动态规划算法在最优航路规划中的应用

通过对船舶最优航路概念的分析,提出了一种基于动态规划算法的船舶最优航路规划。实现了船舶最优航线的自动生成,不仅可大大减轻航海作业人员的工作强度,同时也能增强航线的安全性和可靠性．     

深圳西部水域小型船舶航路方案设计研究

通过分析深圳西部水域船舶交通流量特征,在深圳西部水域制定小型船舶航路,可以有效简化交通流模式,规范小型船舶行为,解决小型船舶拥堵深水航道和小型船舶和大型船舶的相互影响问题,同时也为海上交通管理部门对该水域实施有效监管和尽量避免或减少该水域海上交通事故的发生提供有利条件.     

实现城市公交线网优化的PSO算法

本主要阐述了城市公共交通线网优化的PSO算法及其对唐山市公交线网优化调整的良好应用效果。     

基于改进粒子群算法的系杆拱桥成桥索力优化

为确定系杆拱桥的合理成桥索力,通过对粒子群智能优化算法的惯性权重加以改善从而实现对算法的改进优化,将优化目标结合影响矩阵原理得到调索的目标函数,使用有限元和数值分析软件将算法与目标函数结合从而实现吊杆索力的自动调整,进而使拱桥成桥状态达到受力合理、线形均匀的目的。优化结果表明：将改进后的粒子群算法应用于系杆拱桥的索力求解中,能够达到收敛速度快、索力合理、并使误差落在允许范围内的效果,为实际施工控制中索力计算提供了一种高效的求解方案。     

基于PSO算法的带减振器斜拉索参数的识别

讨论了粒子群算法(PSO)的应用,并基于PSO算法结合重庆干溪沟1号特大斜拉桥的带减振器的斜拉索做参数识别。研究表明:若拉索多阶振动频率能够被获得,则通过PSO算法得到的T,EI,K,εL等拉索参数是可靠的。     

基于改进PSO算法的磁浮列车PID控制器参数优化

为减小磁浮列车气隙控制中非线性的影响,将粒子群优化(PSO)算法用于磁浮列车控制器参数优化,并在线性递减权重粒子群算法的基础上,提出了一种改进的粒子群优化算法.算法采用了邻域结构、停滞检测以及对全局最佳粒子的微扰,以改善算法的优化速度和收敛性.仿真和实验结果表明,将改进算法获得的优化参数用于磁浮列车的比例积分微分(PID)控制器,比原有PID控制器的输出超调减小45%.     

敷设聚脲的吸声模型改进粒子群算法优化

为了提高敷薄吸声层的水下小目标的隐身性能,以敷设聚脲的多层结构为基本吸声模型,推导了模型的反射系数计算公式.针对材料优化的应用需求,将粒子群算法的局部算法和全局算法相结合,改进粒子群算法的优化策略,得到了动态混合粒子群算法,提高了收敛能力和搜索精度.利用该算法对多层吸声模型的材料参数进行寻优,结果表明:当吸声材料杨氏模量近似为频率的分段线性函数时,其吸声性能最优.在此基础上,建立了提高模型吸声性能的理论方法,并进行了实例验证,结果表明,该方法可使模型吸声性能在140～500 kHz范围内达到-10dB以上.     

海洋气象环境影响下的复杂水域船舶路径规划

为提高复杂水域船舶自动生成路径的安全性与经济性,将海洋气象环境因素考虑在内,以船舶避开障碍物为前提,设计了以航行时间最短为目标的路径规划算法.在建立环境模型的基础上采用改进MAKLINK图生成可行路径,根据矢量合成及拟合模型分析海流及风浪对船舶航速的影响,从而确定路径权值,通过Dijkstra算法进行初始路径规划,采用改进粒子群算法进一步优化及平滑初始路径.以一艘集装箱船通过规划海域为例验证算法的有效性,并对风向和风级进行了敏感性分析.结果表明:考虑海洋气象环境影响生成的路径既可安全避开障碍物,又可节省航行时间,改进粒子群算法在缩短路径航行时间的同时可提高路径的平滑性.     

具有粒子群特征的并行蚁群算法在输电网络规划中的应用

输电网络规划是一个复杂的多变量非线性整数规划问题,针对蚁群算法计算时间长、易陷入局部最优解等问题,本文提出一种新的具有粒子群特征的并行蚁群算法,并应用于输电网络规划.实验结果证明了该算法在输电网络规划优化中应用的可行性和有效性.     

