基于智能优化算法的动态路径诱导方法研究进展

采用综述的方法对当前动态路径诱导方法中一些有代表性的智能优化算法进行了深刻的探讨与总结,为未来进行深入而广泛的智能交通系统研究及应用奠定基础.主要从算法特性、改进效果、性能评价等方面详细讨论了智能优化算法在动态路径诱导系统中的常见改进机制及其效果,给出了这些优化算法的基本思想、优缺点及其应用局限性;并对智能优化算法性能评价方法的研究现状进行了详细的分析与总结,为建模人员和研究人员对智能交通系统中动态路径诱导方法的选择和研究提供支持;最后结合算法应用分析成果,展望了智能优化算法在动态路径诱导系统中的应用发展前景和智能交通系统中进一步研究未来动态路径诱导算法的重要研究方向.     

交通信号控制参数的仿真优化方法研究

为优化区域交通网络中各信号控制器的配时方案,利用递推最小二乘算法(RLS)和同时扰动随机近似(SPSA)算法,由检测器流量估计DynaCHINA动态网络交通仿真与分析系统的动态OD矩阵,输入并标定各路段的速度-密度模型参数和饱和流量,获得网络状态的准确估计,包括各路段的速度、密度、流量、队列长度等;在此基础上,利用SPSA算法优化各信号控制器配时参数,包括各信号控制器的周期、相位差和绿信比,使得网络中车辆的平均旅行延误、队列长度、或交叉口通过量等指标最优. 针对实际路网的测试表明,本文的参数标定方法可以获得准确的检测器流量估计,结果明显优于Ashok K的动态OD矩阵与检测器流量估计方法;与现有的基于Synchro信号配时优化软件获得的结果相比较,该方法可较大幅度缩短车辆在路网中的平均旅行延误,并可推广应用于更复杂的区域路网的信号控制参数优化等场合.     

��ͨ�źſ��Ʋ����ķ����Ż������о�

为优化区域交通网络中各信号控制器的配时方案,利用递推最小二乘算法(RLS)和同时扰动随机近似(SPSA)算法,由检测器流量估计DynaCHINA动态网络交通仿真与分析系统的动态OD矩阵,输入并标定各路段的速度-密度模型参数和饱和流量,获得网络状态的准确估计,包括各路段的速度、密度、流量、队列长度等;在此基础上,利用SPSA算法优化各信号控制器配时参数,包括各信号控制器的周期、相位差和绿信比,使得网络中车辆的平均旅行延误、队列长度、或交叉口通过量等指标最优. 针对实际路网的测试表明,本文的参数标定方法可以获得准确的检测器流量估计,结果明显优于Ashok K的动态OD矩阵与检测器流量估计方法;与现有的基于Synchro信号配时优化软件获得的结果相比较,该方法可较大幅度缩短车辆在路网中的平均旅行延误,并可推广应用于更复杂的区域路网的信号控制参数优化等场合.     

高维动态函数优化的免疫算法研究

生物免疫系统在识别和清除抗原的过程中,免疫细胞之间信息交互和协作,能够快速适应环境变化,具有很强的学习和自适应控制能力.基于此,本文提出了针对高维动态函数优化的免疫算法.该算法的主要特点是采用Gray码编码、采用不同的克隆繁殖策略、对抗体实施不同概率的超变异和多细胞编辑等操作,提高算法寻优能力和种群的多样性.通过与几种典型算法进行比较,仿真结果证明该算法对动态优化性能及跟踪能力有明显的改善     

信号交叉口不对称交通流的优化控制方法

为了改善不对称交通流导致信号交叉口进口道交通负荷分布不均、通行效率低下的问题,对交叉口对向交通流的分布形式及其适用的相位方案进行了分析,建立了信号周期动态相位方案的生成规则,并以综合交通效益最大为目标建立了交叉口不对称交通流的动态相位信号控制参数优化模型,并给出了其求解算法.分析了不对称系数大小及其阈值变化、不对称信号周期比例对优化方法的影响,并以哈尔滨市红旗大街-淮河路交叉口为例,VISSIM仿真结果显示,采用动态相位优化方法后,该交叉口的车均延误、平均排队长度和停车率等评价指标下降了27.8%以上,验证了动态相位优化方法的有效性.该方法能减少直行车流的停车等待时间、避免交叉口部分进口方向时空资源的空耗,有利于信号交叉口通行效益的提升.     

