带冗余串联系统可靠性的一种新的直接算法

提出了一种新算法用于寻找带冗余串联系统可靠性的最优冗余分配．该算法由2个部分组成，首先应用算术-几何平均值不等式搜寻一个次最优解，以此作为直接法的初始解；然后根据改进的Aggarwal选择准则，启动直接算法以最终确定最优解．与一些优化技术相比，该算法结合了精确法与直接法的优点，求解较精确，效率较高．     

遗传算法在树枝型专用线取送车作业中的应用研究

针对树枝型铁路专用线取送车的作业方式,建立优化取送车作业数学模型.该模型既适用于送取分离的作业方式,又适用于送取结合的作业方式.同时提出一种改进的遗传算法,将该算法与建立的数学模型结合解决取送车优化问题.该算法采用自适应的交叉概率,能保证优良的个体在种群中得到较好的遗传,不良的个体被淘汰,并能保证搜索到问题的最优解,从而改善了算法的搜索效率.仿真实验能搜索到专用线取送车优化问题的最优解,结果验证了模型和算法的有效性.     

求指派问题多重最优解的分枝定界法

在实际应用中,优化问题的多重最优解具有非常重要的作用.但对于如何求指派问题的多重最优解,目前在许多文献中却未有论述.本文讨论了该问题,并提出一种求指派问题多重最优解的分枝定界法.     

基于LM神经网络模型的机车牵引力和制动力的计算

针对传统机车牵引力、制动力计算的不足,提出了基于LM(Levenberg-Marquardt)算法的前向多层神经网络模型方法,阐述了该神经网络的结构设计,利用LM算法使得在网络结构最小、训练步长最短的情况下实现精度最优.仿真与试验的结果表明,利用该神经网络模型能较好地计算机车的牵引力与制动力,其精确性、快速性和抗干扰性都优于其他计算方法.     

混沌微粒群算法在离散型生产调度中的应用

本文基于离散型生产调度问题的定义、约束条件,建立了相应的数学模型,针对微粒群算法后期容易陷入局部最优解且收敛速度慢的特点,提出了混沌的微粒群算法.详细介绍了混沌微粒群算法在离散型生产调度的优化流程,并将该算法用于实际项目,进行优化求解,与基本的微粒群算法对比得出更好的结果,验证了混沌微粒群算法的优越性.     

基于四维可视化算法的牵引变电所位置优化

针对牵引供电系统设计的复杂性以及传统优化设计方法过程繁琐且很难找到可靠的最优解,粒子群和遗传算法等的迭代过程复杂并且容易陷入局部最优解的问题,将一种四维可视化算法运用到牵引供电系统的优化设计中。四维可视化算法不需要设定初始解、能够同时展现全局最优解的分布、能判断解的稳定性、方便添加约束条件。四维可视化优化算法通过编程使目标函数的最优解集在四维数据场可视化。以接触网对地电压为约束条件,以牵引网有功功率损失最小为目标函数,运用四维可视化算法进行牵引变电所和分区所位置的优化设计。通过实例计算验证了四维可视化算法可有效降低牵引网的功率损失。研究表明该方法能很好地克服传统方法和粒子群等优化算法在牵引供电系统优化设计中的不足。     

基于改进TOPSIS的轨道交通建设时序研究

为明确城市轨道交通线网中各条线路的建设时序,构建相应的影响因素指标体系,提出一种基于TOPSIS理念的改进决策算法。该方法首先通过指标变换将理想解绝对化;其次建立决策方案到绝对理想解和绝对负理想解的加权距离最优化模型,运用拉格朗日乘子法求解模型得到最优权向量;然后引入"垂直距离"代替传统"欧式距离"的贴近度算法,通过测算垂直距离确定最优建设时序方案。最后对成都市轨道交通线网进行实例分析。结果表明:运用改进的决策算法所确定的结果与实际建设时序一致,且该算法能有效避免TOPSIS模型中的逆序、权重取值主观化、欧式距离自身缺陷等问题,说明该模型能有效支撑城市轨道交通线网建设时序的综合决策。     

基于差分进化的高速列车运行操纵的多目标优化研究

在满足行车安全、区间固定限速、图定区间运行时间及车辆动力学性能约束的条件下,以能耗、实际区间运行时间、精确停车及不舒适度为指标建立高速列车运行操纵多目标优化模型。针对传统差分进化算法易陷入局部最优的问题,对其交叉操作过程进行改进,同时引入模拟退火思想提升算法的最优解搜索能力。利用改进后的差分进化算法对高速列车运行操纵多目标优化模型进行求解,给出相应的优化算法。以京沪高速铁路某区间线路数据为基础,通过计算机仿真验证了所提算法的有效性与实用性。     

大型交通网络最优路径的随机深度搜索算法

提出了随机子空间的概念,并应用于随机深度搜索算法.该算法可以解决大型交通网络最优路径的搜索问题.并运用于约4000个车站,520多条线路的交通网络并取得了成效.随机深度搜索算法可以2 000ms快速的找到一个优秀解.     

基于粗糙集-C4.5的轨道电路故障诊断方法研究

针对轨道电路故障信息存在大量重复样本和冗余属性,提出一种基于粗糙集和C4.5决策树算法相融合的轨道电路故障诊断方法。轨道电路故障特征数据多为连续量,需要根据模糊集理论对故障样本进行模糊化,形成离散决策表。利用粗糙集处理不完备决策表的能力,去除离散决策表的冗余属性得到约简表,结合决策树C4.5算法对约简决策表进行快速训练提取诊断规则,产生的诊断规则清晰、可解释性强,能够直接运用于轨道电路故障诊断中。最后利用模拟数据仿真验证该方法的有效性,与ID3算法和BP神经网络法进行对比,仿真测试表明该方法具有更高的诊断效率和准确率,对实现轨道电路快速鲁棒故障诊断具有一定意义。