混合交通网络设计的遗传免疫算法研究

为了研究混合交通网络设计的启发式求解算法,以路段建设费用和网络费用最小化为目标,建立了混合交通网络设计的双层规划模型。鉴于标准遗传算法的局限性,基于人工免疫思想,将免疫系统仿生机理中的免疫调节、克隆选择、免疫记忆引入到遗传算法中,给出了求解混合交通网络设计的遗传免疫算法。通过算例验证了算法的有效性,并和标准遗传算法进行了比较。结果表明,在混合交通网络的设计中遗传免疫算法比标准遗传算法具有更好的求解效果。     

PHEV复合储能系统设计及基于MODA的参数优化

为了提高插电式混合动力汽车的燃油经济性、降低污染物的排放,并解决插电式混合动力汽车单一动力电池低比功率、无法响应暂态功率需求的问题,设计蓄电池和超级电容并联的复合储能系统,采用带有滑动窗口的实时小波功率分配策略,并对滑动窗口长度进行选择。该功率分配策略将复合储能系统的需求功率分解成高频和低频两部分,超级电容接收高频分量,蓄电池接收低频分量,避免了高频分量对于蓄电池的冲击,提高了蓄电池的耐久性和可靠性。制定基于规则的控制策略,以整车燃油消耗量和污染物排放量为优化目标,利用多目标蜻蜓算法对相关控制参数进行优化。基于ADVISOR搭建含有复合储能系统的插电式混合动力汽车整车仿真模型,采用新欧洲行驶循环工况进行测试,并通过与带精英策略的非支配排序遗传算法进行对比,验证算法的有效性。研究结果表明：利用多目标蜻蜓算法优化后的车辆百公里燃油消耗平均降低了12.71%,污染物综合排放性能平均下降了10.05%;相对于优化前,发动机输出功率减少,电机输出功率增加,发动机和电机的工作效率均得到了显著提升;Pareto最优解的收敛性和覆盖范围优于带精英策略的非支配排序遗传算法,同时得到的多组Pareto最优解为整车设计和优化提供了更多选择。     

基于遗传算法的定制公交多停车场多车线路优化

为了有效地定制公交线路方案以提高运行效率,针对目前定制公交多停车场多车线路优化大多采用先聚类后求解的问题,以及在进行定制公交线路优化建模时忽略上车区域到下车区域距离,或者将其设定为定值的问题,提出一种基于遗传算法的采用三段式混合编码方式的优化求解方法.根据实际过程中定制公交线路优化问题的描述,以路网中所有定制公交车辆总运营里程最小为优化目标,构建满足多个停车场、多个上下车站点、多辆定制公交车的线路优化模型.通过对模型的结构进行分析,采用包括停车场段、上车站点段、下车站点段的三段式混合编码、分段交叉以及翻转变异等遗传操作方法求解.以兰州市城关区部分交通网络为例,求解包含2个定制公交停车场、12个上下车站点的实际算例,以验证模型及算法的合理性.结果表明,采用基于遗传算法的三段式混合编码方式的算法能快速完整地求解出定制公交线路优化方案.该算法与K-means和遗传算法的混合算法相比,总运营里程减少2 km,上座率提升18.375%,定制公交车辆数减少1辆,运算时间能节省38.24%.      

基于分解协调法解决多库房库存-路径问题

建立一个组合经常性库存费用、安全库存费用和随机路径费用模型后,首先,设计一种基于Monte-Carlo抽样求解路径期望费用方法。其次,针对解决此问题,使用传统分解协调法(DCM)的协调参数收敛性差的问题,应用遗传算法(GA)设计了协调参数。此外,对解决子系统随机需求车辆路径问题,为提高交叉熵法的性能,根据分位值改变大小,对用于更新Markov转移矩阵的路径,设计了自适应调整方法。仿真结果验证了该算法的有效性。     

交叉口定周期信号控制多目标优化方法

为了克服以往采用加权组合方法将多目标优化模型转为单目标优化模型进行求解的弊端,以非饱和交叉口为研究对象建立了定周期信号控制参数的多目标优化模型,并以非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA II)为基础建立了直接求解单个交叉口交通信号多目标控制模型的相容优化方法。最后通过实例分析了延误、停车率、排队长度等常用交通信号控制目标的有效性和对控制参数的敏感性。研究结果表明:与单目标优化方法相比,多目标相容优化方法更能减少车辆在交叉口上的停车延误和排队长度;与加权组合方法相比,多目标相容优化方法能获得更优的综合交通效益。     

基于遗传算法的交通流控制优化模型

在交通流控制理论基础上建立了在交叉口空间渠化及信号相位相序给定的条件下,考虑机动车与非机动车的延误(服务水平)约束条件,机动车通行能力最大的优化模型。利用遗传算法搜索全局最优的特点,运用遗传算法与梯度法相结合的混合算法对模型求解,并通过优化实例计算,验证了该方法和模型,为信号交叉口交通流的协调控制优化研究提供了新思路和新方法。     

