求解广义最小生成树问题的元启发式算法

针对广义最小生成树问题,设计了2种改进的元启发式算法来求解：单亲遗传模拟退火算法和改进的禁忌搜索算法。通过综合遗传算法和模拟退火算法的优点,提出了单亲遗传和模拟退火的混合算法,并设计了自适应选择法和自适应基因重组操作;在改进的禁忌搜索算法中,通过在2种邻域进行搜索来避免陷入局部最优。数值实验验证了算法的有效性。     

基于简化DPCNN的最短路径算法

传统求解最短路径（SP）问题的方法一般有组合技术与代数方法2大类,但算法复杂度的指数上界为2．376,不能实时对大规模SP问题进行求解。文中提出1种简化的时延脉冲耦合神经网络（SDPCNN）模型,可1次求解源点到其他所有点的最短路径,算法时间复杂度仅有O（n）．实验证实了这一模型的有效性,且计算时间仅为未简化模型的5％～10％。     

关于层次网络最大流问题的一个算法

给出一个关于层次网络最大流问题的算法及其算法复杂度ｐ（ｎ＾２），该算法只需稍加扩展就可求解任意网络最大流问题。     

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。     

应用回溯算法求解多枢纽选址问题

章提出了用回溯算法求解多枢纽选址问题的思路和程序，并对程序的空间复杂度和时间复杂度进行了分析，通过对枢纽数较少的情况下程序的计算能力进行的分析，得出了该算法具有较高应用价值的结论。     

交通网络最短路权矩阵的迭代算法

介绍了求解交通网络最短路权矩阵的3种迭代算法,从迭代思路、时间复杂度、程序可读性等方面进行了比较,指出各算法的异同点以及联系,最后通过一个具体网络模拟了各算法的迭代过程.     

高速公路路径标识站选址优化模型与算法研究

为了解决车辆多义性路径问题,高速公路路网中常设置标识站来精确获取车辆路径信息。在实际高速公路网中,要么在路网中所有环路段上布设标识站,造成资源浪费现象,或者布设的标识站不足,直接采用最短路的方式拆分通行费用,造成费用拆分不合理现象。因此对高速公路路网中多义性路径标识站的选址优化问题开展研究,在解决多义性路径基础上,实现标识站建设费用最小。为了研究高速公路标识站选址优化问题,以高速公路路网为基础,采用基于生成树-蚁群算法对标识站选址布局问题进行优化分析。首先,根据图论中生成树理论,确定出标识站的最少布设数量与多种选址布局方案。其次,建立了以高速公路标识站所在路段车流量最小且该路段里程最长的多目标多义性路径标识站选址优化模型,并设计了基于蚁群算法的大型高速公路路网多义性路径标识站选址优化算法的求解步骤。最后,通过算例分析,以3组不同权重值分析对比验证该模型的适用性。结果表明该模型可以用来解决高速公路标识站选址优化问题,并且能有效实现高速公路多义性路径标识站的最优选址布局。     

图最小覆盖算法在城市电子眼布点中的应用

电子眼是智能交通系统的重要组成部分,电子眼在我国拥有一个广阔的发展前景.将城市电子眼布点的经济合理性问题转化为求图的最小顶点覆盖问题,以某城市高教园区道路网为实例,运用图的最小覆盖启发式算法进行求解,得出了结论.     

引入必经点约束的智能汽车全局路径规划EI北大核心CSCD

目前对于智能车全局路径规划的研究多数只针对从起点到终点的情况。针对该问题,本文中融合改进A*和模拟退火算法,设计了一种引入必经点约束的全局路径规划算法。首先,基于A*算法计算关键节点间的最短路径并保存。然后,基于启发式算法中的模拟退火算法对过必经节点的全局路径进行迭代随机优化。接着,基于真实高精度地图对算法的有效性以及时间复杂度进行实验分析。结果表明,设计的算法在求解质量和求解速度方面都有较好的表现。最后,通过实车实验,进一步验证了算法的有效性和适应性。     

一种基于骨架化的道路拓扑生成算法

设计并实现了一种道路拓扑生成算法，该算法利用CDT(Constrained Delaunay Tri-angulation)骨架化(skeletonization)算法从电子地图中提取道路拓扑。此算法弥补了现存道路拓扑生成算法的不足。章通过理论分析证明算法的时间复杂度为0(nlog(n))，实验数据支持了这一结果。实践证明该算法的效果和性能良好。     

