基于引力搜索BP神经网络的柴油机故障诊断

为了提高柴油机故障诊断的精度,将引力搜索算法用于BP神经网络初始权值及阈值优化,提出了一种基于引力搜索算法和BP神经网络相结合的智能故障诊断方法,并将其运用于柴油机磨损故障的振动诊断。结果表明,该方法与BP神经网络相比,对柴油机的磨合、磨损、极限等故障诊断准确,精度提高明显,验证了该方法的有效性。     

基于专家系统的测试案例自动分析研究

文章设计了测试案例自动分析专家系统，通过提取测试案例和测试序列特征，研究了专家系统的核心—规则库和推理机制，实现CTCS-3级列车运行控制系统测试案例的自动分析。同时，提出将测试序列转换为XML脚本，设计测试序列XML脚本的关键标记符，便于计算机自动解析；采用二分搜索算法查找车载数据中测试序列及测试案例的数据段，以此提高专家系统分析效率。结果表明:使用文中描述的结构和方法，可提高测试案例自动分析的效率和准确性。     

双线铁路列车运行调整的禁忌搜索算法

关于列车运行调整(TOA)的优化模型和算法,国内外专家学者提出的具有代表性的主要算法可分为仿真方法、运筹学方法和人工智能方法。TOA问题具有约束性强、优化指标众多、动态性、实时性、组合优化特性等特点。因此结合目前铁路运输工作组织实际,以列车晚点率最小为优化目标,通过在可行解空间内部搜索待调整列车最优铺画顺序的方法求解TOA问题。建立了基于混合0-1线性规划模型的双线铁路列车运行调整的优化模型,提出了采用禁忌搜索算法搜索列车优化铺画顺序的方法。经在京广线、京沪线部分区段投入实际应用,验证了模型及算法的有效性和可靠性。     

UUV操纵性能综合优化模型研究

操纵性能是无人潜器（UUV）航行的重要性能之一,其优劣直接影响到UUV的航行安全和稳定性,UUV操纵性能评判和优化是UUV优化设计的重要组成部分.基于AUTOSUB型无人潜器的设计模型,在充分分析艇体操纵性能的基础上,重点研究UUV水平运动和垂直运动性能,提出了较为完备的UUV操纵性能优化数学模型.采用模糊评判方法构造操纵性系统总目标函数,利用专家咨询法确定了各子系统的权重;通过大量艇体操纵性能数据对各个性能指标进行统计分析,选择模糊数学中对应的隶属度函数进行拟合,确定相应隶属度函数参数;利用禁忌搜索算法对遗传算法的改进而得到的遗传禁忌搜索算法（GA-TS）,由并行和分层策略改进遗传算法得到的并行遗传算法（PGA）以及遗传二次载波算法（LGA）,将数学模型与这3种算法集成,利用C＋＋语言编写了UUV操纵性能优化软件.通过对总系统优化得到的遗传禁忌搜索算法寻优能力最强,利用该算法研究水平面运动和垂直面运动2个子系统,得到各个性能指标权重对系统目标函数影响程度的排序,同时分别得到-组最佳性能的权重分配.     

共享单车调度路径优化研究

当前共享单车停放点经常出现供需时空失衡现象,无法满足市民的出行需求,因此,单车投放机构需要进行调度以平衡城市各共享单车投放点的供应量.为保证共享单车的调度效率,需要选择合理的调度路径,针对共享单车的调度路径优化问题开展研究:以调度车辆最少和调度成本最低为目标,构建多车场有时间窗要求的共享单车调度路径优化模型;基于禁忌搜索算法,设计模型的求解算法;以某城市大区内的摩拜单车系统为例进行案例分析.结果表明:利用此模型和算法能有效减少调度成本,提高共享单车的调度效率.     

基于可靠性最短路的实时定制公交线路优化研究

为实时优化定制公交线路，提出一种基于可靠性最短路的线路优化方法，在复杂的交通环境中，可以高效的将乘客送达目的地. 对可靠性最短路进行问题描述，建立可靠性时空网络；给出求解可靠性最短路的算法步骤，构建乘客和定制公交运营商总成本最小的目标函数，采用禁忌搜索算法对问题进行求解；最后，以某市定制公交路网进行实例分析. 结果表明：与最短路线路方案比较，所提方法更接近于实际运营；在高峰时段，交通拥堵的情况下，所提方法可以提高车辆的可靠性，提升定制公交线路的服务水平.     

面向层次资质的机场外航服务人员排班研究

机场外航服务人员排班是机场智能调度系统的重要组成.针对目前我国机场外航服务人员排班主要采用人工方式，排班效率低下，员工工作时间均衡性不高，且难以满足多种类约束这一现状，本文充分考虑员工对任务具有层次资质及各类劳动法规约束，以均衡员工工作时间为优化目标，提出了面向层次资质的机场外航服务人员排班模型，并设计了基于禁忌搜索算法的模型求解策略.在首都机场外航服务部实际数据集上进行实验，验证结果表明，相比较于现有人工排班方案，利用本文模型得到的排班方案能满足所有排班约束条件，且在员工工作时间均衡性上有显著提高.     

一种基于时空距离的带时间窗车辆路径问题算法

带时间窗的车辆路径问题是典型的NP难题,一种常用的求解方法是先对顾客分组,后进行路径优化的两阶段启发式算法. 传统算法在顾客分组时主要考虑顾客的空间位置关系,但是忽略了顾客对服务时间窗口的要求. 本文同时考虑顾客的时间和空间特性,提出了一种基于时空度量的顾客分组方法. 在路径优化阶段,本文提出了一种禁忌搜索算法来进行求解,该算法中禁忌的对象不是解,而是这些解的目标函数值的区间,以便于提高收敛效率. 作为验证,本文以Solomon标杆问题集为算例进行演算,结果表明,在窄时间窗约束下,基于时空距离的两阶段启发式算法明显优于基于空间距离的算法,且部分算例的解达到了国内外已发表的最好解.     

车辆数目未知的带时间窗口的车辆路径混合遗传算法

研究带时间窗口的车辆路径问题(VRPTW),主要考虑车辆容量约束、时间窗口约束、最大距离等约束,且完成配送所需的车辆数目不确定,要求在车辆数目最少的条件下再使总的行驶路径最短.用基于邻域搜索的混合遗传算法求解该问题,该算法既具有遗传算法的全局搜索能力,又具有邻域搜索算法的局部搜索能力.在求解过程中,设计新的前置交叉算子进行遗传操作,然后进行互换和逆转等邻域操作.应用MATLAB语言编程进行模拟计算,结果表明该混合遗传算法明显增强了群体演化的质量,提高了算法收敛速度,较好地解决了早熟收敛问题.