利用改进交叉算子的混合遗传算法求解VRPTW

设计了一种改进的混合遗传算法求解带有时间窗、有车辆重量限制的车辆优化调度问题（VRPTW），根据问题的实际情况，建立了数学模型，提出了改进的交叉算子，丰富了种群的多样性；并结合模拟退火算法的思想，对染色体的适应度适当变化，改善了传统的遗传算法容易“早熟”的缺点，加强了染色体的局部搜索能力。     

求解带时间窗车辆路径问题的狼群算法

针对城市物流配送和交通运输中广泛存在的带时间窗车辆路径问题,为寻求最佳路径规划,应用惩罚函数,构建了以总运输成本最小为目标的数学模型。在车辆路径优化求解方面,根据问题具体特征设计了1种二维编码方式,并采用近邻初始化方式构建初始解从而提升寻优速率;随后,结合狼群算法觅食行为中的游走、召唤及围攻3种行为,重新定义其智能行为,设计了一种求解带时间窗车辆路径问题的狼群算法。由于原始狼群算法的召唤行为引入距离判定因子来增大种群搜索空间,但也增加了算法复杂性且易陷入局部最优,故本研究舍弃了距离判定因子,采用猛狼1次奔袭便进入围攻状态来降低算法复杂度,并在算法中进一步增强了种群间信息交互。最后,应用该狼群算法求解多个测试算例。结果表明:狼群算法在求解带时间窗的车辆路径问题时是可行的、有效的;与禁忌搜索算法、遗传算法、改进蚁群算法和混合粒子群算法等常见智能优化算法相比,狼群算法不仅具有收敛速度快和搜索质量高等优点,而且拥有良好的稳定性和求解效果。     

随机旅行时间的区域公交车调度模型及算法

研究一类随机旅行时间的区域公交车辆调度问题,将该问题看作为“部分班次被一辆车完成”的集合划分问题,考虑不同车场容量和补充燃料等约束因素,建立以营运费用最小为目标的机会约束规划数学模型.将该模型转化为一类确定性数学模型,设计求解该问题的改进遗传算法,根据问题特征定义染色体编码、产生初始种群的启发式算法、交叉和变异操作等....     

车用汽油机过渡工况进气流量预测研究

提出了一种基于混合遗传算法的径向基神经网络(HGARBF)的车用汽油机过渡工况进气流量预测模型。首先设计了一种新的混合遗传算法,利用梯度算法每次迭代得到的结果来改进遗传算法的群体,将遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的起始点,运用该混合遗传算法进行径向基神经网络参数的优化,改善径向基神经网络不同初始参数对其性能的影响;然后建立了基于HGARBF网络的过渡工况进气流量的预测模型。仿真结果表明,该预测模型优于经典的进气流量平均值模型,为精确及时测试汽油机进气流量提供了新的方法。     

一种多车场车辆路径问题的单亲遗传算法

提出了一种单亲遗传算法来求解多车场车辆路径问题（MDVRP）。在该算法中，对每个服务点按照其距离各个车场的远近归类到各个车场之中，通过构造染色体表达式，采用基因重组以及变异算子来进行常规遗传操作。在进化的同时，采用局部调整，使服务点在一定的范围内的不同车场中调换，保证其种群多样性，从而避免局部收敛，达到全局最优的效果。实验表明，本算法能有效解决一定规模的多车场车辆路径问题。     

基于优化快速搜索随机树算法的全局路径规划

为了改善传统快速搜索随机树（RRT）算法在全局路径规划中存在的平滑度差、具有潜在碰撞性等问题,提出了一种双重优化的RRT算法。在传统RRT算法基础上,引入自适应目标偏向策略以缩短采样时间,引入角度约束采样策略以适应车辆极限转角。得到初始路径后,建立二项优化函数（即降低路径曲率和远离障碍物）,并将其作为基点进行梯度下降二次优化,生成可供车辆行驶、平滑性良好且碰撞概率低的路径,并进行仿真验证。结果表明：优化RRT算法相比于传统RRT算法、RRT-Connect算法和RRT*算法,平均曲率分别降低了38.1%、36.4%和24.7%,曲率均方差分别降低了38.4%、38.4%和27.2%。     

车辆路径问题的模拟退火算法

在构造车辆路径问题(Vehicle Routing Problem,VRP)数学模型后,采用路径间调整和路径内优化方法,结合模拟退火算法策略对该问题进行求解。重点阐述了VRP模拟退火算法的设计思路,详细分析和编制了求解程序框图,并实现了计算机求解。仿真测试结果表明:采用模拟退火算法求解VRP效果显著,计算速度较快,与有关算法对比显示了较强的实用性和可操作性,为解决大规模VRP提供了一种有效算法。     

一种基于轨迹预判的垂直泊车路径规划算法研究

为解决目前量产自动泊车系统泊车成功率低、泊车完成后车辆姿态偏斜等问题，研究搭建基于阿克曼转向几何学和车辆运动学的车辆运动模型，构建基于可行驶区域的栅格电子地图，在几何路径规划方法中融入基于轨迹预判的碰撞约束方法和路径居中算法，采用车辆膨胀轮廓模型，最大程度利用电子地图可行驶区域和保证路径安全性，设计出一种基于轨迹预判的垂直泊车路径规划算法，并通过仿真测试和实车测试验证算法的可行性。该算法可大大提高泊车成功率，能帮助解决泊车完成后车辆偏斜不居中的问题。     