改进动态克隆选择算法在邮件过滤中的应用研究

提出了可控变异和随机变异方法,改进了动态克隆选择算法,建立并实现一种改进的基于人工免疫系统的邮件过滤算法.并采用SpamAssassin垃圾邮件样本对算法性能进行测试.实验结果表明,引入改进的动态克隆选择算法后,该算法对具有变异特性的垃圾邮件能保持较高的正确识别率,具有较好的自适应性和多样性.     

一种优化的分布式光网络的动态带宽分配算法

在分析了EPON的拓扑结构及其调度机制的基础上,根据分布式计算的特点,提出了一种优化的可适用于分布式光网络的动态带宽分配算法CPDBA.该算法根据分布式计算任务的实时性和时序性,进行动态调度,并利用数据包的相关性,进行预测动态分配信用带宽.该算法能适用于分布式光网络,并减少了数据包的时延.     

��������С���任��GPS��̬�˲����㷨

针对应用卡尔曼滤波器进行车辆GPS导航信号的动态滤波时难以建立精确的数学模型以及传统小波变换在实时性方面存在不足,提出了基于提升小波变换的GPS动态滤波新算法.该算法采用提升小波变换对车辆GPS导航信号进行分解;用3σ准则和多项式插值方法对各层提升小波变换系数进行粗差探测与数据修复;采用模平方软阈值去噪算法对各层提升小波变换系数进行去噪;最后进行提升小波逆变换,从而实现车辆GPS导航信号的动态滤波。仿真实验结果表明,该算法的导航定位精度优于卡尔曼滤波算法;虽然在导航定位精度方面稍比传统小波变换算法的性能高,但比传统小波变换算法速度快一倍;显然该算法对车辆GPS导航系统是有效的.     

机场停机位分配问题研究

机场停机位分配是机场地面作业中的一项核心任务,本文对机场停机位分配问题进行研究,为最大限度降低实时运行中航班延误对预分配方式的影响,以最小化停机位各空闲时间段的离差为目标函数建立数学模型。对于该问题,首先采用贪婪算法对不考虑航班机型-机位匹配约束的情形进行优化,并给出最优性证明;然后结合动态时间窗法对考虑机位-机型匹配约束的模型进行优化求解．最后用一个实际算例对算法进行了验证,并与其他优化算法进行了对比,检验本算法的最优性．     

���й���ϵͳ��������Ż������о�

采用混合整数优化方法,研究城市公交系统宏观网络优化整合问题. 根据区域间服务水平要求、公交供给能力以及满足一定乘客出行要求,构造公交系统宏观网络优化整合多目标模型,该多目标函数考虑乘客总出行时间成本、各公交方式的建设总费用、各公交方式的能耗和污染物排放总费用、枢纽建设总费用最优;并给出最优解的多方案求解步骤;针对多节点采用Branch-Cut算法进行求解,提高求解效率;通过算例对模型和算法的可行性和有效性进行了验证,说明该算法可得出不同发展阶段下的公交宏观网络最优布局方案;结果表明,提出的模型与算法能对城市公交宏观网络布局提供辅助决策支持.     

基于粒子群优化模糊控制器的电动汽车再生制动控制策略研究

为提高电动汽车一次续驶里程,引入双锂离子电池组供电模式和电机再生制动能量回收系统,设计电动汽车的动力系统结构.通过对电动汽车制动模式进行分析,提出了基于粒子群优化算法的电机制动力矩模糊控制策略,并给出粒子群优化策略的算法实现.通过硬件在环仿真,证实了该控制策略能提高能量利用率.     

基于自适应粒子群优化算法的交通量短时预测模型

在考虑交通量短时变化的时空特性和波动性基础上,建立了非线性交通量短时预测模型.根据我国城市道路交通流非线性、时变性、随机性等特点,提出自适应粒子群优化算法对非线性交通量短时预测模型进行在线修正.该自适应粒子群优化算法采用两步优化策略,对算法参数进行调整,避免算法早熟收敛,有效提高了算法的运算精度和效率.利用城市道路的实测数据,通过Mat-lab软件工具箱对该模型进行计算机仿真验证.     

