基于BP网络的船舶磁性目标定位方法研究

船舶磁性目标定位是海上目标定位系统中重要的方法之一,优点是部署简单、定位精度较高;缺点是定位算法复杂度较高、计算量大,算法较易陷入局部最优解,需要进行改进。神经网络是解决目标最优问题的有效求解手段,利用各神经元权值系数调整能够计算出磁性目标定位的全局最优解。本文研究船舶磁性目标定位的算法结构,针对目标函数,设计基于BP神经网络的定位算法,最后给出基于神经网络算法仿真结果,并与传统算法进行对比。     

延安山区公路易发生交通安全事故路段安保设施调研与浅析

随着我国山区公路建设里程不断增长,山区公路交通安全事故呈逐渐上升趋势,如何完善和加强山区公路的安全和养护管理,是近年来偏远山区交通管理部门面对的新问题,本文通过对延安山区道路特点及易发生交通安全事故路段成因分析,并针对性的提出一些经济简易的养护管理措施后,全面提高了山区道路的安全通行和保障能力。     

山区双车道公路线形安全评价及改善

山区双车道公路由于地形、环境以及投资等具体条件限制,在线形设计时采用较多极限指标,不利于行车安全。采用模糊数学理论,建立线形安全评价体系,确定评分标准、建立隶属函数,对各指标赋权,最终评价整体线形的安全等级,遴选出不安全路段,提出针对性的改善对策以提高整体安全水平。     

动力吸振器的多目标优化和多属性决策研究

动力吸振器被广泛用于船舶、飞机和汽车等工业领域。在结构振动控制中,为了最大限度地发挥吸振器的耗能减振作用,需要寻找吸振器的最优参数,即最优频率比、最优阻尼比和最优质量比,使得结构在不同的频率激励下获得最好的减振效果。文章将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对主系统存在阻尼的减振系统,研究了动力吸振器的优化和决策问题。对于多目标优化问题,采用改进的非支配解排序的多目标进化算法(NSGAII),求出Pareto最优解,由这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵方法对最优解的属性进行权值计算,然后用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解给出排序。文中给出了4个设计参数、3个目标函数的动力吸振器优化设计算例。     

基于电子地图的改进蚁群算法及其车辆路径寻优

路径优化研究中以目标节点的线性距离之和最短作为最优路径的求解结果难以运用于实际.文中提出了结合电子地图API的改进蚁群算法,首先得到各个节点之间的实际道路导航距离,然后对基本蚁群算法进行改进.在节点选择策略上采用了轮盘选择策略;在算法的不同时期对信息素挥发系数ρ进行调整;计算目标节点距离时去掉节点间直线距离,而采用从电子地图获取的实际导航距离;最后获取电子地图数据,用于改进后的蚁群算法,进行最优路径求解.实验结果分析表明,算法改进前后求得的直线最短路程分别为64.526、62.598 km,验证了改进后算法的有效性,实际道路导航最短路程为89.378 km,说明文中提出的最优路径求解方式更切合实际,实用性更高.     

基于克里金模型的潜水器耐压舱结构优化

本文研究Kriging建模和序贯加点相结合的方法,用于解决目标函数或者约束函数无法显式表达下的优化问题。在加点准则中为了避免出现龙格现象,改进了加点优化时步长要求,在优化过程中融入多种群遗传算法提高了序贯加点值的计算准确性。计算结果表明,改进后的加点准则在存在多区域或者多个极值点的情况下均可快速搜索到最优点位置。建立了载人潜水器载人舱以重量为优化目标,以强度要求为约束的球壳厚度优化模型,采用此方法在初始选取5个样本取样,序贯加点6个样本点,计算得到球壳的最优厚度值为50.5569 mm,可有效指导设计工作。     

