基于混沌理论的短时交通流量预测

随着智能交通的发展,实时动态交通分配成为当前研究热门问题。短时交通流预测是实时动态交通分配的关键技术之一,在当今交通控制以及车辆导航中具有不可替代的地位。通过对交通流数据进行分析,得出交通系统具有耗散系统特性,并且存在混沌。在此基础上,运用混沌理论对交通流数据进行相空间重构,并用多元局域预测法对时间序列进行预测。通过分析预测数据,得出基于混沌理论的短时交通流量预测在2～5 min内具有较高的预测精度。     

基于双重遗传算法的工件流与刀具流综合调度优化

为解决柔性制造系统中工件流与刀具流并存情况下的调度优化问题,以用完成时间最短为目标,建立了工件流-刀具流综合调度数学模型,提出了双重遗传算法并对模型进行优化求解.外层遗传优化求解可行工序加工序列,内层遗传优化进行最优可行刀具分派方案的搜索,搜索结果的适应度则作为外层优化解的评判标准.实例分析结果表明:双重遗传算法在取得各工件优化排序的同时,还获取了各类刀具的优化分派,与传统的规则调度相比,系统的完工时间及等刀时间分别减少了19.7%和20.4%.     

基于混沌时间序列的道路断面短时交通流预测模型

为了提高道路断面短时交通流预测的精确性,本文对道路断面的短时交通流数据进行混沌时间序列分析,并对多维交通流时间序列数据进行了相空间重构,建立基于混沌时间序列分析的道路断面短时交通流预测模型,利用粒子群优化算法优化模型的参数选择．最后应用本文的方法对城市快速路采集的断面交通流数据进行分析,对道路断面短时交通流建立预测模型并验证其有效性．     

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。     

疫情期间社区商超物资配送路径优化研究

在抗击新型冠状病毒肺炎的战役中,采取商超+社区创新无接触配送模式对疫情影响下的社区进行物资配送,以保障居民生活物资供应。利用SOM神经网络算法与遗传算法求解车辆路径规划中的特例问题——TSP问题,以湖北省黄石港区社区物资配送路径为例,对两种算法的优化结果进行对比,发现遗传算法比SOM神经网络算法拥有更高的求解精度及效率。结果表明:优化后的路径距离为初始路径距离的37.2%,使用遗传算法可更快地搜寻到最佳的物资配送路径,得到较好的物资配送方案。     

考虑油膜力-碰摩力耦合的双盘转子系统动力学行为

考虑非线性油膜力-碰摩力耦合的双盘转子-轴承系统动力学模型.采用四阶Runge-Kutta法对该系统进行数值求解,结合相图、poincaré映射图、分岔图、最大碰摩力图,着重分析了转速和润滑油粘度的变化对系统响应及稳定性的影响.结果表明:不同转速下系统会出现多周期、概周期、混沌等复杂动力学行为.在低转速下,系统经历Hopf分岔进入概周期运动;中速阶段,系统会产生阵发性混沌运动,并历经逆倍周期分岔及Neimark-Sacker分岔进入概周期运动.润滑油粘度的增大,能够提高系统的稳定性,降低转子与定子间的最大碰摩力,使阵发性混沌区域逐渐后移且缩小.     

技术站间货物列车协同配流方案研究

技术站间货物列车协同作业组织模式,可实现各站获益,整体加强,对提升铁路运输生产效率具有重要意义.本文建立技术站间货物列车协同配流模型.模型以最大化两技术站的正点出发列车数作为目标函数,采用启发式遗传算法进行寻优,得到货物列车解编顺序和配流方案.最后,通过对算例进行实验分析,验证协同配流模型的实用性.结果表明,技术站间协同配流作业明显压缩车辆在站总停留时间,增加了阶段计划内正点出发列车数,进而提高了技术站内线路使用能力.     

路网桥梁维修加固资金的最优分配

应用遗传算法,基于动态可靠度的概念,以有限投资作为限制条件,以期望收益最大化为优化目标,在路网层次上对系统可靠度和后续使用期进行优化计算。以含有四条线路的公路网作为算例,分析了各种资金限值下最优可靠度与后续使用期,并指出在进行投资决策时,应考虑线路期望损失与收益的相对关系。     

最小化网络总时延启发式遗传算法

路由选择算法是用于决定计算机网络每个结点输入的信息包应当从哪一个输出线路发送出去,以便使得某种指定的费用最小。提出了一种新的有效启发式遗传路由算法,以使网络总时延最小。该算法采用了启发式遗传路由方案,从而获得近似最优解。采用遗传算法的方法可以减少网络路由算法的运算规模,实现逐步求解。与其他已知类似算法相比较,该算法具有较小的时间复杂性。