基于离散势能场的行人路径规划算法研究

复杂二维场景中的行人路径规划是行人仿真研究体系中微观仿真服务的关键性问题之一.针对该问题提出基于离散势能场的路径规划算法,给出总体算法的流程,并针对离散势能场的生成算法、离散路径的合理化方法等关键环节进行详细论述,最后经算例证明该算法具有一定的有效性,同时存在一定的局限性.     

基于改进和声搜索算法的装配序列规划

针对装配序列规划问题,在现有研究的基础上将装配工作台翻转角和装配点移动距离纳入评价指标,并结合遗传算法提出了一种基于改进和声搜索算法的装配序列规划方法。在空间干涉矩阵约束下改进算法参数设置及新和声产生方式,使改进后的和声搜索算法各参数根据迭代次数动态变化,实现参数自适应,最后以齿轮泵为例验证了文中算法比基本和声算法及蚁群算法更优。     

基于离散势能场的行人路径规划算法研究

复杂二维场景中的行人路径规划是行人仿真研究体系中微观仿真服务的关键性问题之一。针对该问题提出基于离散势能场的路径规划算法，给出总体算法的流程，并针对离散势能场的生成算法、离散路径的合理化方法等关键环节进行详细论述，最后经算例证明该算法具有一定的有效性，同时存在一定的局限性。     

求解拆卸线平衡问题的改进人工蜂群算法

大规模拆卸线平衡问题（disassembly line balancing problem,DLBP）是NP完全问题。为克服传统算法求解DLBP搜索过于随机、易于早熟,且求解难度随任务规模的增加呈指数级增长等不足,构建了基于最小化工作站、均衡负荷、尽早拆卸有危害和高需求零部件的DLBP多目标优化模型,在此基础上,提出了改进人工蜂群算法。该算法包括以下4个阶段:在初始解生成阶段,引入危害指标和需求指标,提升算法收敛性能;在雇佣蜂搜索阶段,采取可变步长搜索策略,增加对较优解的搜索深度,加速淘汰劣解;在观察蜂搜索阶段,采用常规搜索与蠕动搜索相结合的混合搜索策略;在侦察蜂搜索阶段,构造了基于分布估计的搜索策略,引导搜索过程。应用本文算法对70个测试问题进行求解,其中65个求得了最优解,寻优率为92.86%;对10个任务实例求得最优解的需求指标为9730个,比蚁群算法减少了360个;52个任务实例的开启工作站数目、平滑率和拆卸成本3项指标均取得了更优的结果,求解较大规模问题的性能显著提升。      

有限资源多任务分配的模型分析和算法设计

以学校排课问题为讨论了在资源有限的条件下稳定多任务分配方案的模型,并给出一种基于组合方法和算法用Lisp语言数据结构的实现方法。     

一种基于混沌序列的数字水印算法实现及分析

数字水印技术是进行数字产品保护的一种重要手段.提出了一种基于混沌序列的数字水印算法,在水印嵌入原始图像之前,利用混沌发生器生成的随机序列对水印图像进行置乱处理;水印位置的确定采用边缘提取的方法,简单易行.     

多目标U型拆卸线平衡问题的Pareto蚁群遗传算法

针对传统方法求解多目标U型拆卸线平衡问题的不足,提出了一种基于Pareto解集的多目标蚁群遗传算法.在构造初始解阶段,以协同考虑最大作业时间、最小拆卸成本差作为蚂蚁的启发式信息;通过蚁群算法搜索可行拆卸序列,并根据多目标之间的支配关系得到Pareto解集;将蚁群算法的Pareto非劣解作为遗传操作的个体,进而将遗传操作的结果正反馈于最优拆卸路径上信息素的积累,并采用拥挤距离作为蚂蚁全局信息素更新策略,可以平衡多目标对信息素的影响,使算法快速获得较优解.将所提算法应用于52项拆卸任务算例和某打印机拆卸线实例,在算例验证中,通过对比Pareto蚁群算法,所提算法求得的8个非劣解在3个评价指标上性能分别提高了50.43%、3.25%、14.10%,在实例应用中所提算法求得8种可选平衡方案,从而验证了所提算法的有效性、优越性和实用性.      

