基于DQN算法的支线集装箱船航线规划与配载协同优化方法

针对支线集装箱船运输中喂给港数和靠泊条件不一,以及集装箱船队船型多样的特点,考虑航线规划与配载环节在实际运输过程中的紧密联系,研究支线集装箱船航线规划与配载协同优化方法。采用两阶段分层方法研究航线规划与集装箱配载问题,设置多个港口、不同船型及其贝位和堆栈组合、不同尺寸集装箱的集合,并确定其间基本关系,实现两阶段优化过程的完整性和连续性。第一阶段以航线总运营成本最小为目标建立船舶航线规划模型,第二阶段从主贝计划角度出发进行配载优化,确认集装箱与堆栈的对应关系,以船舶混装堆栈数最小为目标建立船舶配载模型,保证船舶稳性在航线任意时段均满足要求,并减少堆栈混装数量,提高到港作业效率。为实现模型高效求解,基于深度强化学习的Deep Q-learning Network（DQN）算法架构,设计了航线规划与配载决策对应的马尔可夫过程,结合问题自身特征分别完成强化学习智能体状态空间、动作空间以及奖励函数设计,构建了两阶段分层求解的DQN算法。实验结果表明：随着船舶数量和船舶装载率的增加,模型精确求解的时间大幅增加,部分算例无法在600 s内完成求解,而DQN算法可实现快速求解;与模型及粒子群优化（Particle Swarm Optimization,PSO）算法相比,DQN算法可高效求解不同规模下的算例,大规模算例求解最大耗时31.40 s,平均耗时30 s以内,求解效率较好;进一步计算表明,不同喂给港数量下PSO算法在求解时间上的平均标准差为11.20,而DQN算法平均标准差仅为1.74,鲁棒性更好。总体来看,DQN算法在求解时间上随问题规模变化而产生的波动较小,具有更加稳定的求解性能,可实现高效寻优。     

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。     

路径诱导问题中Dijkstra算法和矩阵迭代算法的比较研究

Dijkstra算法和矩阵迭代算法都是最短路径问题的经典算法,为了研究这2种算法的计算效率,介绍了2种算法的基本思路和程序流程;通过对时间复杂度、结果和时间的关系指标进行多次计算,表现2者之间的效率差异.比对结果显示:矩阵迭代算法较Dijkstra算法速度快;随着交叉口数的增加,前者较后者速度优势更加显著;前者计算思路较后者简洁,便于计算机程序的编写.     

基于影响矩阵和粒子群算法的异形斜拉桥调索

斜拉桥的合理成桥索力的确定是斜拉桥设计和施工中的关键环节,获取符合条件的初索力是建立桥梁的有限元模型、完成施工阶段的分析和施工索力监测的基础.异形斜拉桥的结构相对比较复杂,其受力特点不同于常规的斜拉桥,传统的迭代法或具有不适用性,且迭代法需要进行多次试算,过程较为繁琐.粒子群算法可以高效便捷地得到合理的成桥状态,实现索力优化的自动化和智能化.为验证结合粒子群算法的索力优化方法的可行性,以某异形斜拉桥项目为背景,建立三维有限元模型,结合影响矩阵法和粒子群算法编MATLAB程序对桥梁斜拉索的初始索力进行求解,并与传统迭代法的优化结果进行比较,验证该方法的可行性.结果表明:传统迭代法在优化结构较复杂的异形斜拉桥时具有局限性,基于影响矩阵和粒子群算法的索力优化方法能够用来自动化求解结构较为复杂的异形斜拉桥的初始索力群,优化过程简便、高效.     

