基于模糊聚类的城市快速路交通流状态划分

针对城市快速路交通流状态分类的问题,提出了一种改进的模糊C均值(FCM)算法.结合层次聚类算法和FCM聚类算法,运用层次聚类算法得到最佳聚类数和初始聚类中心,并通过Relief F特征加权对影响交通状态的不同特征指标赋予相应的权值,最终用FCM算法再次聚类得出交通流状态的分类结果.以VISSIM为工具,对该方法进行了模拟.对比分析结果显示,所提出的方法能够提高城市快速路交通流状态分类的效果.     

铁路物流中心功能区布局方法分析

为有效地解决铁路物流中心功能区的布局问题,在对布局规划理论与实践研究分析的基础上,将系统布置规划（SLP）方法用数学方法加以改进,建立以物流中心内各功能区间的综合相互关系函数,此函数是以最大和总成本最优为目标的函数。在一定的约束条件下,运用遗传算法求解。最后,将此方法进行实例验证,得到相对优化的布局方案,具有一定的参考意义。     

基于集合覆盖理论的高速公路养护站点分级布设研究

针对传统的养护站点布设造成养护资源浪费的问题,基于高速公路大中修养护、日常养护、应急养护的任务划分,对高速公路养护站点进行分级布设,设置出一级站和二级站的功能及其职责范围,综合考虑养护站点布设的经济性、时效性、便捷性等要求,建立了高速公路养护站点分级布设的集合覆盖模型,并设计了启发式贪婪算法对模型进行求解.将研究成果应用于某区域高速公路养护站点的布设,结果表明,养护站点分级布设能够降低养护成本,提高养护资源利用率.     

基于PSO的神经网络优化证券投资组合方法研究

针对传统人工神经网络中的BP(back propagation)神经网络自身局限以及其迭代次数多、收敛精度不高和泛化性差等缺点,提出了一种基于粒子群(particle swarm optimizer,PSO)算法的BP神经网络优化证券投资组合方法.在BP神经网络优化方法中,采用PSO算法替代了BP神经网络的梯度下降法,得到最优解,从而对BP神经网络模型进行优化.将该方法应用于证券投资组合的优化中,实验结果证明:该优化方法优于传统的BP神经网络优化方法.     

�ںϳ��⳵��ʻ����IJ��·���滮����

出租车驾驶员对城市道路交通状况较为熟悉,他们选择的路径具有代表性,因此将出租车驾驶员路径选择经验融合到路径规划算法中,对提高出行效率具有重要的意义.本文提出一种融合出租车驾驶经验的层次路径规划方法,主要包括三部分：首先,从出租车GPS数据中提取出出租车载客行驶轨迹;然后,根据各路段出租车行驶频率高低对路网进行分层,构建基于出租车经验路径的分层路网;在此基础上,使用Dijkstra算法实现层次路径规划.最后,本文以广州市为研究区域,将该方法得到的规划路径与经典路径规划算法的结果进行比较.结果表明,融合出租车驾驶经验的路径规划方法所得路径在行程时间上占有一定的优势.     

云南白族STR遗传多态性研究

目的　研究我国白族STR遗传多态性。方法　通过STR复合扩增、基因扫描、基因分型调查了 98名中国白族无关个体 1 5个STR基因座等位基因分布情况。结果　共检出 1 3 4个STR等位基因 ,其频率分布在 0 .0 0 5 8～ 0 .5 799之间 ,杂合度 (H)为 0 .5 83 4～ 0 .882 8,个体识别力 (DP)为 0 .773 9～ 0 .9666,非父排除率 (EPP)为 0 .5 692～ 0 .8694,多态信息量 (PIC)为 0 .5 3 1 7～ 0 .8694。结论　为进一步研究中华民族STR遗传结构奠定了基础 ,在人类学、法医学等领域也有重要的应用价值     

应用网络流模型解决航班衔接问题

针对单枢纽机场航线结构的特点，以所需飞机数最少为目标，提出了一种描述航班衔接问题的图论模型及优化算法。首先将航班衔接问题转化为航班节的衔接问题，并建立一个描述航班节衔接问题的二部图，将航班衔接问题转化为二部图的最大匹配问题，然后由二部图生成一个具有单源汇网络特征的辅助图，利用Ford-Fulkerson算法求该网络的最大流，进而得到二部图的最大匹配，从而得到了一个需用飞机数最少的航班节衔接方案，为利用计算机自动编制并优化航班衔接方案提供了一种可行方法。并且通过调整过站时间上限，可以得出不同的航班衔接方案，为制订生产计划提供了必要的灵活性。     

均匀设计和遗传操作并行的遗传算法

针对简单的遗传算法稳定性较差，容易发生早熟收敛的不足之处，提出了将均匀设计和遗传操作相结合的遗传算法，通过编码在问题的解空间和算法的搜索空间之间建立一个映射，对其进行交叉操作，变异操作和均匀设计操作，用典型的测试函数进行测试，证明了该算法是可行的，与单纯遗传算法相比，计算精度和收敛速度更高。     

灰色新息GM（n,h）建模中的递推算法

在数据采样中,GM（n,h)模型是基于不断进入系统,并对系统造成影响的扰动因素所建立的灰微分方程。文章主要讨论灰色新息GM（n,h)模型的递推算法及其在实际应用中的意义。     

城轨运营中断下应急公交车辆调度模型

随着城市轨道交通运营网络规模扩大和客流迅速增长,运营中断下公交应急联动问题日益被重视.针对城轨运营中断下的公交桥接疏运问题,提出一种灵活调度策略,允许车辆服务于不同的桥接路径,以最小化总疏散时间和平均乘客延误为目标,建立基于灵活路径模式下的多目标应急公交车辆调度模型,使用理想点法和遗传算法进行求解,并进行实例验证.对比传统固定路径车辆调度方案,基于灵活路径的车辆调度方案使总疏散时间和平均乘客延误分别减少了 4.2%和 4.4%.结果表明,本文提出的模型能够提高公交应急桥接疏运效率、降低乘客延误.