HTN规划中面向多计划生成的顺序任务分解算法

顺序任务分解算法（OTD）是层次任务网规划（HTN）中的一种高效求解算法．由于算法中的计划生成采用一次性回溯机制,每次求解过程只能产生一个可行计划．文中提出了一种能够快速生成多个可行计划的回溯算法．该算法采用分段回溯的计划生成机制,充分利用了求解过程中生成的局部解序列,从而能够一次性地快速生成多个可行计划,为寻求优化的计划和进行计划的评估提供更为有效、灵活的支持．     

基于人工神经网络的装配序列规划方法研究

装配序列规划作为装配工艺中的核心内容, 对实现生产自动化、装备装拆有着十分重要的意义, 是目前国内外CIMS及装备维修领域的研究热点. 提出并实现了一种用神经网络来实现自动装配规划的方法. 该方法首先利用装配联系矩阵、装配联系图、惩罚矩阵来表达零件之间优先关系、装配代价,然后利用BP神经网络来求解满足此约束条件的最佳产品装配序列.     

基于典型经验路径库的路径规划算法

出租车驾驶员对城市道路交通状况较为熟悉,他们选择的路径具有代表性。为了挖掘出租 车驾驶员的路径选择经验,最大程度地保留经验选择并融合到路径规划算法中,建立了基于典型 经验路径库的路径规划算法。首先,通过对出租车GPS数据进行预处理、地图匹配、载客轨迹信 息提取,建立出租车历史载客轨迹集;然后,基于网格划分建立不同时段、不同网格之间的经验 路径库;最后,提出了基于典型经验路径库的路径规划算法,并以广州市交通网络和浮动车为实 验数据。实验结果表明,该算法得到的路径其行程时间较少,平均速度较高,能够保持道路等级 的连贯性,且能适应不同时段的交通情况,更符合个人认知。     

轨道交通乘客个性化出行路径规划算法

随着城市轨道交通网络的不断完善,可供乘客选择的轨道交通出行路径日益 增加,乘客出行路径决策愈加复杂.本文在分析轨道交通服务水平变量对不同属性乘客出 行路径选择行为影响的基础上,提出轨道交通乘客个性化出行路径规划算法.首先,基于 非集计理论构建针对不同类别乘客的路径选择模型,该模型综合考虑乘车时间、换乘时 间、换乘次数、车内拥挤度及个人属性等因素对乘客路径选择行为的影响.其次,基于不同 类别乘客的路径选择行为差异,构建考虑车内拥挤度变化的乘客个性化出行路径动态规 划算法,为不同属性乘客规划广义出行时间最小的路径.最后,基于广州地铁数据对算法 进行验证.结果表明,该算法针对乘客个人属性规划的最优出行路径,更加贴合乘客的出 行心理.     

地震疏散路径规划算法

重大地震条件下,交通网络具有明显的结构变动性,传统最短路算法生成的疏散路径难以满足其在疏散安全性、可通行性、通行能力约束和应变性的要求．为了解决这一问题,在具有通行能力约束的路径规划（CCRP）算法基础上,考虑了上述有关要求,提出了一种地震疏散路径规划算法．该算法的特色在于：（1）引入惩罚函数以满足应急疏散路径对安全性和可通行性方面的要求;（2）将突发交通拥堵点作为虚拟疏散原点纳入到动态路径规划过程,以增加对突发交通拥堵的快速疏散能力．实证表明,所提出的算法可将疏散交通流分配到危险性较低、可通行性较好的路径上,并满足路径的通行能力约束,而且对突发交通拥堵具有必要的应变能力,能较好地满足地震疏散路径规划的需要．     

离散变量结构形状优化设计的混合遗传算法

通过在遗传算法中嵌入拟满应力算子来增强其局部寻优能力,并将拟满应力遗传算法应用于离散变量结构形状优化设计问题.将形状设计变量和截面设计变量统一编码表示在同一染色体中,既解决了两类变量间耦合上的困难,又避免了将两类变量分开考虑只能求得局部最优解的问题.对混合离散变量问题,对形状变量提出二级搜索策略,即首先在整个搜索区间进行粗粒度搜索,进化后期再将搜索范围缩小至最优解附近,重新编码进行局部细致搜索,从而解决了求解的精度和求解效率间的矛盾.     