基于粒子群算法的改建道路纵断面自动设计研究

为改变现有改建道路纵断面设计软件拉坡设计人工耗时长、随意性大、主观性强、设计方案参差不齐的状况,本文首次提出了基于粒子群算法的改建道路纵断面自动设计,以提高设计效率、减少工程投资。文章在满足相关规范、路面改造方案前提下,以改造纵断面填挖方高度总和最小为目标函数,以纵坡长度、纵向坡度、竖曲线半径为约束条件,以变坡点的里程、高程为变量,利用粒子群算法原理,构建了基于粒子群算法的改建道路纵断面自动设计模型。研究结果表明：该设计模型达到了改建道路纵断面自动适应贴合现状道路高程、路面改造工程量最小的目的,当粒子群算法迭代次数达到400多次时,粒子适应度函数趋于收敛,当迭代次数设为500次时,可以获得满意的成果。实例验证表明：与传统的人工设计相比,算法自动设计的效率更高,自动设计过程仅需2~3s,拟合原地面线的效果更好,能节省近一半的路面加铺工程量,优化设计效果显著。基于粒子群算法的改建道路纵断面自动设计,可为道路改造设计及设计咨询提供了理论基础与技术支持。     

基于大数据背景的量子机器学习算法研究概论

机器学习作为计算机学科领域的一个分支,是由人工智能以及模式识别计算功能转变而来的,同时作为人工智能的核心组件广泛应用于不同行业领域中.实践证明,通常情况下,所处理的数据库资源规模性越突出,相应进行的机器学习成效愈发显著,呈整体呈现上升趋势.由此可见,机器学习作为大数据分析最佳纽带,在智能领域的特殊作用不可低估,必须依据...     

基于蚁群算法的EPS系统仿真研究

针对车辆电动助力转向系统(EPS)的特点,提出了基于蚁群算法的电动助力转向系统控制策略,将蚁群算法与模糊PID控制器相结合,根据车辆不同运行工况,通过实时在线优化模糊PID控制器中的控制参数,进一步提高EPS系统的控制精度与收敛速度,通过Matlab/Simulink进行了各种运行工况下整车EPS系统的仿真实验。实验结果表明,与常规PID控制相比,采用基于蚁群算法的控制策略,EPS系统的控制精度高、超调量小、调整时间短,该控制策略具有蚁群算法收敛响应速度快和PID控制精度高的优点,适合应用于车辆EPS系统。     

基于蚁群算法的最短路径搜索方法研究

最短路径搜索是车载定位导航系统中很重要的一个功能,最短路径搜索问题本身也可以归结为组合优化问题.蚁群算法是基于群体的一种仿生算法,为求解复杂的组合优化问题提供了一种新思路.文章尝试采用蚁群算法来解决车载导航系统中的最短路径搜索问题,并在VC 6.0的环境下进行了仿真实验.实验结果表明,该方法能有效解决车载导航系统中的最短路径搜索问题,具有一定的理论参考价值和实际意义.     

基于改进RRT*算法的自动驾驶车辆路径规划研究

针对自动驾驶车辆,文章在交叉路口环境下提出了一种改进的快速搜索随机树(RRT*)路径规划算法.首先,对自动驾驶车辆的驾驶行为环境予以描述;其次,针对原始RRT*算法提出改进的目标偏向策略予以改善;进一步,对原始RRT*算法在交叉路口无效采样的问题,提出一种概率采样策略.基于Matlab/Simulink联合仿真平台构建...     

基于K-means算法的行人检测方法研究

行人作为交通事故易受伤群体之一,其安全保障越发受到重视.结合车载激光测距仪实时采集的车辆前方障碍物距离信息,提出基于K-means算法的行人检测方法.首先对激光测距仪接收的距离信息进行报文解析,形成激光云点图.其次,对激光云点图进行预处理,消除冗余数据.再应用K-means聚类算法对前方障碍物进行分类,最后建立行人宽度模型甄别行人目标.试验结果表明,基于K-means聚类算法能从激光云点图中快速提取行人目标,为汽车主动安全及交通安全研究提供基础.     

