粒子群算法研究进展

粒子群算法是一种基于群智能的全局寻优方法,方法简单易于实现,寻优效果好.本文介绍了PSO算法的基本原理和一些算法改进措施,并对其将来的发展进行了展望.     

粒子群算法在配送路径优化问题中的应用

粒子群算法是一种模拟鸟群在觅食过程中的聚群和迁徙行为形成的算法,粒子群算法在物流路径优化问题中有着广泛的应用.根据实际问题背景建立一个物流配送的优化模型,在此基础上,建立解决路径优化问题的粒子群算法,用该算法计算出最优的路径,进而解决问题.     

基于自适应网格粒子群算法的多目标配送优化模型

对配送方案的选择提出多目标优化,在满足客户需求的前提下,力求成本最低和各配送中心负荷均衡,建立多目标规划模型。运用粒子群算法对解空间粒子进行局部和全局的搜索,再运用自适应网格算法对非劣解外部集进行更新和维护,保持其规模。实证表明,采用基于自适应网格的多目标粒子群算法对该模型进行求解能够得到均匀分布于解空间的Pareto前沿。结果表明两目标具有一定的悖反关系,据此选择满意解。     

遗传算法与粒子群算法的混合策略

基于对粒子群优化算法原理的分析,本文讨论了一种带交叉操作的混合粒子群遗传算法以及在此基础上加入了灾变操作的混合粒子群遗传算法。通过三个不同类型的基准函数实例的计算,混合算法比标准粒子群算法的性能更好。     

基于点融合的多跑道进场航班排序

为提高点融合程序下的多跑道机场的进场航班运行效率,考虑点融合程序下终端区进场程序结构复杂的特点,提出以0-1整数规划为基础的多跑道进场航班优化排序模型.以进场航班的总延误时间、总飞行时间为最小目标函数,以尾流间隔、跑道限制、进场航班的飞行时间范围以及可分配进场程序为约束条件,将不同进场程序及跑道分配给不同的进场航班,确定航班的飞行时间、落地时刻,最终求得航班的落地序列.以浦东机场进场程序为例,选取含精英策略的非支配遗传算法对浦东机场的双落跑道进行进场航班优化排序,最后与实际结果对比.优化方案的飞行时间和延误时间分别为51048 s和1174 s,相较于实际结果降低了2.1％和38.2％,单位小时内跑道着陆架次提高了7架,跑道流量提高了20％左右.     

基于点融合的多跑道进场航班排序

为提高点融合程序下的多跑道机场的进场航班运行效率,考虑点融合程序下终端区进场程序结构复杂的特点,提出以0-1整数规划为基础的多跑道进场航班优化排序模型.以进场航班的总延误时间、总飞行时间为最小目标函数,以尾流间隔、跑道限制、进场航班的飞行时间范围以及可分配进场程序为约束条件,将不同进场程序及跑道分配给不同的进场航班,确定航班的飞行时间、落地时刻,最终求得航班的落地序列.以浦东机场进场程序为例,选取含精英策略的非支配遗传算法对浦东机场的双落跑道进行进场航班优化排序,最后与实际结果对比.优化方案的飞行时间和延误时间分别为51048 s和1174 s,相较于实际结果降低了2.1％和38.2％,单位小时内跑道着陆架次提高了7架,跑道流量提高了20％左右.     

基于粒子群算法的增压柴油机神经网络模型

神经网络是建立柴油机性能实时计算模型的有效方法.当前柴油机神经网络模型的研究大多是针对稳态工况开展,为了实现对瞬态性能的合理预测,提出了预测全工况稳态及瞬态性能的通用神经网络模型构建方法.此外,为了解决传统BP神经网络无法保证得到全局最优解、泛化能力较差的问题,采用群体智能算法中的粒子群算法(PSO)进行优化.利用某型...     

恶劣天气下多航空器改航路径的仿真优化算法

针对恶劣天气下区域管制区内,多航空器改航路径规划中缺乏降低管制员工作总负荷的考虑。以贵阳区域管制区为例,研究了恶劣天气下多航空器改航路径的仿真优化算法。采用灰色模型预测飞行受限区的动态影响范围;利用几何算法预先规划可供选择的改航路径;改进离散粒子群优化算法的运算规则;以整个区域管制区内改航总路径最短和管制员工作总负荷最低为目标,结合预测的飞行受限区、预先规划的改航路径、改进离散粒子群优化算法和全空域与机场模型实现恶劣天气下多航空器改航路径的仿真优化算法。结果表明,该仿真优化算法经过多次迭代,获得了改航优化方案;与采用传统粒子群算法的仿真优化算法相比,管制员工作总负荷下降了7.52%,改航总路径距离减少了4.48%;与采用多目标粒子群算法和非支配排序遗传算法-II的改航路径算法相比,其改航路径距离略长,但考虑了管制员工作负荷的影响。该仿真优化算法能在减少改航路径距离的同时有效降低管制员工作负荷,对实际改航规划具有借鉴意义。     

基于航班优先级排序的高峰时刻场面滑行调度优化研究

为解决高峰小时场面航空器滑行冲突,提高机场运行安全和效率,减少航班延误损失,提出了基于航班优先级的航空器滑行调度模型.以基于最短路径的总调度时间最小为目标,使用滚动时域策略,设计预测窗口、滚动窗口、调度子问题、滚动机制等调度要素求解模型.仿真算例表明,此调度模型能够在兼顾航班优先级别属性的同时,规避了滑行中的各类冲突,对枢纽机场高峰小时内的18架不同属性的航空器实施了优化调度,较之原调度方案,总体时间减少了近2 min,提高了总体效率.     