基于改进离散差分算法的航班延迟推出策略分析

针对大型枢纽机场日益严重的场面拥堵及由此导致航空公司延误成本增加和乘客等待时间增长等问题,基于ACDM的基本思想,在给定推出率下诠释了虚拟队列理论,设计了航班推出决策的协调流程,实现利用机位等待代替跑道起飞排队等待,不仅可以减少场面拥堵和航班延误,对提高航空公司经济效益也有重要意义.提出了乘客等待时间最短和推出等待成本最小2 种策略和航班延误成本的计算方法及相关约束指标.分别针对小、中、大不同规模航班量的5 组实际运行数据,采用基于指针运算机制的离散差分算法求解优化推出策略,并对该算法进行改进.实例表明,通过对虚拟队列航班次序的调整,乘客的平均延误时间缩短5.15%~12.66%,航空公司延误成本减少19.16%~26.0%.     

基于列车车次的动车组运用优化模型与算法

动车组运用计划的编制通常需要综合考虑运输安全、效率及成本等多方面因素,其编制质量及编制效率对高速铁路运营有重要影响.为了快速获得高质量动车组运用计划,以降低综合运营成本和总空驶里程等为优化目标,建立了基于列车车次的可改编动车组运用优化混合整数线性规划模型,并设计了一个迭代逼近算法框架.该算法框架将整个问题分解为主问题和...     

基于层次蝙蝠算法的应急车辆调度与交通疏散协同决策

城市路网多事故应急救援中，因交通拥堵造成应急车辆滞留现象时常发生，严重影响道路交通事故救援效率.提出通过交通疏散提高救援路径的可靠性，构建双层规划模型对应急车辆调度和交通疏散进行协同决策. 设计一种双层蝙蝠算法，上层算法在应急车辆需求、事故时间窗和可用车辆约束下求解响应时间最短的调度方案，下层算法在路段容量和疏散需求约束下求解多条最短路径的交通疏散策略，从中选取最短时间路径. 算例结果表明，本文模型通过缩短应急车辆在途时间有效提升了应急救援效率，算法具有优秀的寻优能力和运行速度.     

Application of PI Control Algorithm to Discrete Manufacturing Systems

PI （proportional-integral） control algorithm is applied to control WlP （work-in-progress） in a discrete manufacturing system, where the cascade control of PI controllers is presented. It is in the frequency domain that the PI controller is designed with constraints on sensitivity options to ensure the stability and robustness of its parameters. A case is evaluated on a motorcycle engine crankcase production system, whose simulation results confirm that demand fluctuations can be compensated by PI controllers under a normal demand. PI controllers also possess low sensitivity to the distribution of production times.     

基于Maklink 图和遗传算法的改航 路径规划方法研究

为了保障恶劣天气下的飞行安全,航班需要采取改航策略避开危险区.采用已 有的以改航路径最短为目标,以航段最小距离、避开危险区、转弯角度等为约束条件的规 划模型,设计了3 阶段方法研究改航路径规划.首先应用Maklink 图和Dijkstra 算法规划一 条能够避开危险区的路径,接着应用遗传算法优化路径,最后进行路径调整以满足约束 条件.算例仿真结果显示,应用本文方法得到的改航路径长度较短,转弯次数少、转弯角度 小,计算效率高.仿真结果说明,应用本文提出的方法获得的改航路径满足目标和约束要 求,验证了该方法的可行性和有效性.     

基于课元相关运算的高校排课算法

在分析高校课表编排所遵循的基本原则和模糊性原则的基础上，定义了课元之间关于教师的相关关系和关于自然班的相关关系，提出以课元相关运算和课元的候选时空片计算为核心的计算机排课算法。还给出了用关系数据库描述课表问题及实现排课算法的方法。经应用表明，该排课软件具有较好的适应性和实用性。     

基于遗传算法的装配顺序优化

为了解决装配顺序优化的问题,采用了集对分析理论与遗传算法相结合的方法,考虑了装配并行度与重定向次数对装配作业的影响,得到了遗传算法的程序编制方法．实例分析,验证了该算法的可行性与有效性．遗传算法对装配顺序优化具有重要意义．