改进BP神经网络的城市交通流预测研究

由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。     

基于遗传算法的多传感器管理

分析了针对多传感器多目标分配的传感器管理算法的特点以及存在的问题,结合遗传算法的思想,给出了一种以效能函数为目标函数的传感器管理算法,并进行了算法的仿真。仿真结果表明,基于遗传算法的传感器管理算法是有效的,特别是问题规模较大时更比规划方法具有实用性。     

基于遗传神经网络与信息融合的实时智能故障诊断系统研究

在传统BP神经网络的基础上引入聚类分析方法与遗传优化算法,可有效降低BP神经网络的训练难度并提高其训练精度;为有效利用各诊断单元的诊断结果,引入D-S证据理论对结论进行决策分析.仿真测试表明,该故障诊断系统能迅速、准确、可靠的诊断出各种故障.     

基于蚁群算法的船舶件排样研究

针对船舶件排样问题,提出一种应用蚁群算法优化求解船舶件排样问题的方法.提出船舶件图形编码和预处理的方法,利用组合和填充的方法把船舶件排样问题转化为正交矩形的排样问题,使用剩余矩形匹配法和正交靠接算法完成自动排样.根据提出的求解算法,给出具体的实例,排样结果证明了用蚂蚁算法求解船舶件优化排样问题的可行性.     

基于疲劳性能的沥青混合料组成优化

分析了沥青混合料组成结构对其疲劳性能的影响,采用BP神经网络和遗传算法相结合的方法,以疲劳性能为目标进行了沥青混合料性能优化设计,获得了4.75mm筛孔通过率、0.075mm筛孔通过率、粉胶比、空隙率与疲劳性能之间的关系,为更好地以性能为中心进行沥青混合料设计提供了参考.     

基于RBF-ANN GA的水下空化水射流喷嘴结构优化

为使空化水射流的性能满足船舶水下清洁的需求,对喷嘴结构进行优化,提出一种基于径向基函数（RBF）、人工神经网络（ANN）和遗传算法（GA）的水下空化水射流喷嘴结构优化方法。通过数值模拟计算设计参数（如入口段长度、收缩段长度、圆柱段长度、扩散段长度、入口半径、圆柱段半径、收缩角和扩散角等）与空化性能参数轴线最大蒸汽体积分数的关系,通过RBF-ANN对该关系进行预测,解决采用GA进行结构优化时个体适应度难以计算的问题。将该方法与传统的方法进行对比,结果表明,该方法能快速且稳定地计算个体的适应度,相比传统方法能更有效地提升喷嘴的空化性能。     

考虑碳排放的集装箱码头场桥调度优化

针对港口低碳发展需求,以场桥和集卡的综合碳排放量最小化为目标,构建集装箱码头场桥调度优化模型,设计遗传算法求解模型,并利用厦门港某码头的实际运营数据验证模型和算法的有效性。结果显示,该模型和算法有效。     

应急服务设施选址优化研究

从提高应急服务水平的角度出发,构建应急服务设施选址优化模型.所建立的模型以最大化应急服务设施覆盖总权重和最小化投资建设费用为目标.先采用定性方法找到候选点,然后在规划设施点数目、土地投资费用及服务能力限制下,使用定量方法建立多目标0-1整数规划模型,并使用线性加权和法将多目标问题转化为单目标问题进行求解.使用MATLAB中的BINTPROG函数与遗传算法两种方法对模型进行求解.以泗洪县消防站的选址规划为例,通过两种方法求解结果的对比验证了遗传算法的合理性,并确定准确的消防选址点.研究结果表明采用所提出的优化模型与求解算法能够得到准确的选址点,进而提高应急服务水平.     

带偏好的交叉航路角度优化模型

为揭示交叉航路结构对空中交通影响的内部机理,有效打通航路节点运行瓶颈,研究了航路交叉角度优化问题. 首先,在分析航班飞行时间和航班油耗与航路基本相交结构角度关系的基础上,构建了交叉航路角度结构;其次,基于交叉航路交通量分布特征,建立了飞行时间和油耗偏好的交叉航路角度优化模型;最后,选取典型交叉航路进行了模型验证. 研究结果表明:航班飞行时间和油耗存在线性负相关关系;单一考虑时间优化时,航班总运行成本增加0.54%,仅考虑油耗优化时,总成本减少2.89%;无偏好优化时,航班总运行成本减少3.82%;考虑偏好时,在时间权重系数等于0.4处取得极小值,此时总运行成本降低5.26%,且空域内油耗密度、飞行冲突次数和管制员工作负荷3个指标的均值分别降低20.41%、56.12%、46.24%;优化后构型对原始空域结构的平均角度扰动为11.88%.      

针对主辅路的Vissim仿真模型参数标定方法

微观交通仿真模型的参数标定是保证仿真模型有效性的基础和前提。针对车辆在主路和辅路运行特征的差异,提出了1种针对主辅路的微观交通仿真模型参数标定方法。该方法以进口道的车均延误的偏差作为评价指标,以遗传算法作为求解工具,分别实现了微观交通仿真软件Vissim中主路和辅路驾驶行为参数的标定。同时,结合工程实例将该方法应用于北京市朝阳路与高碑店北路交叉口、南苑路与久敬庄路交叉口仿真模型的参数标定中。结果显示,采用该方法标定后的主路和辅路延误与实测延误的平均偏差分别为2.1s和2.5s ;采用主路和辅路统一标定的方法,主路和辅路延误与实测延误的平均偏差分别为7.1s和7.5s。结果表明,仿真模型参数能够有效地提高参数标定的仿真试验效率与仿真精度,验证了该方法将主路和辅路仿真模型参数分开标定的有效性。