基于定量分析的公交线路网络优化与粒子群算法

针对公交线网优化问题,利用粒子群算法进行了研究。在考虑城市公交系统多因素的基础上,给出了公交线网的优化原则、优化目标和约束条件,并将优化目标和约束条件定量化处理,给出了相应的数学表达式。在定义6维空间的基础上,利用经济转化系数,将公交线网优化的多目标问题转化为单目标优化问题的情况下,建立了公交线网优化的线性模型,并用粒子群算法进行了求解计算。通过粒子在解空间中搜索,找到最佳的公交线路网络。最后对算法进行了实际应用分析,结果表明该法简单实用、结果可信,有广泛的应用前景,而且该法也为多目标优化问题提供了一种合理可行的方法。     

基于遗传算法的飞机滑行路径优化

研究了飞机场面安全滑行问题,将典型冲突限制规则和安全间隔作为约束条件,建立了系统的无冲突滑行路径优化模型。基于遗传算法给出了该问题的优化算法,并进行了实际算例的计算机仿真验证。与不考虑冲突约束条件的最短路径算法的对比结果表明,算法避免了最短路径算法中存在的冲突现象,可以为繁忙机场的安全运行提供决策支持。     

机场及终端区仿真优化系统建模及实现

对机场及终端区系统运行进行优化是缓解交通拥挤和延误的重要措施。采用解析模型,便于实现机场及终端区系统的优化,但由于建模过程中简化过多造成众多优化模型实用性不强。计算机仿真模型可以准确表征复杂系统的各种约束,但一般的空中交通计算机仿真软件都不具备优化功能。文中采用Arena仿真平台,对机场及终端区系统飞机运行过程进行分析和建模,同时在仿真模型中嵌入基于Memetic算法的优化模块,实现了集仿真和优化功能于一体的机场及终端区仿真优化模型。     

基于自动深度学习盾构掘进姿态预测与控制

提出了基于自动深度学习（AutoDL）算法和多目标优化算法的结合可实现数据驱动的姿态偏差控制指导,用于盾构掘进姿态的预测与控制,以解决现有盾构掘进姿态预测中所面临的执行难度高、成本高、效率低等问题,可用于自动精准地预测盾构掘进姿态随着工程进展的动态变化趋势,并针对盾构机施工状态执行多目标优化算法,快速自动搜寻最优策略,实时调整合适的盾构操作参数,减少对于现场操作人员经验和主观判断的依赖。以上海市天然气主干管网崇明岛-长兴岛-浦东新区五号沟LNG站管道工程隧道A线工程为例,展示该算法框架的优越性。研究结果有助于降低深度学习进入盾构智能控制领域的门槛,推动智能盾构发展。     

考虑库存成本的配送中心动态选址模型及算法

为了解决传统配送中心选址没有同时考虑库存持有成本和决策环境的动态变化的问题,建立了一种新的模型。首先,利用两步骤近似方法获得(Q,R)库存策略下每一个周期配送中心的库存成本计算公式;然后,针对传统设施动态选址模型对选址成本的不恰当表示进行了修正,并与库存成本计算方法相结合,从而建立考虑库存成本的配送中心动态选址模型。最后,分别用遗传算法、克隆选择算法、粒子群优化算法求解所建立的模型,并从算法的精确度、稳定性、运算速度和收敛性比较了三种算法的性能。算例测试结果表明:所建立的模型是有效的;从总体上看,遗传算法的适应性要强于克隆选择算法和粒子群算法。     

基于路网可达性的城市交通离散网络设计模型及算法

根据城市交通路网分区理论,把分成的子区看成一个节点,考虑所有节点的可达性,以此度量整个路网的可达性,设计了基于路网可达性最大为目标的城市交通离散网络设计模型。采用粒子群算法,并给出一个简单的算例,算例表明,合理的添加路段,能使城市路网可达性达到最大。     

进港飞机调度的精华自适应遗传算法设计

对进港飞机进行合理调度，是空中交通流量管理的一个重要研究内容。基于精华自适应遗传算法，实现了单跑道降落飞机调度问题的求解，在不违反飞机间隔要求的情况下合理安排飞机的降落次序，给出各飞机经过优化的着陆时间，减少总的延误成本。仿真结果表明，所提出的方法计算效率高，实用可行，明显优于FCFS算法。     

快速公交路径优化设计模型及算法研究

分析了当前大城市多模式公交网络结构,构建了多模式公交超级网络;研究了公交出行者的策略选择行为,在考虑行程时间可靠性、座位期望以及诸多延误因子的基础上改进了策略阻抗模型;提出了BRT网络设计的双层规划模型:下层模型以改进策略阻抗模型为前提,进行了多模式公交网络平衡配流,上层模型旨在优化BRT的线路走向和布局;基于遗传算法和粒子群优化,设计了求解该双层规划模型的混合启发式算法,并用一个简单算例验证了本研究中模型与算法的可行性,提出了BRT线网优化设计的建议。