多品种流交通网络的最大流算法研究

基于Ford-Fulkerson算法在单一品种网络中最大流量分配的思路,通过对多品种交通网络的网络特性进行分析,作者将多源多汇的交通网络构建成单源单汇的形式。在保证符合流量约束的条件下,设计了适用于多品种交通网络的最大流分配算法。在交通网络的实际应用领域里,多品种交通网络的问题普遍存在,因此该算法为解决实际交通网络的相关问题提供了基础。     

多品种流中特定品种在结点上的流量有要求的最大流算法设计

本文首先分析多品种流交通网络的特性,在借鉴Ford-Fulkerson算法的基础上构造了求多品种问题最大流的基于多品种流的Ford-Fulkerson算法。然后分析了多品种流交通网络对特定品种在结点上的流量有要求的几种情况,并设计了这几种情况下交通网络求最大流的算法。在实际交通网络中多品种流问题普遍存在,对特定结点的品种的流量有要求的多品种问题更是不胜枚举,本文的算法为解决实际问题提供了应用基础。     

考虑速度限制的连续交通网络设计问题

本文提出了一个考虑车速限制的双目标连续交通网络设计问题,旨在通过合理的路段拓展与限速策略提高网络交通运行效率和减少交通系统的环境污染.构建了一个双目标双层规划模型来描述提出的交通网络设计问题.其中,上层问题从交通管理者的角度出发,以系统总阻抗与总投资额之和最小及网络总的车辆尾气排放最小为目标,制定最优的网络设计方案和不同时段最优的限速方案;下层问题基于用户平衡准则,描述不同时段出行者的路径选择行为.设计了基于非支配排序的遗传算法对提出的双层规划模型进行求解,并采用数值算例验证了提出的模型与算法的有效性.     

满足交通网络流量增长态势的扩能优化研究

在交通网络的实际应用中,流量的发展态势往往超出现存网络的最大流量承载能力,这就需要考虑如何提高网络的输送能力,即如何对交通网络进行扩能。本文基于发展态势的流量需求、扩能代价最低以及扩能拥堵程度高的线路条件,构造了最优的扩能算法。通过此算法,可以选择交通网络中最优的扩能路线。在交通运输领域,由于流量的发展态势需要扩能的问题普遍存在,本文的研究内容可以为交通网络的扩能决策、优化、设计等提供应用基础。     

基于自适应小生境遗传算法的混合交通网络设计双层规划模型

在现有的交通网络设计问题研究基础上,采用双层规划模型来描述混合网络设计问题,其中上层模型综合考虑网络阻抗、投资额以及CO的排放总量三方面因素,建立起以三者之和最小为目标的优化函数;下层模型为用户均衡模型。根据所建模型的特征,利用一种基于自适应方法和小生境技术的改进遗传算法进行求解。实例计算证明：此模型和算法是研究混合交通网络设计问题的有效方法。     

考虑需求预测不确定性的交通网络设计

为分析需求预测不确定性对交通网络设计的影响,根据需求预测结果的不同类型,建立了适用于连续型需求的基于灵敏度分析的交通网络设计模型和适用于离散型需求的基于未来情形预测的交通网络设计模型。模型均由两项组成,前一项表示网络效益,后一项表示网络稳定性。给出了两类模型的构造过程,探讨了模型的求解方法与适用范围。计算结果表明:随着设计参数变小,网络效益变小,网络稳定性变大,进而得到不同的网络设计结果。可见,考虑需求不确定性的模型能准确地反映实际的交通网络设计目标。     

交通网络结构优化的改进Dial算法

引入交通网络层次性这一基本特征来研究面向交通网络结构优化的配流算法.在充分分析算法的实践与理论基础后,定义了层次因子,并利用层次因子来计算最短路径、路段似然和路段权重;设计了基于Dial算法的交通网络结构优化算法.实例研究表明,所设计的算法可以通过将网络层次状况控制在合理范围内来有效地调节和优化交通网络资源配置,相对于Dial算法而言具有找到更优网络结构的灵活性.     