基于运输规模效应的城市客运枢纽选址模型研究

基于枢纽建设的运输规模效应,考虑路网运输费用平衡流量分配关系和可能产生的路段扩容需求,构建以枢纽建设费用和网络运输费用以及路段扩容费用组合最优为目标函数的数学模型,并结合Dijkstra算法和枚举法进行算例计算与分析。结果表明,该模型可以从比较综合的角度为城市客运枢纽选址提供理论支撑。     

干货船主要尺度的最优化计算

本文用 SCDD 和 SUMT 两种最优化方法对一万五千载重吨干货船的主要尺度作了最优值计算。共探讨了17个计算方案。结果表明,对于单因素目标计算方案,两种算法对应的目标函数极值是一致的。此外,还用 SCDD 法计算了多因素目标优值方案。     

支持向量机改进算法在船舶桨叶数分类中的应用

利用船舶目标辐射噪声DEMON谱特征,采用支持向量机改进算法,实现了对船舶螺旋桨桨叶数的分类识别应用研究。针对支持向量机算法对噪声比较敏感和求解最优分类面时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏特性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数2方面进行改进,构造齐次决策二阶损失函数径向基支持向量机改进算法,进行理论分析、数据仿真实验,并应用于利用船舶目标辐射噪声DEMON谱进行船舶螺旋桨桨叶数的分类识别实验。结果表明,该改进算法实现了支持向量机在二次规划中的最小约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,适用于利用船舶目标辐射噪声DENOM进行船舶螺旋桨桨叶数分类应用。     

基于改进蚁群算法的多自主式水下机器人任务分配

[目的]以多自主式水下机器人(MAUV)执行海底地形勘察任务为背景,提出一种基于改进蚁群算法的MAUV最优任务分配算法。[方法]首先,建立任务分配问题模型;然后,针对基本蚁群算法进行改进。改进的蚁群由多个子群组成,通过对任务执行能力蚂蚁的选择方法、启发函数和全局信息素更新方式进行改进,以此提高算法的自适应能力和全局搜索能力,并在局部搜索中通过2-opt算法进一步加快最优解的收敛速度。[结果]Matlab仿真结果表明,改进的蚁群算法可以有效提高MAUV的任务分配效率,从而快速地平衡航行距离和能耗代价。[结论]研究成果可为MAUV海底地形勘察任务分配提供参考。     

基于深度强化学习的平滑车速控制系统

为调整不同路段的限速值,平滑交通流,从而提升高速公路车辆通行的安全性和效率,针对交通瓶颈区设计一种基于深度强化学习的平滑车速管控系统。该系统主要包含动态限速启动、限速值确定与更新和情报板动态发布等3个模块。将深度强化学习算法DDQN(Double Deep Q-Network)引入系统中,提出一种基于DDQN的平滑车速控制策略,从目标网络和经验回顾2个维度提升该算法的性能。基于元胞传输模型(Cellular Transmission Model, CTM)对宁夏高速公路某路段的交通流运行场景进行仿真,以车辆总通行时间和车流量为评价指标验证该系统的有效性,结果表明该系统能提高瓶颈区内拥堵路段车辆的通行效率。     

基于量子行为粒子群算法的可测试性设计方法

将量子行为粒子群算法用于复杂电子设备测试点选取问题中.该算法以最少的测试点、测试代价和最大的故障隔离率、检测率为目标定义粒子适应度函数,保证了算法的全局最优性能.仿真结果表明,与其他算法相比,量子行为粒子群算法提高了测试点选取的效率,能较好的保证其算法全局最优性能,为粒子群算法的改进和多目标优化问题提供了新的思路.     