基于改进粒子群算法的机组经济运行的博弈

在电力市场下如果能够根据实时电价求出在该电价下机组经济运行状况,可以给发电公司权衡报价风险和企业利润提供极大的帮助.如果发电公司仅依据发电成本报价,在参与竞价上网时会因缺乏灵活性而造成机组被迫频繁停机和利润空间的浪费.为此,根据企业利润最大化原则建立机组经济运行数学模型,并用改进粒子群算法对模型优化求解.通过实例分析与传统方案的预测结果进行比较,说明其效果的优劣.其给发电公司决策提供更为灵活,有效的方法.     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱,以及过分依赖历史数据的不足,提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型,包括受限玻尔兹曼机的显层节点输入端,受限玻尔兹曼机的若干中间层,以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较,结果表明,在相同的数据和计算平台下,本文提出的深度学习回归机预测方法精度更高,且预测实时性也能满足实际的需求.     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

基于粒子群优化小波神经网络的行程时间预测

为使道路使用者在出发前获得具有高实时性和可靠性的行程时间预测信息,提高出行效率,需提升高速公路行程时间的预测精度。鉴于此,将生物学中粒子群优化算法（Particle Swarm Optimization Algorithm, PSO）引入小波神经网络（Wavelet Neural Network, WNN）中,构建基于粒子群优化小波神经网络（Particle Swarm Optimization Wavelet Neural Network, PSO-WNN）的高速公路行程时间预测模型。首先将高速公路原始收费数据规整化,截取其中有效字段,获取研究路段一个月的行程时间数据并对其进行数据处理。然后分别基于PSO-WNN模型和WNN模型,利用Matlab进行实验。实验结果显示,PSO-WNN模型预测结果的平均绝对误差、平均相对误差和均方误差较WNN模型分别降低了83.36%, 82.20%和98.15%。PSO-WNN行程时间预测模型不仅预测精度高,而且能较准确地预测出行程时间的走向及波动情况,在收敛速度方面也呈现出一定的优势,具有较好的适应能力。     

基于粒子群算法(PSO)的人员疏散动力学模型

基于粒子群算法思想,建立紧急情况下公共场馆人员疏散的动力学模型.该模型考虑人员之间的相互作用,依据人员实时局部密度的变化改变个体的最大速度以及保有区域尺寸,具有时空非均匀的特点.定义个体冲量以及受伤冲量阈值,考虑人员受伤对疏散过程的影响,同时还比较了多出口疏散与单出口疏散的特点和效率.算例结果表明,疏散结果与元胞自动机模型相似,理想化更新流程的结果小于其他疏散模型的结果.     

基于粒子群算法的道路交叉口信号配时优化模型——以昆明市为例

在现有交通资源下,利用交通信号的动态调控缓解交通拥堵是一种行之有效的方式。首先探讨了道路交叉口信号控制的空间和时间优化思路,在时间优化方面提出基于粒子群算法的信号配时优化模型。以昆明市学府路为例,在分析大量交通流数据的基础上,根据三相交通流理论,对交通状态进行划分并提出有针对性的控制策略。将信号配时优化模型应用于学府路3个相邻的关键交叉口。交通仿真和方案试运行结果显示,优化前后同步流状态下交叉口延误平均降低21.0%,车辆排队长度平均降低12.4%;堵塞状态下交叉口延误平均降低32.0%,车辆排队长度平均降低24.9%。这一结果表明该模型在道路交叉口信号配时优化中具有合理性和有效性。     

微粒群优化算法及其在创新概念设计中的应用

群体智能近年来受到了国际智能计算研究领域学者的广泛关注。微粒群优化是群体智能中最重要的一种算法。介绍了群体智能和微粒群算法的原理和算法流程，提出将微粒群优化算法应用于创新概念设计中，并展示了一个应用实例。     

基于多中心车辆路径问题的收益分配优化研究

针对多中心车辆路径优化过程中配送中心间合作收益分配不均衡的问题,引进物流服务提供商作为协调者促成配送中心间形成合作联盟.首先,以多中心共同配送总成本最少为目标建立数学模型;其次,应用客户点聚类方法形成初始线路,并设计了GA-PSO混合算法进行线路优化;然后,运用MCRS(Minimum Cost-Remaining Saving)法、Shapley法、比例最小核心法、弱最小核心法和最小核心法分别求解多中心收益分配模型,并应用联盟稳定性方法选择最优收益分配策略;最后,应用严格单调路径方法,以物流服务提供商收益最大化为目标,研究联盟合作序列形成过程和多个联盟的存在形式,并进行了实例验证.结果表明,本文方法有利于促进配送中心间形成联盟,并可应用到以多中心车辆路径优化为基础的物流运输网络合作联盟形成、拆分及网络优化的过程中.