基于NX的自动冲压线效率影响因素研究

以某一确定的自动冲压线和发动机罩外板、前门外板和侧围外板为特定零件研究对象,基于实际生产线体、设备和冲压模具,采用NX软件进行3D建模并模拟研究影响自动冲压线效率(SPM)的影响因素及其主次,并确定不同种类零件SPM理论目标。结果表明,所研究对象线体极限SPM约为12.3件/min。影响自动线效率因素有一级影响因素零件深度、工序之间旋转角度和压机冲次;二级影响因素送料高度差和零件偏心;三级影响因素模具特有结构。发动机罩外板类、前门外板类和侧围外板类自动线SPM理论目标分别为11.07件/min、11.1件/min8.8、件/min。     

指定资金约束的高速公路养护决策算法研究

应用工程经济原理与方法对高速公路路面养护管理费用进行了分析。针对养护决策优化中指定资金约束下的养护方案优选问题,以养护费用关系为基础开发了指定资金约束条件下的高速公路养护决策动态规划算法,并基于组合预测的思想对算法中状态转移预测进行了研究。实例表明决策方案得到改善。     

基于栅格数据道路选线模型算法的应用研究

主要介绍基于GIS栅格数据计算最优道路路线问题的算法设计原理和实现方法，它主要是根据坡度分级费用、最大坡长、最大纵坡和选线范围等限制条件，运用费用栅格矩阵法计算最优道路路线。最后给出一个示例，以验证道路选线模型计算结果的正确性。     

基于人工鱼群算法的大跨度斜拉桥模型修正算法研究

针对大跨度斜拉桥模型修正对优化算法要求较高的特点,提出一种改进的人工鱼群算法并将其应用于清水浦大桥的模型修正。将清水浦大桥健康监测系统所提供的数据作为模型修正的目标量,利用改进的人工鱼群算法,对该桥有限元模型进行修正,以使结构的模型计算响应值与实测值相匹配。     

基于DEA的新能源汽车分时租赁运营效率评价研究

新能源汽车分时租赁以灵活方便的租赁特点,成为整车企业、运营商等转型升级的重要商业模式。当前,新能源汽车分时租赁尚处于发展初期阶段,运营效率将是实现模式盈利水平和影响市场竞争力的关键因素。本文结合新能源汽车分时租赁共享出行的运营特征,构建了涵盖企业、车辆、网点、消费者等数据类型的运营管理平台数据库框架,并建立了涵盖建设、运营、管理、消费者使用4个二级指标、11个三级指标的评价体系。基于市场上现有的新能源汽车分时租赁模式,通过DEA方法模型分析运营效率的现状,挖掘运营效率存在的问题,并提出在车辆成本、配套资源、搭载体验、增值服务、用户需求、基盘客户六大方面的发展建议。     

基于模态柔度法的连续梁结构损伤识别研究

利用模态柔度矩阵对角线元素的相对变化率和曲率对连续梁结构进行损伤定位,对这2种指标进行了损伤灵敏度和噪声灵敏度分析.研究了测试不完备和存在观测噪声条件下利用这2种指标进行损伤识别时所存在的困难.针对某三跨连续梁桥,对几种振型扩展与修正的方法进行了比较研究.提出了适合于该类问题的振型修正方法,计算结果表明该方法能够在测试不完备和存在观测噪声的条件下对连续梁结构进行较为准确的损伤定位.     

基于DEA的区域公路运输效率评价方法研究

针对区域公路运输效率,选取8个指标建立运输效率评价指标体系,并运用DEA方法构造出评价运输效率有效性的CCR模型.利用该模型从投入冗余和产出不足2方面对安徽省2000-2011年公路运输有效性进行评价分析.研究表明,公路运输业的投资和资源的扭曲消耗对公路运输效率的影响较大.     

基于改进型蚁群算法的车辆导航路径规划研究

在分析车辆路径规划问题(VLD)特点的基础上,提出了VLD的数学模型以及适用于求解VLD的蚁群算法。详细分析了蚁群算法的参数对算法收敛速度和计算结果精确度的影响,提出了一种能够提高算法的收敛速度和全局搜索能力的参数自适应调整的策略,并对原有基本蚁群算法进行了改进。随后进行了仿真试验,根据所得仿真结果将改进蚁群算法与基本蚁群算法从全局收敛能力、计算稳定性以及计算速度等方面进行了全面比较,结论表明改进蚁群算法各方面均优于基本蚁群算法,证明了改进算法的可行性及有效性。