂和主梁弯矩不对称的特点,提出了以主塔拉压应变能和主梁弯曲应变能为目标函数,以主塔水平位移和主梁竖向位移为控制条件的索力优化过程。并且根据粒子群算法在多参数优化中的问题,提出了速度惯性依据群体最优变化而变化的改进粒子群算法。以某长江大桥为背景,分别利用ANSYS自带零阶优化,标准粒子群算法和本文提出的改进粒子算法进行优化比较。优化结果表现,改进的粒子群算法在优化结果和优化速度上都较前两种有改善。     

配送中心选址-库存问题的粒子群算法应用

在LMRP模型基础上,从优化角度将配送中心建设成本设为配送中心规模的线性函数,构建基于可变建设成本的LMRP模型.依据选址模型与粒子群算法特性,设计了矩阵粒子作为粒子群启发式算法初始可行解.对已有的10节点、49节点、88节点算例进行近百次测试,确定针对LMRPVCC问题的粒子群算法参数.进而利用平均计算时间与平均质量...