航班延误恢复调度的混合粒子群算法

为了优化航班延误恢复调度, 考虑了航班延误的经济效益、社会影响和经济损失构成, 定义了航线影响因子, 构建了一种新的航班延误恢复调度模型, 将局部搜索方法引入到粒子群算法中, 提出了求解航班延误恢复调度问题的混合粒子群算法。计算结果表明: 与先来先服务调度方法相比, 混合粒子群算法可以减少航班延误损失4.2%, 与基本粒子群算法和进化策略算法相比, 混合粒子群算法平均可减少航班延误损失2.0%, 随着航班延误恢复规模的增大, 算法优势会更明显。     

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.     

客运班轮动态船队规划数学模型及其求解方法研究

通过对定期客运班轮运输特点分析,构建出能全面反映运量增加显著和运量增加缓慢情况下的运力更新、运力闲置、运力购置的多目标动态船队规划数学模型,模型根据绿色的定义给出了技术、经济、环保性目标函数.其数学模型具有大规模、离散和整数的特点,计算速度随着船舶数量和船型的增加以指数形式递增,造成\"维数灾\"难题.采用混沌初始化、维更新、非支配档案更新及基因交换对多目标离散粒子群优化算法进行改进使其适用于大规模动态船队规划,最后通过实例验证该方法的可行性并得到了相应的船队规划结论.     

遗传粒子群优化算法在船舶动力定位控制中的应用

针对船舶动力定位系统精确定点控制的问题,结合遗传算法（GA）独特的选择交叉变异功能和粒子群优化算法（PSO）较好的记忆功能等优点,提出了遗传粒子群（GAPSO）算法,并应用到最优控制性能指标加权矩阵的权重系数选择中。通过1艘海工多用途动力定位船舶定点控制仿真实验,使船舶纵荡和横荡的位置及艏摇角都逐渐保持在期望值,且所有输出值都收敛有界,结果与传统最优控制相比,遗传粒子群算法在最优控制中更具有效性及较好的寻优性能,有益于船舶工程的应用。     

基于粒子群算法的城轨列车节能驾驶优化模型

为了降低城市轨道交通中列车在站间运行的能耗, 研究了列车的站间节能驾驶策略, 在考虑线路限速和坡度的情况下, 建立了时间约束下的列车节能优化模型, 采用粒子群算法优化目标速度序列得出了列车节能驾驶策略。节能驾驶优化方法通过2个阶段来实现, 第1阶段在站间运行时间不变的情况下, 采用粒子群算法优化了列车在站间的节能驾驶策略, 得到了运行时间和能耗的关系, 第2阶段在多站间总运行时间不变的前提下, 将运行时间进行重新分配, 得到了列车在全线运行的节能驾驶策略。以北京地铁亦庄线实际线路数据和车辆参数为基础, 对优化方法进行仿真验证。仿真结果表明: 经过第1阶段的优化, 列车在万源街-荣京东街的单站间运行能耗降低了6.15%, 经过第2阶段的优化, 列车在多站间总运行能耗降低了14.77%。可见, 优化模型可以有效降低列车的运行能耗, 为列车时刻表的编制提供依据。     

基于文化粒子群网络优化算法的医学图像研究

文章提出了基于文化粒子群的网络优化算法的医学图像方法,通过在50例唇裂矫正术中运用BP神经网络进行学习．对唇部进行解剖观察和美学分析,在矫正修复手术中不断学习和调整来接近期望输出,并通过实验仿真及客观的图像提出了评估准则。实验结果表明,在美学研究基础上的基于文化粒子群BP神经网络的医学图像研究,适用于唇裂的矫正修复。     

求解柔性Job-shop调度问题的混合粒子群算法

针对柔性Job-shop调度问题,提出了一种混合粒子群算法,该算法对设备分配和工序调度采用不同的编码方法和更新方式,提出了基于设备的初始化算法和基于工件序列的初始化算法来提高PSO初始种群的质量,同时提出了4种不同的邻域结构,分别实现了基于此四种邻域结构的模拟退火搜索算法,将它与粒子群算法进行有效混合来提高粒子群算法的局部搜索能力,实验表明HPSO的有效性.     

基于自适应粒子群优化算法的交通量短时预测模型

在考虑交通量短时变化的时空特性和波动性基础上,建立了非线性交通量短时预测模型.根据我国城市道路交通流非线性、时变性、随机性等特点,提出自适应粒子群优化算法对非线性交通量短时预测模型进行在线修正.该自适应粒子群优化算法采用两步优化策略,对算法参数进行调整,避免算法早熟收敛,有效提高了算法的运算精度和效率.利用城市道路的实测数据,通过Mat-lab软件工具箱对该模型进行计算机仿真验证.     

双电机耦合驱动电动汽车驱动模式划分与优化

为充分发挥一款双电机耦合驱动系统电动汽车(DMCP-EV)多驱动模式的节能优势,制定了基于系统效率最优的驱动模式控制策略。根据该双电机耦合驱动系统的结构特点,定义了电机4种驱动模式并分别建立其动力学驱动模型和系统效率模型。在满足动力性要求的前提下,分析并划分了各驱动模式的工作范围,以系统效率为优化目标,采用粒子群优化算法进行优化,获得最佳的驱动模式切换控制和转矩分配策略。开展了Matlab/Simulink仿真和硬件在环试验验证。结果表明,经系统效率优化的驱动模式在满足动力性要求的前提下,有效提高了双电机耦合驱动系统的经济性,能耗降低11%。     

ISG型混合动力汽车粒子群优化模糊控制研究

针对ISG型混合动力汽车能量分配的控制过程,应用传统的模糊控制存在精度不高、自适应能力有限等问题.提出一种粒子群优化模糊控制的方法.在应用传统模糊逻辑建立控制模型基础上,利用粒子群算法对模糊控制中的隶属度函数进行优化,实现了优化的隶属度函数随环境变化以及负载变化实时跟踪模糊控制器的参数变化.仿真结果表明,与Insigh...