基于蚁群算法的铁路空车调整优化模型设计

针对铁路空车调整问题,采用蚁群算法解决此问题,建立以空车走行公里数最小为目标的优化模型,并给出求解算法。算例分析表明模型的正确性和算法的合理性,将蚁群算法的时间复杂度与其他一些解决空车调整问题的算法的时间复杂度进行比较,充分体现蚁群算法解决大规模路网空车调整问题的优越性。     

交通流时间序列的复杂度测量

为了定量分析交通流系统的复杂性,引入算法复杂度和近似熵,通过速度时间序列的算法复杂度估计系统周期性成分的比率,在重构序列时通过取多个划分区间来提高算法复杂度的估计能力.计算近似熵时,先由速度序列得到速度变化率序列以去除趋势,然后通过速度变化率序列的近似熵估计系统在结构变化上的复杂性.对实测交通流数据序列的计算表明:在序列长度超过600时可以得到算法复杂度,序列长超过300时可以得到近似熵;交通流的算法复杂度和近似熵在同步状态时较低,拥挤状态时增大,在自由状态时最大.因此,不同的算法复杂度和近似熵对应不同状态下的交通流,算法复杂度能分析较长的交通流序列,近似熵可以分析较短的交通流序列.     

基于拟力法的框架结构静力推覆分析

传统静力推覆分析方法求解结构非线性变形需对结构整体刚度矩阵进行实时地合成与分解,该过程将占用大量计算资源.基于拟力法的纤维梁有限元分析方法进行静力推覆分析,在迭代求解结构非线性变形时,首先对弹性刚度矩阵进行分解,计算出侧向荷载作用下的弹性位移;然后通过反复调用弹性刚度矩阵的分解结果与弹性位移,减少回代计算量;最后采用算法时间复杂度理论定量对比了该方法与传统方法的计算效率,通过一榀八层钢筋混凝土框架结构数值算例,分析比较了两种方法的计算结果与算法时间复杂度.结果表明:两种方法顶点位移-基底剪力曲线基本吻合,层间位移角与楼层之间的关系曲线也基本一致,两者的最大误差出现在第3层,为3.72%,与传统方法相比,基于拟力法的静力推覆分析方法算法时间复杂度降低了80%,计算效率至少是传统方法的5倍.     

利用分治法求解空中飞行管理问题

分治法是一种常用的问题求解方法,可以简化问题规模，降低计算复杂度。飞行管理问题实质上属于搜索问题，利用常规方法解决时间耗费大，而利用分治法可以得到很好的解决。     

威慑时间下警车巡逻的多级覆盖路径优化

针对警车巡逻路径优化问题，以提高警车巡逻效率、降低巡逻成本为目标，提出威慑时间下的警车巡逻多级覆盖路径优化模型。基于警车停留时间与警力威慑的关联函数，考虑犯罪率的时变特性及威慑扩散效应，构建了警力威慑最大化和成本最小化的多目标多级覆盖巡逻车辆路径优化模型。根据模型计算复杂度，采用k-means聚类并确定巡逻关键点，利用ε-约束法求解模型。计算结果表明：新模型和新算法能够切实反应警车巡逻的威慑效力，其求得的优化方案能提高41.08%的警车威慑效力；相较于常规多目标优化方法，新算法能将求解时间缩短至1 586 s,求得与理想目标差距值低于8.25%的警车巡逻优化方案，相关研究结果可为警务部门制定警车巡逻的路径优化提供决策支持。     

时间自动机的自动抽象算法

为对付时间自动机规格分析验证中的状态爆炸问题，提出了一种自动抽象算法．它是直接在时间自动机描述规格上而不是在规模大得多的语义模型上进行抽象，从而取得不大于时间自动机拓扑复杂性的四次方的多项式复杂度，实验证明，该算法可应用于任何满足线性复位性质的时间自动机。此外，这种算法还可以用来简化系统描述，提高其可理解性。     

求包含三维空间中给定点集最小凸多面体算法研究

研究求包含空间中给定的若干个点的最小凸多面体的算法。给出了一种算法。其平均计算时间复杂度为空间中给定点的数量的线性函数。     

城市道路交通流的复杂度研究

为了定量描述交通流系统的复杂度,本文在介绍统计复杂度及其性质的基础上,将其引入路段交通流的复杂度量化分析,并以南京3条典型路段上的交通流为样本,通过比较分析不同路段上的交通流复杂度与交通冲突率的关系,以期得出交通冲突率与路段交通流的复杂度的回归模型．结果表明：特征量复杂度能够有效测度系统的随机性和非线性,且交通流复杂度与非严重交通冲突率的相关性比较好,适于实测交通流的复杂性测度分析,可为研究交通系统的复杂度研究提供新的思路。     

改进的禁忌搜索算法求解多机并行模糊调度问题

提出一种改进的禁忌搜索算法求解多机并行模糊调度问题,该算法在邻域中引入记忆结构,可以减少重复搜索,并对候选解集使用映射排序法进行剪枝,减少了搜索空间,从而极大的提高了算法效率．同时为了减少计算误差,该算法计算时不需要将模糊时间转换为精确时间求解,可以同时处理作业加工时间是三角模糊数或梯形模糊数的情况,从而更具有通用性．仿真结果证明该算法有效、可行．     

基于时间序列神经网络的气象预测研究

月平均气温是气象的主要特性参数，也是影响气候变化的重要因素．文中配合实例介绍了一种基于时间序列的人工神经网络学习算法的流程，给出了该算法的实验结果并对不同情况下的结果作了比较，同时就在实现该算法的过程中所出现的问题以及解决方案进行了阐述．员后提出了将L—M神经网络与时序分析方法相结合的设想．