共查询到10条相似文献,搜索用时 15 毫秒
1.
为了使设计者从道路线路设计的繁重计算统计工作中摆脱出来,应用组合数学理论分析了可能的重组方案数目,研究了局部方案间的逻辑关系和进行多方案重组的约束条件,提出用图的数据结构表示各局部方案间的关联,对指定的局部方案集合在图中按有向路径搜索原则确定局部方案的先后次序,并且从局部方案中获取数据,自动形成重组方案的算法。结果表明:该方案重组算法是正确的;应用该算法可以提高设计效率和水平。 相似文献
2.
基于力学与造价的CFRP-钢组合拉索斜拉桥设计理论 总被引:1,自引:0,他引:1
针对1400~2800m主跨斜拉桥整体刚度不足的问题,提出一种新型结构方案——碳纤维增强塑料(CFRP)-钢组合拉索斜拉桥。该方案将CFRP斜拉索与传统钢斜拉索同时应用于斜拉桥中,组合2种材料高强轻质及弹性模量高的优点,以:达.到提高斜拉桥整体刚度的设计目的。通过基于力学与造价的参数分析提出该组合拉索斜拉桥的3种设计原则:等安全系数等效刚度最优、等安全系数等效刚度性价比最优、等造价等效刚度最优,并分别给出详细的设计步骤及设计用图。最后,进行了多种方案1400m主跨斜拉桥试设计。结果表明:CFRP-钢组合拉索斜拉桥在力学与经济性方面均具有一定优势,其工程应用具有可行性,是主跨为1400~2800m斜拉桥的优选方案之一。 相似文献
3.
为提高物流配送效率,降低配送成本,探讨了三维装箱约束下的车辆路径优化问题.在装箱问题与车辆路径优化问题研究现状的基础上,将三维装箱与车辆路径优化进行整合,考虑客户需求、货物装载顺序、车辆尺寸、车辆重心等约束,建立以路径最短、车辆装载容积利用率和载重率最大的多目标组合优化模型,引入权重系数体现决策者偏好并归一化目标函数.设计适用的染色体编码规则,确定遗传操作中选择、交叉、变异方法,选取目标函数为适应度函数,引入最优个体保存策略防止算法的过早收敛,提高算法的准确性,通过Matlab编程实现该优化模型的求解.案例数值试验表明,该模型与算法能够实现装箱与车辆路径的组合优化,算法运行时间为17s左右,相较于引导式局部搜索遗传算法减少了5 s,车辆总行驶里程缩短了7 km. 相似文献
4.
5.
在应急系统中救援车辆调度对于提高应急响应能力、节约救援时间和降低生命财产损失发挥重要的作用.结合实际路网的特征,提出了以应急时间最短为优化目标函数,证明目标函数满足文中给出的最优调度函数定义.在此基础上,运用凸组合算法求解目标函数并进行了算法设计.仿真算例表明了所提目标函数的合理性及算法设计的有效性. 相似文献
6.
7.
公交线网优化设计是指在一定的运行约束条件下,选择1组公交线路和相关频率以达到优化目标的设计过程,可以表示为一个优化问题。针对具有高异质性出行需求的主支线公交树网络,在考虑客流需求和运营约束的前提下,以用户和运营者的成本最小为目标,提出了1种多目标非线性混合整数优化模型。优化变量为候选线路服务频率。为求解这一模型,设计了1种基于改进的布谷鸟算法的高效元启发式方法。该方法包括初始候选路线集生成过程;基于MNL模型的公交分配过程;确定路线服务频率的改进布谷鸟算法过程。通过算例验证了该方法的有效性和适用性。数值分析结果表明,该算法通过对所有可能的候选路径的服务频率选择得到接近最优的公交线路网络。另一方面,通过保持高峰时的公交线路为有效备择线路,为具有异质性出行需求的网络的重新设计提供了更好的解决方案。此外,该系统在1次运行中产生了1组帕累托解,其允许公交线网设计师评估运营商成本和乘客成本并做出折中方案。通过比较3种算法的计算结果和CPU时间,证明了改进的布谷鸟算法的可靠性和有效性。另外还研究了最优公交网络设计与公交运行速度、总需求规模等关键设计输入参数之间的关系,分析结果表明,关键设计输入参数与最优公交网络具有一定的协同效应。模型与算法为实际的大规模主支线公交树网络的优化设计提供了1种有效的工具。 相似文献
8.
9.
交叉路口是自动驾驶开发过程中面临的复杂交通场景,采用高精度地图方案成本高昂,而仅通过车载传感器难以有效识别路口形状,因此,提出了一种基于开源拓扑地图与视觉可行驶区域检测技术的路口局部路径规划算法。首先,基于开源拓扑地图采用A*算法规划全局导航路径作为引导线,然后通过语义分割技术识别当前可行驶区域,并结合车辆实时定位信息,在路口确定局部路径的起点、终点与一组备选控制点,最后采用贝塞尔曲线插值方法,得到备选路径的曲线簇,根据多维度加权代价函数结果选取最优局部路径,进而实现车辆在路口转弯过程的自动驾驶。实验结果表明,该策略能够在不依赖高精地图的情况下,在路口处有效规划出局部路径,提高自动驾驶车辆在路口处的通过能力,路口通过率可达99%。该策略不依赖高精地图和激光雷达,对于自动驾驶量产降本具有重大意义。 相似文献
10.
基于改进蚁群算法的运输调度规划 总被引:1,自引:0,他引:1
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。 相似文献