基于蚁群算法的自适应路径导航算法

针对时常发生和不断加剧的交通拥挤、堵塞等情况,研究一种动态的、自适应的导航算法,以达到对车辆进行合理有效的路径导航和路径规划的目的.这一算法是在蚁群算法的基础之上,辅以多因素综合评判的方式,改进蚁群算法的评判标准,构建动态导航模型.以该导航模型为基础,通过仿真实验进行求解,仿真实验中将路径宽度、通行时延等随机因素考虑在内并进行综合权衡,使得动态导航的结果具有现实中的指导意义.数据实例表明,该导航算法是可行的、有效的,具有良好的导航效果,可为实际的导航系统提供有力地决策支持.     

启发式算法在送货线路设计中的应用

运用模拟退火算法、遗传算法等启发式算法对物流系统中的送货路线设计进行了研究。针对一个具体的送货线路设计问题,根据送货线路图,建立了送货路线模型,运用启发式算法计算出了最优送货线路,并对该模型和算法的适用性进行了分析。     

基于两阶段遗传算法的传感器网络布点

随着传感器网络在世界范围内得到越来越广泛的应用,具有感知、计算和通信能力的传感器节点以及由大量此类节点互联构成的传感器网络需要不断地优化并进行自动设计。文中致力于设计1种新型交通信息监测传感器网络,并采用两阶段启发式算法完成网络的自动布点,分析不同启发式算法运行结果性能指标的差异,从而证明了两阶段启发式算法在交通监测网络中的优越性。     

蚂蚁算法处理动态交通网络用户均衡配流问题

现有的动态交通用户均衡配流模型由于缺乏行之有效的算法,不能很好地满足实时交通控制和诱导的需要。通过对模型的深入研究发现,该模型具有并行计算的条件,而较为新型的启发式算法———蚂蚁算法不仅具有卓越的随机搜索寻优能力还具有自适应性分布式的计算特点。文章尝试将蚂蚁算法用于处理动态交通网络的用户均衡配流问题,并以伪代码的形式设计了蚂蚁算法求解的一般步骤和程序,通过一个简单的动态交通分配算例体现算法的实现过程和检验算法的合理性。     

基于(SAGA-FCM)-PNN的交通状态判别方法研究

为了提高城市道路交通状态判别的正确性与稳定性,研究了一种基于遗传模拟退火算法改进的FCM算法与概率神经网络(PNN)结合的短时交通流状态判别方法.针对传统FCM算法会收敛到局部最优解的问题,利用遗传模拟退火算法对其进行改进,优化算法初始聚类中心;将已分类的数据分为训练集与测试集对概率神经网络(PNN)模型进行训练与测试,通过对径向基函数的扩展速度的优化提高PN N算法的准确性;并利用厦门市城市道路地磁检测数据对模型进行实例验证及性能分析.结果表明,文中方法能够有效的实现交通状态的判别,且能够得到全局最优解;同竞争神经网络模型、GRNN模型、SVM模型相比,文中模型的交通状态判别正确率分别提高2.1%,4.5%,2.7%,且具有更好的稳定性.     

基于蚁群算法的军事配送车辆调度问题研究

针对军事配送的特点,以"等待损失"和运输成本最小化为目标,建立了问题的数学模型,并应用蚁群算法求解了这一问题.算法中改进了状态转移规则,设计了局部搜索模块.为测试算法性能,应用改进的蚁群算法求解了文献中的21个基准算例.计算结果表明,这一算法明显优于已有算法.     

功率混合型燃料电池汽车动力系统的恒压式能量分配算法

分析了功率混合型燃料电池汽车动力系统的特征,给出了功率混合型动力系统能量分配算法的实用设计原则,阐述了该型动力系统适用的恒压能量分配方式,并依据提出的设计原则进行了能量分配算法设计。在燃料电池城市客车“清能3号”的应用中,又提出一种分模式控制解决方案。实验证明,所设计的算法能综合考虑动力系统的部件安全性、动力性和经济性,具有一定的应用价值。     

基于GPS的高速公路交通事件自动检测算法研究

通过分析交通事件条件下当事车辆瞬时速度的变化特征,设计了1种基于GPS的高速公路交通事件自动检测算法,并对采样时间间隔的确定、检测阈值的确定、持续性检测时间的设定与报警机制设计等方法进行了研究,分别利用软件模拟数据和实测模拟数据对算法的有效性与可移植性进行了检验.试验结果表明该算法对于交通事件具有良好的检测性能.     

基于DQN的车辆驾驶行为决策方法

针对传统DQN算法下网联车驾驶行为决策的动作选择过程随机性强、探索空间大的问题,研究了结合专家知识和DQN算法的智能车辆决策框架,设计了奖励值函数来引导算法的训练.通过层次分析法(AHP)选取高速场景下车辆驾驶决策中的重要影响因素,利用ID3决策树构建简单而有效的专家规则库;在传统算法基础上,通过设计奖励值函数来优化DQN网络结构,由奖励值函数引导DQN算法来解决高速场景下的车辆决策问题,并在Python仿真环境中构建高速交通场景对该算法进行分析和验证.实验结果表明,在高速直道和并道场景下,达到95%成功率的平均训练次数分别减少了100次和200次,平均奖励值分别提高了4.02和1.34,有效加快了DQN算法的动作选择,降低了探索过程中的动作随机性.     

基于免疫算法的汽车主动悬架控制研究

应用免疫算法理论,以车身垂直加速度、悬架动行程和车轮动载为控制目标,设计了基于汽车1/4模型的主动悬架控制策略。该算法利用信息熵作为评价抗体亲和力的指标,具有多样识别能力、强鲁棒性和免疫记忆功能。仿真结果表明,基于免疫控制器的主动悬架对汽车的平顺性和操纵稳定性有较明显的改善。