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。     

考虑低碳的多台轮胎式龙门吊路径优化问题

在港口集装箱作业中,龙门吊是重要的港口资源。如何更加合理地调度轮胎式龙门吊对减少港口碳排放和降低运营成本有重要意义。考虑到轮胎式龙门吊在空间上的不可跨越性及其他约束条件,根据装卸过程中所产生的移动碳排放、装卸碳排放和准备碳排放3种排放源,建立了轮胎式龙门吊调度的混合整数规划模型,目标是使轮胎式龙门吊的碳排放量达到最小。由于混合整数规划求解的复杂性,设计龙门吊初始路径策略并运用模拟退火算法求得近似最优解。通过算例实验,从路径长度、碳排放总量和运行效率3个方面对新方法的效果进行评价。相比于最短路径优化方法,新方法路径长度增加8.82%,运行时间仅增加0.21 s,碳排放总量减少3.30%,在保证龙门吊工作效率的前提下,有效地解决了龙门吊低碳路径问题。相比于经典遗传算法与蚁群算法,新方法的预测精确度分别提高1.13%和2.24%,运行效率分别提高9.82%和5.92%。      

基于遗传算法的混动汽车扭矩节能协调控制优化

为了提高混合动力汽车的节能效果，在等效燃油消耗最小策略(Equivalent Fuel Comsumption Minimization Strategy, ECMS)的基础上引入遗传算法(Genetic Algorithm, GA),设计了一种基于遗传算法优化发动机扭矩的节能协调控制策略。以整车冲击波强度作为价值指标目标函数，通过遗传算法优化后获得最佳扭矩参数，优化模式运行阶段的发动机扭矩，减小冲击影响并获得更优的扭矩跟随效果。研究结果表明：采用GA优化能够对发动机扭矩起到削峰填谷作用，获得更高的整车动力稳定性；NEDC工况下，冲击波强度下降了近45%;利用GA-ECMS协调控制方案能够增强模式切换品质，也可以有效改善混合动力系统经济性。采用实际路段工况验证了GA-ECMS扭矩优化协调效果，结果表明GA优化混合驱动可稳定发动机扭矩，能够达到优异的协调控制性能。     

人工神经网络与遗传算法的结合在土钉支护优化设计中的应用

近年来,由于智能化方法——人工神经网络和遗传算法所具有的种种优点,其理论和应用研究得到工程界较广泛的关注。针对目前土钉支护优化设计中计算工作量大和求解时间长的问题,提出了将神经网络与遗传算法结合进行求解的思想,利用神经网络学习算法建立起输入参数(优化设计变量)和输出参数(安全系数最小值)之间的非线性映射关系,当神经网络学习达到收敛条件时,从映射关系就极易获得遗传算法求解优化问题所需的对应于给定设计变量的安全系数最小值的近似值,以代替每次必须进行的最小安全系数求解。算例结果表明,采用神经网络与遗传算法结合进行土钉最小长度优化求解所需要的时间大大减少,而且具有良好的效果。     

适用于城市区域航拍的无人机航线规划研究

研究无人机在城市区域航拍过程中的航线规划问题,首先通过分析卫星图像,区分出重点区域与非重点区域;再进行数值图像处理,最终分割获得城市区域航拍的航点位置集合;并将问题转化为约束条件下的无人机抵达全部航点所需的时间最短及航线最优的优化问题。建立蚁群遗传混合算法,求解最终的优化航线。该混合算法具有传统的蚁群算法和遗传算法的优点,也解决了蚁群算法初期信息素的匮乏和遗传算法的冗余迭代,同时利用道路的基本信息来定义每条道路无人机拍摄的权重,以此来确定适应性函数和启发函数,从而避免了主观因素对结果的影响。最后给出实例分析,并以遍历算法结果为基准进行了比较,表明该混合算法能够获得最优航线且收敛速度快、稳定性好。     

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。     

市区行李值机服务移动站点优化方法

为提高航空运输的服务质量和竞争力，克服传统城市候机楼在服务范围有限、成本高和选址难度高等弊端，提出1种基于市区移动站点（UMS）的航空旅客行李值机服务模式。UMS基于乘客的实时位置分布差异来动态调配移动站点在城市的位置，因此需要解决UMS站点布局优化问题。综合考虑乘客到服务站点的平均路径长度和乘客最大可接受距离等2个重要指标，基于服务站点位置、不同时段的客源分布和站点的最大服务容量等限制因素对2个重要指标进行约束，建立基于路网的UMS布局优化的数学模型。为满足UMS服务模式对优化运算时效性的严格要求，提出1种混合智能优化算法，采用涟漪扩散算法（RSA）求解乘客与UMS站点多对多路径优化问题，采用自适应遗传算法（AGA）高效优化UMS位置分布。以天津城市路网的实际案例与随机生成测试案例对市区移动站点和城市候机楼2种模式的各服务时段的服务质量进行比较。结果显示:在相同站点数量的情况下，乘客到服务站点的平均路径长度比城市候机楼模式减小30.9%，超出乘客的可接受路径长度比城市候机楼模式减少43.7%；UMS位置分布优化使用混合算法（RSA-AGA），其平均计算时间为377 s，比城市候机楼模式所需的平均计算时间减少了41.2%；UMS服务模式在不同站点数量和随机生成测试案例中，各项优化目标均优于城市候机楼模式，更符合乘客的实时需求，验证了UMS运营模式的优越性。      