公交时刻表设计与车辆运用综合优化模型

针对需求随机变动条件下公交运营设计的综合优化问题,首先将公交运行情况抽象到三维网络中,给出公交车辆运营服务的时空网络图,由此构造基于随机期望值规划的公交时刻表设计与车辆运用综合优化模型,该模型综合考虑了公交企业的经济效益和公交乘客所得到的公交服务水平的优化,并给出公交服务频次和车辆分配协调的启发式算法。通过北京市某线路实际运营数据的计算,对公交车队规模、线路类型的安排与公交企业效益及服务的灵敏度关系进行量化分析,证明模型和算法是有效的。     

病毒进化遗传算法在动态路径规划中的运用研究

针对车辆导航的动态最优路径问题,设计一种病毒进化遗传算法,提出相应的编码方案和适应度的计算。通过运用改进A*最短路径算法解决遗传算法中初始种群的产生,同时在遗传算法中增加病毒感染操作,在同一代群体中进行横向传播进化信息。该算法不仅能够较快求出最优路径,而且对路网没有任何的约束条件,同时对离散和连续的动态网络模型有效。最后给出病毒进化遗传算法的试验仿真结果。     

混合小生境遗传-模拟退火算法在动态交通分配中的应用

为了解决已有的动态交通分配模型普遍存在的优化计算时间过长,严重影响网络规模扩展的问题,提出了一种新的动态交通分配优化算法。将模拟退火和隔离小生境技术有机地结合起来,融入到遗传训练过程中形成了一种混合小生境遗传-模拟退火算法,不仅可以有效地避免传统遗传算法可能出现的不收敛现象,加快进化速度,具有更强的全局寻优能力,而且计算速度和算法稳定性也得到提高。将其与Papageorgiou M.提出的动态交通分配模型框架相结合,设计了动态交通分配的快速模拟优化算法,并进行了实例研究。仿真结果表明,新的优化算法显著降低了优化计算时间,大大提高了动态交通分配模型的实用价值。     

一种基于petri网的信号交叉口控制方法

在分析现有信号交叉口控制算法的基础上,提出一种基于petri网的信号交叉口控制方法,此方法基于一典型信号交叉口的混合petri网模型,采用遗传算法,对信号配时进行优化。用M atlab对方法进行编程和仿真,得到最优配时方案,结果显示此算法可一定程度上减少交叉口延误,有较好的实际应用效果和通用性。     

遗传算法在有竞争的物流配送中心选址中的应用

在分析有竞争的物流配送中心选址特点的基础上,引入了一种有竞争的物流配送中心选址模型。由于该模型是一个组合优化问题,具有NP难的性质,用常规算法对其进行求解时,经常会陷入局部优化解。针对这一情况,提出一种求解该模型的混合遗传算法,该算法主要利用Drezner算法的局部搜索性能来提高遗传算法的寻优能力。研究结果表明该算法能很好地处理有竞争的物流配送中心选址问题。     

基于混合遗传算法的主动悬架集成优化研究

作者提出的主动悬架的集成优化方法是以主动悬架的结构参数与LQG控制器为优化对象,以主动悬架系统输出的车身垂直加速度、悬架动位移、轮胎动位移和主动控制力的加权和为优化性能指标。同时提出了一种混合优化算法,它利用梯度算法每次迭代得到的结果来改进遗传算法的群体,而用遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的初始点。运用该混合遗传算法进行主动悬架系统的集成优化控制能有效地提高汽车行驶平顺性和安全性。     

求解广义最小生成树问题的元启发式算法

针对广义最小生成树问题,设计了2种改进的元启发式算法来求解：单亲遗传模拟退火算法和改进的禁忌搜索算法。通过综合遗传算法和模拟退火算法的优点,提出了单亲遗传和模拟退火的混合算法,并设计了自适应选择法和自适应基因重组操作;在改进的禁忌搜索算法中,通过在2种邻域进行搜索来避免陷入局部最优。数值实验验证了算法的有效性。     

基于精英选择遗传算法的需求响应公交规划

为提高公交系统服务质量,需求响应公交是近年来被提出的新型运营模式,其可以根据乘客需求定制公交线路。对需求响应公交的规划包括点规划和路径规划两阶段。首先通过K-means算法实现公交零食停靠点规划,其次在路径规划的过程中,提出了一种基于精英选择的遗传算法。最后,通过100名乘客需求的实例试验,需求响应公交最大可以使企业盈利162.30元,并证实了基于精英选择遗传算法相比与基于轮盘赌选择遗传算法具有更快的收敛速度和更好的搜索结果,精英种群的规模设为15%左右时求解结果较好。     

基于交互式多目标遗传算法的混凝土桥面板维修优化

为了保证桥梁结构安全,并使维修效果最好,研究了如何确定桥面板最佳维修策略的问题。建立了桥面板维修的多目标优化模型。提出一种基于交互式遗传算法的维修策略优化方法,通过非精确偏好信息引导遗传搜索,使种群朝着多个目标的最佳综合性能进化。引入适应值共享方法增加种群的多样性,最终获得符合决策者偏好的解集。并通过算例进行了分析验证。结果表明,基于交互式多目标遗传算法的混凝土桥面板维修优化方法可以在有限的桥梁维修资源和良好的维修效果之间进行折衷,不仅获得一组比较理想的维修方法组合,还可以考虑决策者的个人倾向,降低了维修策略的选择难度,为桥梁管理者提供了有力的决策支持。     

基于自适应神经模糊推理系统的平行泊车路径规划

针对常见的平行泊车场景,提出一种基于自适应神经模糊推理系统的平行泊车路径规划方法.以基于优化算法的泊车路径规划方法得出的泊车路径作为训练样本,利用Python脚本语言建立以自适应遗传算法和拟牛顿法为内核的自动化训练框架,使自动训练后的自适应神经模糊推理系统既可继承基于优化算法的泊车路径规划方法适用范围更广的优势,又有效...