系统最优的动态交通网络流分配模型的研究

智能交通系统是一个复杂的大系统。交通网络配流是智能交通系统的一个关键问题,其中对交通网络配流模型的建立和算法的设计是非常重要的。通过建立系统最优的动态交通网络流分配的最优控制模型,并经过一系列的积分变换转化为一种简单而特殊的非线性规划问题。文中只是局限于对最优控制模型进行化简,目的是为了进一步研究已简化模型的有关性质和算法的设计。     

基于朴素贝叶斯的城市轨道交通网络客流动态分配模型

为解决传统城市轨道交通网络客流动态分配模型分配均衡度低的问题,提出基于朴素贝叶斯设计城市轨道交通网络客流动态分配模型.通过识别城市轨道交通网络断面客流量,提出城市轨道交通网络客流动态分配的目标函数,标定客流动态分配参数,计算网络客流动态分配量,采用朴素贝叶斯分类方法确定城市轨道交通网络客流动态分配模型.实证表明,设计模型的分配均衡度最小为1.0,远高于对照组,证明此方法可有效缓解传统城市轨道交通网络客流动态分配模型分配均衡度低的问题.     

用混合元启发算法求解城市网络设计问题

为更有效求解城市道路交通网络设计问题,在启发式算法研究的基础上,使用3种改进思想,改进蚂蚁群算法,设计了4种求解城市道路交通网络设计的双层规划模型的混合启发式改进算法。运用于Sioux Falls网络进行模型的求解实验,并统计运行的平均计算时间,求得最优解的次数和函数解平均值。据此得出混合算法从时间、准确度上均较基本蚂蚁算法有了改善,具有很好的应用价值。     

配送网络规划蚁群算法

分析了配送网络规划复杂的非线性组合优化问题，以配送网络中的运行费用、设施投资费用及可靠性费用之和最小为目标函数，建立了配送网络规划的数学模型，设计了相应的蚁群算法。应用结果表明该算法的计算结果与实际的配送网络规划线路相符，是可行的。     

基于蚁群算法的动车组周转计划研究

通过对高速铁路动车组运用现状进行分析,建立了高速铁路动车组在不固定区段使用条件下周转优化的指派模型,并提出了解决该组合优化问题的蚁群算法,以及动车组使用数量的公式.最后以武广客专为算例,计算出动车组优化运用方案,并铺画了一个车站相关的动车组周转图.通过验证,本文模型和算法具有可行性.     

基于Pareto蚁群算法的船舶风险规避路径优化

船舶在海上航行时,一直面临着海上运输风险的威胁,为了降低海上运输风险同时考虑船舶经济效益,本文建立了以运输风险最小和航行成本最小的双目标路径优化模型,实现船舶风险规避.运用栅格法构建环境模型,为相应的栅格路径赋予航行成本和运输风险,并设计了一种基于Pareto最优解集和NSGA小生境方法的多目标蚁群算法.以印度洋海域的2条航线为案例,以经典单目标蚁群算法为对比,验证了模型和算法的有效性.结果表明,该模型和算法在解决船舶风险规避路径优化问题上具有良好的效果,能为决策者制定船舶海上运输风险规避路径提供决策参考.     

求解双目标带时间窗车辆路径问题的蚁群算法

针对运输网络为多重图的双目标带时间窗车辆路径问题设计了蚁群算法.首先,建立了多重图的双目标带时间窗车辆路径问题的数学模型,提出了针对该问题解的搜索空间构建方法,定义了一种综合考虑各优化目标、时间窗和信息素等启发信息的状态转移概率公式. 为了对比说明该算法的有效性,同时设计基于NSGA-II的多目标遗传算法.针对本文算例,对蚁群算法中的各参数进行了敏感性分析,根据分析结果设定算法参数,获得了算例的Pareto最优路径集,同时与NSGA-II算法及相关文献算法针对运行时间、收敛性和群体多样性进行比较.结果显示,本文设计的蚁群算法在这3个指标上均明显优于NSGA-II算法;在相同蚂蚁数量情况下,本文的算法在收敛性和群体多样性方面优于相关文献算法.     