考虑接驳费用的车辆共享调度算法研究

针对现有的车辆共享调度算法未充分考虑车辆共享调度时造成的接驳费用问题,研究最小车辆规模最少接驳费用调度优化模型,并改进二分图匹配算法进行求解.根据车辆共享过程中调度方案的优化问题描述,以满足给定出行需求的车辆规模最小以及车辆调度接驳费用最少为目标,构建双目标优化模型.基于有向无环图对车辆出行需求进行建模,将模型求解转化为二分图最大匹配且权重最优匹配问题,提出Kuhn-Munkres算法求解最大匹配最小权重匹配的权重设置条件并进行证明,进而设计Hopcroft-Karp与Kuhn-Munkres算法融合框架进行求解.以安徽省宣城市部分出行为例进行模型和算法合理性分析,479辆自动驾驶共享车辆可以满足13575个出行需求;与未考虑接驳费用目标的调度算法相比,调度总费用减少40.8%左右.算法可求解最小车辆规模并降低调度成本.      

关于最小悬挂树及其两个特征定理

对连通图G的最少悬挂点生成树的特征进行了研究，得到了最小悬挂树的必要条件及其导出子图为最小悬挂树的充分条件，同时给出了最小悬挂树的余树边及悬挂点的特征结果。     

基于长短期记忆-异步优势动作评判的智能车汇入模型

针对以往强化学习中智能车汇入车流算法训练时间复杂度高、收敛速度慢的问题,提出基于长短期记忆-异步优势动作评判算法的智能车汇入模型。在异步优势动作评判算法的基础上,结合长短期记忆神经网络,有效地解决训练模型时间和模型收敛的问题。试验结果表明,该算法提高了模型收敛速度与汇入成功率,同时降低了时间复杂度,适合汇入车流场景。     

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。     

基于低碳理念的公交线网优化模型

为了满足低碳出行的要求,从优化线网的角度建立了基于低碳理念的公交线网双层优化模型。其中,上层模型是一个以乘客总出行时间最短、能源消耗最小、温室气体和污染物排放最少为目标的公交线网优化模型,下层模型是一个改进的Logit路径选择客流分配模型。针对建立的模型,给出了运用遗传算法求解公交线网双层优化模型的方法和步骤。并用算例说明了所建立模型与求解算法的合理性与可行性。     

考虑异质性出行需求的主支线公交树网络优化设计

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。     

基于混凝土组合箱梁残缺三维激光点云的自动逆向建模方法

针对虚拟预拼装过程中,施工现场条件与构件本身性质对混凝土桥梁构件三维激光扫描及其后续逆向建模质量产生不良影响的问题,以混凝土组合箱梁为背景,提出残缺三维激光点云的自动逆向建模方法.该方法利用实测点云与设计数据最佳匹配的数学优化问题提高自动性,并采用k-d tree和最小生成树(MST)等数据结构以及算法提高计算效率和鲁...     

“丝绸之路”国内沿线城市股票投资策略研究

为了更好地发展“丝绸之路”资本股票市场，文章使用R、SPSS等软件，利用阈值法和最小生成树方法构建股票市场网络，通过指标对比，基于自旋玻璃算法的社团划分所构建的最小生成树股票网络优势更明显。通过社团划分和传统行业划分各自随机选择三组股票，综合评比六组股票的收益和风险指标，发现社团划分要明显优于行业划分。为了使股票的选取更具针对性，引入综合评价指标，通过计算不同社团下各个股票的综合评价指标对比股票的优劣，选取更具优势的股票。     

时变路网下带硬时间窗的城市生鲜物流配送路径选择

综合考虑现实生活中城市道路交通的时变特性和生鲜物流的时效性,以最小使用车辆数和最少行程时间为优化目标,构建时变路网下带硬时间窗的生鲜物流配送路径选择模型,通过随机方法构造初始解,采用结合2-opt局部搜索机制的改进蚁群求解算法进行求解,并以扩展Solomon R104基础算例对模型和算法进行了验证。     

基于离散粒子群算法的协同车辆路径问题

考虑车场容量、不同车型车辆行驶最大里程等约束条件,建立以车辆配送总费用最小为目标的一类带时间窗协同车辆路径问题数学规划模型、即属于不同公司的配送中心共享车队、仓储等资源为客户协同配送货物,采用文献[1]中的自适应离散粒子群算法求解该问题并定义了其可能解的粒子的编码方式.最后,通过一个算例得出结论:同普通物流配送情形相比...