基于遗传蚁群算法的履带式混合动力车辆控制策略参数优化

针对控制策略参数优化中存在的问题,提出一种基于遗传蚁群算法的履带式混合动力车辆整车控制策略参数优化的新方法。基于优化设计的思想,以最小燃油消耗量为目标函数,建立控制参数优化问题的数学模型,然后结合遗传算法和蚁群算法各自的优点提出一种遗传蚁群优化算法,并对控制策略参数优化问题进行数值求解。结果表明,优化后车辆燃油消耗减少14.9%,说明该方法可以找到一组全局最优的参数,大大缩短控制参数的实车标定时间。     

基于GA+ACO的交通拥挤及事故规避系统研究

为了减少车辆在行驶过程中产生的交通事故和规避拥挤道路,研究了道路拥挤程度的影响因素和评价指标以及道路事故的理论与模型。提出采用路网的动态路阻对事故的影响程度和道路拥挤程度进行综合评价,并对动态路阻采用模糊理论进行量化。同时研究了遗传算法和蚁群算法在该规避系统中的应用,采用遗传蚁群的混合算法,综合了遗传算法全局搜索和蚁群算法求解精确的特点。用Matlab对该路阻函数和混合算法进行仿真,并进行了实际路网测试,结果表明利用该路阻函数和混合算法能够达到规避拥挤、规避潜在事故和规避已发事故的目的。     

基于改进蚁群算法的运输调度规划

在运输调度等组合优化问题的最优路线的搜索中,传统蚁群算法ACA(Ant Colony Algorithm)存在搜索时间长、收敛速度慢、易陷于局部最优解等缺点。为了克服这些缺点提出了一种改进的蚁群算法,该算法将遗传算法和蚁群算法结合起来,在蚁群算法的每一次迭代过程中,首先采用自适应策略控制它的收敛速度,然后使用变异操作来确定解值,从而提高它的搜索性能。再结合建立的运输调度性能指标,利用遗传算法、蚁群算法和改进蚁群算法3种方法分别进行运输规划,通过比较其时间花费和运输费用,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,提高了算法性能。     

弯曲道路识别方法与目标函数选取的研究

首先对道路图像进行中值滤波、边缘增强和二值化处理获得道路二值图像.将图像等分为5×5像素的子块图像,建立抛物线模型,计算抛物线通过区域各子块灰度均值及子块间灰度方差,并以此作为图像特征构造合理的目标函数,运用蚁群算法优化抛物线参数,识别道路边缘.该目标函数既用于评价拟合程度,又用于决定算法中信息素增量.实验证明该方法具有良好的实时性、可靠性和鲁棒性.     

基于蚁群算法与海量AIS数据的船舶航线规划

利用船舶AIS轨迹数据,研究了基于蚁群算法和海量AIS数据的航线规划方法.采用Doug-las-Peucker算法对海量轨迹数据进行压缩处理;基于DBSCAN算法对处理后的AIS轨迹点数据进行聚类,提取出航路关键转向点;依据地理边界数据确定关键转向点的连接关系,并对靠近孤立碍航物的航线进行修正,构建出1个无向网络图,同时计算出各条边的船舶航行密度;将各边的密度值作为MMAS蚁群算法的初始信息素浓度,求解港口间的最优安全航线.以2017年黑德兰港到青岛港的散货船AIS轨迹数据为样本,进行航线规划研究.结果表明,规划的航线总航程为3487.21 n mile,推荐航线总里程为3576.9 n mile,传统蚁群算法规划出的航线总里程为3560.42 n mile.与相关推荐航线相比总航程缩短约为3%,与传统蚁群算法相比总航程缩短约2%;另外该方法相较于传统蚁群算法收敛速度更快.      

基于节点重要度的城市群城际道路公交线路规划

为解决城市群公交一体化推进中道路客运公交化和公交线路优化规划问题,通过构建城市群区域路网节点重要度评价模型对路网节点进行评价确定公交线路必经节点,以最优路径为目标,建立城市群各路段权重计算模型,通过蚁群算法求解,确定道路公交线路布局;以湖南长株潭城市群进行实例论证,求解结果表明该规划方法具有一定的可行性和实用性。     

基于信号灯配时的动态路径诱导模型

针对城市交通流量变化产生的问题,在交叉口信号灯配时方案改进的基础上建立了动态路径诱导的双层优化模型,上层模型以行驶时间为目标函数,下层模型以总交叉口延误最小为目标函数。利用改进蚁群算法来求解优化模型,从而获得多准最优路径。以实际交叉口为例,将信号灯配时改进前、后的模型计算结果进行比较。结果表明:应用信号灯配时改进后的模型获得的路径更省时,交叉口等待通行时间更短。     