基于粒子群的蚁群算法参数最优组合研究

针对蚁群算法参数的不同取值对算法性能的影响,试图确定算法参数的最优组合,使算法性能最佳。在算法基本原理的基础上,分析各参数对算法性能的影响。提出确定蚁群算法参数最优组合的"两步走"策略,即先确定各参数的较优取值范围,再引入适应度函数并结合粒子群算法得到各参数的最优组合。仿真结果表明,提出的"两步走"策略能取得较好的效果,有利于蚁群算法的推广和应用。     

基于改进PSO算法的岩石蠕变模型参数辨识

微粒群优化（PSO）算法是一类随机全局优化技术,具有收敛速度快、规则简单、易于实现的优点．针对岩石蠕变本构模型参数的辨识问题,本文利用FLAC软件自带的fish语言实现了改进PSO算法对本构模型参数的辨识．该方法从岩石本构模型参数的随机值出发,以蠕变过程中试件变形的实验值与计算值的误差大小作为适应度函数来评价参数的品质,利用改进PSO算法规则实现模型参数的进化,搜索出全局最优的模型参数值,从而实现了岩石蠕变本构模型参数的自适应辨识．利用该方法对页岩蠕变实验进行了仿真研究,实验结果表明：改进的PSO算法用于岩石蠕变模型的参数辨识是有效的．     

基于遗传-粒子群优化算法的USV路径规划方法

为解决传统粒子群优化算法(particle swarm optimization algorithm, PSO)应用于无人水面舰艇(unmanned surface vessel, USV)路径规划时存在的早熟收敛问题,提出一种结合遗传思想的PSO,在传统的PSO中引入遗传算法(genetic algorithm, GA)中的交叉、变异操作,避免算法进入局部最优解,对惯性权重进行自适应调整,加速算法收敛。采用MATLAB软件对USV巡检水域环境进行建模,应用改进的PSO进行路径规划。仿真结果表明:相对于传统的PSO和GA,该算法有效减少路径交叉点,大幅缩短路径总长和算法收敛时间。     

基于粒子群算法的城市轨道交通接运公交规划

根据"逐条布设,优化成网"的优化思想,采用将线路规划区域离散化处理的方法,以接运效率最大为接运公交路线优化目标函数,建立模型,并给出算例.结果表明,接运公交线路能较好地实现接运效率最大化问题,从而使社会和乘客效益最大.     

非线性整数规划问题的改进粒子群优化算法

提出了一种求解非线性整数规划问题的改进粒子群优化算法．在这个算法里,对粒子群优化模型的速度方程和位置方程进行改进,加入了动态约束处理技术以提高选择最优点的能力;加入了粒子的邻域加速寻优策略以提高局部优化能力．数值结果表明所提出的算法计算精度高且稳定性好．     

车辆路径问题的混沌粒子群算法研究

针对车辆路径问题中单仓库非满载这一基本类型的具体特性,设计了一种混沌粒子群算法;利用混沌系统的随机性、规律性和遍历性初始化粒子,大范围覆盖车辆路径问题的解空间,加强算法最优路径的搜索能力;通过在求解过程中的次优路径处施加混沌扰动,使算法放弃当前求解的路径,避免结果为次优解。并通过试验验证了该算法在车辆路径问题中具有很强的寻优能力。     

基于粒子群算法(PSO)的人员疏散动力学模型

基于粒子群算法思想,建立紧急情况下公共场馆人员疏散的动力学模型.该模型考虑人员之间的相互作用,依据人员实时局部密度的变化改变个体的最大速度以及保有区域尺寸,具有时空非均匀的特点.定义个体冲量以及受伤冲量阈值,考虑人员受伤对疏散过程的影响,同时还比较了多出口疏散与单出口疏散的特点和效率.算例结果表明,疏散结果与元胞自动机模型相似,理想化更新流程的结果小于其他疏散模型的结果.     

基于人工势场算法的改航路径规划

在恶劣天气或流量受限条件下, 建立了基于人工势场算法的改航路径规划模型。考虑空中交通管制程序和飞行性能等约束条件, 采用线性拟合的方法对初始改航航路径进行分段拟合, 消除振荡点和误差较大的离散点; 对拟合后的航段通过截弯取直的方法, 去除多余的转弯点, 生成最终的改航路径。仿真结果表明: 现行的沿扩展受限区边界绕飞的改航路径长度为532.299km, 而采用新改航规划模型生成的改航路径长度为455.924km, 在没有增加额外转弯点的条件下, 航线长度减少了14.35%, 因此, 采用该规划方法可安全有效地避开飞行受限区域。     

基于改进粒子群算法的车辆路径问题研究

针对标准粒子群算法在解决多维复杂优化问题中存在的“早熟”现象,以及算法后期出现的搜索精度下降、收敛速度降低等不足,对算法做出改进：引入微生物行为机制中的趋化、繁殖、迁移算子。最后,通过实例验证对比,表明改进粒子群算法在搜索效率和解的质量方面均优于遗传算法和基本粒子群算法。     

基于微粒群算法的过饱和交叉口群信号优化研究

城市道路基础设施和建设与交通需求不匹配会导致城市过饱和状态交通频现,利用交通信号控制改变交通系统内车辆的运行规则是解决问题的必经之路。将微粒群算法应用于过饱和状态交叉口群信号协调优化当中,并通过VISSIM仿真评价信号协调优化效果。研究结果显示,经过信号优化,过饱和状态路网中各交叉口的延误车辆数、停车次数、排队次数均有所下降,路网的交通运行情况有明显的改善,一定程度上疏解了过饱和状态交叉口群。