双向蚁群算法在无人驾驶车辆路径规划中的应用

针对传统蚁群算法在无人驾驶车辆路径规划中收敛速度慢、易陷入局部最优等问题,提出一种全局路径规划的双向蚁群算法.通过双向搜索策略改进蚁群算法,设计相遇机制求解更多可行路径,提高算法全局搜索能力;引入奖惩因子分别扩大和减小双向搜索后的较优路径和较差路径对信息素浓度的影响,加快求解最优路径的速度;最后在Matlab中模拟无人...     

放射形专用线取送车模型及算法

为了解决放射形专用线取送作业的合理取送顺序、取送时机和取送次数问题,用定性与定量相结合的方法,建立了取送车模型,设计了求解模型的蚁群遗传算法.模型及其算法适用于求解多种到发车流形式的放射形专用线取送车问题,并可自适应地生成各种取送作业组织方式,实现了取送方案的整体最优,克服了固定取送作业方式的缺陷.算例仿真结果表明,取送次数从传统方法的30次减少到18次,减小了作业车的总车小时消耗.     

Research on a Task Planning Method for Multi-Ship Cooperative Driving

A new method for a cooperative multi-task allocation problem(CMTAP) is proposed in this paper,taking into account the multi-ship, multi-target, multi-task and multi-constraint characteristics in a multi-ship cooperative driving(MCD) system. On the basis of the general CMTAP model, an MCD task assignment model is established. Furthermore, a genetic ant colony hybrid algorithm(GACHA) is proposed for this model using constraints, including timing constraints, multi-ship collaboration constraints and ship capacity constraints. This algorithm uses a genetic algorithm(GA) based on a task sequence, while the crossover and mutation operators are based on similar tasks. In order to reduce the dependence of the GA on the initial population, an ant colony algorithm(ACA) is used to produce the initial population. In order to meet the environmental constraints of ship navigation, the results of the task allocation and path planning are combined to generate an MCD task planning scheme. The results of a simulated experiment using simulated data show that the proposed method can make the assignment more optimized on the basis of satisfying the task assignment constraints and the ship navigation environment constraints. Moreover, the experimental results using real data also indicate that the proposed method can find the optimal solution rapidly, and thus improve the task allocation efficiency.     

基于蚁群优化的前向神经网络

提出了一种新的神经网络学习方法.利用蚁群算法学习神经网络,克服了传统BP算法的不足.同时,针对蚁群算法主要用于组合优化的应用特点,对其进行了改进.将离散的信息素分布矩阵及概率分布矩阵拓展为连续的信息素分布函数和概率分布函数.将搜索的范围扩展到连续区域.使得新算法兼具了蚁群算法的全局快速寻优能力与神经网络的广泛映射能力.通过实例证明了该方法的有效性和快速性.     

蚁群算法在语音识别中的应用研究

提出了一种新的基于蚁群算法的语音识别中的动态时间规划方法——蚁群动态时间规划算法，并详细介绍了其基本原理、信息素更新规则，给出了系统流程图。经过理论分析与实验测试，证明了蚁群算法在这个系统中比传统的DTW算法更能提高识别率且更有效率。     

������Լ����������-��ʽ�����������

针对无容量约束的单分配轴-辐式物流网络设计问题的特点,为其建立了单分配p-枢纽中位模型,并提出了一种基于蚁群算法的启发式求解算法. 该算法分两步实现：首先利用蚁群算法来确定网络中枢纽节点的位置,然后用另一种启发式算法将非枢纽节点分配给枢纽节点,同时,将一种基于6种邻域结构的变邻域搜索算法作为蚁群算法的局域搜索策略以提升算法的全局搜索能力,并加快收敛速度. 最后结合澳大利亚邮政数据进行了算例仿真实验,并对蚁群算法中参数的合理设置进行了测试分析,实验结果表明,该算法在求解此问题时有着良好的有效性和较快的求解效率.