带动态障碍区的自由区域路径实时优化问题的混合算法

自由区域路径优化问题可以在除障碍区之外的整个区域内自由规划路径,为了解决带动态障碍区的自由区域路径实时优化问题,提出了一种遗传算法(GA)加滑动地平线控制(RHC)的混合算法。首先,建立和讨论了带动态障碍区的自由区域路径实时优化问题的数学模型。然后,详细描述了提出的遗传算法加滑动地平线策略的混合算法,阐述了混合算法中滑动地平线控制与遗传算法结合的关键步骤之一:可变长度染色体的设计。全面探讨了混合算法中滑动地平线长度的选择对于混合算法的影响,说明了滑动地平线控制策略中不同终端加权设计的路径优化效果,并通过终端加权的设计,以保证路径规划的可行性和优化性能。仿真结果表明,遗传算法(GA)加滑动地平线控制(RHC)的混合算法非常有效,在确定性的环境条件下,获得与现有GA算法几乎相同的求解性能,而在动态和不确定的环境下,新算法则取得了更佳的求解效果。在这两种情况下,带RHC的混合算法的在线计算时间是单纯GA算法的一小部分。     

求解带时间窗车辆路径问题的狼群算法

针对城市物流配送和交通运输中广泛存在的带时间窗车辆路径问题,为寻求最佳路径规划,应用惩罚函数,构建了以总运输成本最小为目标的数学模型。在车辆路径优化求解方面,根据问题具体特征设计了1种二维编码方式,并采用近邻初始化方式构建初始解从而提升寻优速率;随后,结合狼群算法觅食行为中的游走、召唤及围攻3种行为,重新定义其智能行为,设计了一种求解带时间窗车辆路径问题的狼群算法。由于原始狼群算法的召唤行为引入距离判定因子来增大种群搜索空间,但也增加了算法复杂性且易陷入局部最优,故本研究舍弃了距离判定因子,采用猛狼1次奔袭便进入围攻状态来降低算法复杂度,并在算法中进一步增强了种群间信息交互。最后,应用该狼群算法求解多个测试算例。结果表明:狼群算法在求解带时间窗的车辆路径问题时是可行的、有效的;与禁忌搜索算法、遗传算法、改进蚁群算法和混合粒子群算法等常见智能优化算法相比,狼群算法不仅具有收敛速度快和搜索质量高等优点,而且拥有良好的稳定性和求解效果。     

混合蚁群算法求解带时间窗的车辆路径问题

采用营运车辆的最短行驶距离作为带时间窗车辆路径问题的优化目标,在混合蚁群算法中采用信息素3层更新策略以完成对车辆的调度,信息素挥发自适应策略充分考虑实时路况,考虑信息素空间扩散特性的局部更新策略,更加忠实于自然界的真实蚂蚁系统,可以提高算法的收敛速度,采用阈值判断的全局信息素更新策略可以防止算法陷入局部最优。通过C#语言实现了混合蚁群算法的计算机求解,最后对10个仿真实例进行仿真计算,结果表明,混合蚁群算法收敛快,寻优结果稳定。     

遗传算法在混合动力汽车参数优化中的应用

混合动力汽车的动力部件参数和控制器参数对整车燃油经济性和排放有重要的影响。文章分别以基于遗传算法的3种算法：权重系数法、并列选择法和共享函数法对一辆样车的参数进行离线仿真。结果表明,应用这些方法获得的优化参数,在满足车辆特定性能的前提下能有效地减少油耗和降低排放。对比分析优化结果,找出最适合HEV参数优化的算法,并给出参数优化的多组Pareto最优解。     

基于无人机航路规划问题的蚁群算法综述

蚁群算法是一种源于生物界的模拟进化算法,是解决优化问题最有效的算法之一。航路规划作为无人机控制研究的重要环节之一,文章以无人机航路规划问题为基础,集中讨论了对航路点的选取、路径点的信息素更新、与其他算法相结合的改进蚁群算法。     

基于混合遗传算法的主动悬架集成优化研究

作者提出的主动悬架的集成优化方法是以主动悬架的结构参数与LQG控制器为优化对象,以主动悬架系统输出的车身垂直加速度、悬架动位移、轮胎动位移和主动控制力的加权和为优化性能指标。同时提出了一种混合优化算法,它利用梯度算法每次迭代得到的结果来改进遗传算法的群体,而用遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的初始点。运用该混合遗传算法进行主动悬架系统的集成优化控制能有效地提高汽车行驶平顺性和安全性。     

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.      