异质实时系统中负载平衡任务分配算法

本文提出了一个异质分布式实时系统上以系统负载平衡为最优目标的任务分组分配算法。改进的目标函数采用占用率来衡量系统负载，综合了系统负载平衡和系统瓶颈处理机两个因素对系统性能的影响，从而得到更为合理的分配方案。     

基于改进和声算法的推力优化分配

推力优化分配的本质是一个带约束的非线性优化问题。采用常规的迭代算法求解推力分配问题时,一般需要将目标函数简化成二次形式以及对约束条件进行线性化处理,从而导致计算得到的最优解存在误差。针对此问题,引入了改进的和声搜索算法来求解推力分配问题,并以能耗最低和推力误差最小为目标建立优化函数,同时兼顾推进器的物理限制而设置动态约束条件。仿真结果验证了该算法的有效性。     

基于动态规划算法的舰空导弹火力分配模型研究

简要介绍火力最优分配问题中4个基本要素,并在此基础上,给出了舰空导弹火力分配模型数学表达式及其约束条件。运用动态规划算法,以对目标的最大毁伤值为目标函数,给出了动态规划的递推公式,并举例予以说明。     

基于蚁群算法的大型油船中剖面结构优化设计

采用蚁群算法对大型油船中剖面结构进行了优化设计,选取了纵骨型号等18个设计变量,建立了以单位长度中剖面构件重量最轻的目标函数,根据DNV(挪威规范)提取了总纵强度等29个约束条件,从而建立了大型油船中剖面结构优化模型。改进的蚁群算法对该模型进行优化计算,该船的中剖面纵向结构单位长度的重量减轻3.35%,结果表明蚁群算法是行之有效的。     

基于改进人工蜂群算法的HOV三维路径规划

载人潜水器的三维全局路径规划研究对其智能化水平的提高有着重要作用。以“奋斗者”号载人潜水器为研究对象,首先建立三维真实海底地形模型和海流模型;其次,综合考虑路径长度、地形代价和能量消耗代价等目标,建立路径规划的代价函数。最后,使用改进人工蜂群算法对该路径规划问题进行求解,并分别与基本人工蜂群算法、遗传算法和粒子群算法进行比较。仿真结果表明,改进后的人工蜂群算法可以不断跳出局部最优,为载人潜水器高效地规划出满足性能要求的航行路径。     

基于改进遗传算法的舾装件托盘多载具协同拣选方法

为提升舾装件托盘的拣选效率,建立拣选过程的数学模型,提出一种基于改进遗传算法（Improved Genetic Algorithm,IGA）的舾装件托盘多载具协同拣选方法。针对遗传算法（Genetic Algorithm,GA）流程与实际拣选过程的差异,改进GA的初始化过程和染色体交叉方式,并对变异过程进行更贴近实际生产的修改。针对GA难以得到全局最优解的问题,采用变邻域搜索（Variable Neighborhood Search,VNS）策略降低陷入局部最优解的可能性。采用实例计算验证该算法的有效性,可优化传统舾装件托盘拣选方法。     

基于改进蚁群算法的装配序列规划研究

针对复杂装配产品的装配序列规划问题,构建了包含零部件装配方向、重量、尺寸、装配关系数以及装配连接方法的装配序列评价体系函数.提出一种改进的蚁群算法,建立了算法寻优的数学模型和以零部件为对象的启发式函数,将启发式函数值作为引导蚂蚁进行零部件选择的信息素,并在蚂蚁逐步寻优过程中加入候选零部件筛选规则、装配方向规则和装配阻碍规则等计算规则,辅助蚂蚁摒弃劣质解选择最优解,直到获得产品的整条装配序列.最后以船舶某机型柴油机气缸盖模型为例,验证了改进蚁群算法在求解复杂产品装配序列规划问题的可行性和有效性.     

物流网络中分布式OD运载需求的分时段限流优化

交通运输污染严重,对人们生活环境造成极大破坏.污染浓度越大,扩散需要越多时间,降低每条道路的承载量可降低该道路上污染的效应.对路段的分时限流,是降低运输车辆对道路及其环境污染的一种策略.将一天划分为2个时段(7～ 22时和23～次日6时),限定路段在这2个时段不同的承载量,以总运输距离最小为目标,建立整数规划模型,实现分时限流.结果表明:该方法虽然增加了总运输距离,但可以有效降低高峰路段对OD流的承载量,从而降低路段交通污染浓度.