基于改进遗传算法的最优路径求解

动态路径诱导系统(dynamic route guidance system,DRGS)是通过提供基于实时交通信息的最优路径来引导交通流的,因此,最优路径的求解是关键.而遗传算法具有全局寻优和潜在并行的特点,对求解最优路径具有一定优势.但采用序号编码方式进行遗传操作时会产生大量无效路径.文中结合城市道路交叉口左转、右转、直行等转向行为,设计了一种新的基于转向行为的编码方式,减少了染色体在交叉、变异时的无效路径的生成.算例表明,这种编码方式可以有效提高算法收敛性,更容易获得最优解.     

交通量预测模型的优化

章对使用指数模型预测交通流量过程中模型参数估计方法进行了优化，提出采用遗传算法(GA)的思路，通过仿真，可以归纳出GA在求解参数最优问题上优势，省去了严格的数学公式的推导步骤，为交通预测模型的优化研究提供了新思路。     

公路路政管理站点规划和巡视路线优化研究

采用遗传算法建立了公路路政管理站点规划选址优化模型,研究了路网中规划选址优化的多变量算法不易收敛问题,应用受限P 中心问题以减少管理站的备择点数目,从而减少遗传算法中染色体的基因长度,并按不同策略进行初始群体和种群的选择,加快收敛速度,从而提高算法的运算效率。针对高速公路巡视路线优化中最大巡路长度问题,采用贪婪算法和邻域搜索算法的结合求解最佳巡视路线,给出了问题的多目标函数优化模型和算法。     

现代有轨电车条件下的交叉口信号控制方法

以交叉口交通效益最大化为目标,对现代有轨电车条件下的交叉口信号控制方法展开研究.改进了NSGA-II算法,提出了基于非支配排序的交叉口多目标优化算法,对单点交叉口多目标优化模型求解.在获取基础信号配时方案的基础上,根据车辆的实时参数,构建现代有轨电车主动信号优先控制方案评价指标体系,利用DEA-TOPSIS模型客观地从优先相位延误、非优先相位延误和电车偏移度等多个方面对各信号控制方法进行分析,实现最优信号控制.仿真实验表明:交叉口人均延误时间和平均停车次数为有效的控制目标;基于非支配排序的交叉口多目标优化算法与加权组合遗传算法相比,可综合优化多目标;与NSGA-II算法相比,可降低交叉口人均延误时间1.8 s,降低平均停车次数0.02;基于DEA-TOPSIS模型的有轨电车信号控制评价方法可以客观地综合多角度分析各信号控制方法的有效性和变化趋势,实现最优信号控制.      

基于并行遗传神经网络算法的限制搜索区域最优路径方法

在大规模路网的路径诱导中，研究了基于神经网络的交通信息实时预测方法，构造了具有时变性的路阻矩阵，解决了传统静态路阻存在的局限性问题；探讨了基于并行遗传算法的最优路径求解问题，给出了相应的遗传、变异算子和群体更新方式，提出了矩形限制搜索区域方法，降低了并行遗传算法的搜索范围，解决了遗传算法在大规模路网中求解最优路径时存在的实时性差、收敛速度慢等问题；仿真实验表明该方法满足大规模路网路径诱导的准确性、实时性和快速性要求。     

车辆路径问题的模拟退火算法

在构造车辆路径问题(Vehicle Routing Problem,VRP)数学模型后,采用路径间调整和路径内优化方法,结合模拟退火算法策略对该问题进行求解。重点阐述了VRP模拟退火算法的设计思路,详细分析和编制了求解程序框图,并实现了计算机求解。仿真测试结果表明:采用模拟退火算法求解VRP效果显著,计算速度较快,与有关算法对比显示了较强的实用性和可操作性,为解决大规模VRP提供了一种有效算法。     

BRT线网优化模型研究

根据城市公共交通线网的组成和结构特征,在常规公交线网评价指标体系研究的基础上,给出了衡量多式公共交通线网运力资源分布均衡性的新指标.以给定的公共交通出行OD为前提,在考虑出行者策略选择的基础上,提出了在既有城市公共交通线网条件下对BRT线网进行设计和优化的模型,给出了求解思路,通过模拟系统开发,采用遗传算法和PSO(particle swarm optimization)算法相结合的混合启发式算法对模型进行了求解.