遗传蚁群算法在公路隧道照明设计中的应用

针对隧道照明系统的高能耗问题,为有效降低其能耗,建立隧道中间段中线侧偏布灯方式的参数优化模型。以隧道中间段照明为研究对象,照明灯具的总功率最小为评价标准,以路面照度、亮度满足交通安全要求为约束条件,分别采用遗传蚁群算法、标准遗传算法以及照明设计软件DIALux得出该优化模型的最优参数设计方案。结果表明:遗传蚁群算法在隧道照明设计方面具有更显著的节能效果,是一种研究隧道照明设计问题的有效方法。     

基于城市干道十字路口场景的纯电动汽车两目标优化研究

以某款纯电动汽车在城市双向四车道十字路口场景下运行的安全性和经济性为目标函数,进行了4种运行轨迹分析,采用NSGA-Ⅱ算法对车速和加速度进行优化求解,提出一种基于NSGA-Ⅱ算法的模糊控制策略,并制定相关的隶属度函数和模糊规则,验证了纯电动汽车双目标优化模型的准确性和可行性。结果表明,该目标函数很好地兼顾了纯电动汽车的安全性和经济性等问题,得到了纯电动汽车在双向四车道十字路口下的最优运行轨迹和最佳道路宽度,提高了纯电动汽车通过城市干道十字路口的安全性和经济性。     

基于改进并列选择遗传算法的路网养护方案优化

针对公路路网养护需求矛盾,在综合考虑养护资金、投资效益和养护质量等必要目标的基础上,提出采用并列选择遗传算法结合惩罚函数算法对养护方案进行全局优化,使养护决策合理化、科学化。仿真结果表明:在对带约束条件的多目标养护决策优化中,改进并列选择遗传算法通过构造加以罚函数的适应度函数在解空间进行并列选择遗传进化,能够快速地搜索出16个全局最优解,为养护决策提供了准确的数值依据,与文献中数学规划和遗传算法最多2个最优解比对,验证了该算法的有效性和优越性。     

考虑疫情影响的卡车无人机协同配送路径优化

在新型冠状病毒感染的肺炎（新冠肺炎）疫情蔓延的背景下，提出利用“卡车-无人机”协同配送新模式对疫情相对严重的地区进行物流配送，进一步研究该模式对疫情影响下物流配送的价值。考虑无人机最大飞行时间、载重以及道路条件等因素，将客户分为只能由卡车服务的客户、只能由无人机服务的客户以及卡车与无人机均能提供服务的客户3类，以车辆总服务时间最小为目标，建立车辆与无人机协同为客户提供配送服务的数学模型。设计嵌入简单启发式算法的混合邻域搜索算法，通过不同规模算例运算时间及多次运算解的波动性验证算法的有效性；通过对TSP算法、邻域搜索算子的不同组合的分析，找出最优的组合，进而对无人机最大飞行时间、无人机飞行速度载重影响因子进行了灵敏度分析。研究结果表明：计算结果验证了算法的有效性；TSP算法质量直接影响邻域搜索操作得到解的质量，可以通过高效TSP算法设计寻找更好的配送方案；无人机续航能力越强，目标函数就越小，无人机飞行速度载重影响因子越大，导致配送所需的服务时间越多，可以通过选用续航能力强、飞行速度受载重影响小的无人机提升配送服务效率。研究成果可以为城市发生重大灾难或特殊情况时，城市物流配送系统中无人机的应用提供指导和参考价值。     

遗传算法与粒子群算法的混合策略

基于对粒子群优化算法原理的分析,本文讨论了一种带交叉操作的混合粒子群遗传算法以及在此基础上加入了灾变操作的混合粒子群遗传算法。通过三个不同类型的基准函数实例的计算,混合算法比标准粒子群算法的性能更好。     

三维建模道路地形三维可视化分析

研究一种可以适用于道路地形三维建模的DEM可视化模型精度优化方案.通过对道路地形三维DEM模型的现状和问题分析,发现在不改变当前基于无人机航测遥感硬件设备的基础上,通过充分优化后置数据平差算法,引入带有数据卷积功能的多列神经网络机器学习技术,可以将基于多种测量技术的混合测量结果进行综合平差的数据精度提升2个数量级.在仿真试验中表明,在可视化结果中的长度截取误差、以及基于上述长度截取过程获得的工程量计算误差、材料费计算误差、工程总造价误差等方面,优化算法分别将数据精度提升90.7％、86.0％、87.6％、79.3％.最终认为,虽然该方案尚未被工程测量相关国家标准接纳和支持,但单纯从数据角度分析,该方案在公路规划设计领域的工程测量中表现出一定的积极意义,具有一定的推广价值.