基于用地性质的交通需求遗传算法模型研究

提出了基于交通小区用地性质的交通需求模型建立方法，对该方法的基本原理、建模过程和可行性进行了阐述．针对传统交通需求的不足．用遗传算法进行模型的标定和求解来改进。在实例分析中．通过交通分配数据证明了该建模方法的精确性和有效性。     

轨道不平顺的时域模拟法

在推导将轨道不平顺功率谱密度的空间频域表示转化为时间频域表示的基础上，提出了采用遗传算法来进行时域模拟的最佳滤波器的设计方法，并给出了设计结果以及轨道不平顺的时域模拟结果。     

基于遗传算法的相交圆弧逼近轮廓曲线的节点计算

在数控机床上对非圆轮廓曲线进行加工时,按等步长进行节点计算编写出的加工程序通常段数多,给程序的输入与调试带来困难,直接影响机床的使用效率.将遗传算法应用于用加工中心进行非圆轮廓曲线加工时的节点计算优化中,根据等拟合误差和插补圆弧段最长的原则,利用遗传算法自适应迭代寻优的概率搜索,获得全局最优解来进行节点计算,并用一个算例证明了该算法的可行性.     

基于遗传算法的机车周转优化模型

机车在多个交路间周转时可以提高机车运用效率，基于引建立了机车周转优化模型，并引入遗传算法进行求解。     

基于逆向物流管理的产品回收网络规划模型

逆向物流在社会利益和经济利益两方面都具有一定的重要性,均是企业降低成本,提高竞争力,实现可持续发展的措施之一.因此,有必要在对逆向物流配送及产品回收网络进行分析的基础上,结合国内物流业的发展现状,运用混合整数规划方法,构建逆向物流的回收网络规划数学模型,并采用遗传算法进行求解.     

基于线性规划的遗传启发算法解MLCLSP问题

结合线性规划与遗传算法求解多级多项目有限能力分批计划 问题MLCLSP。分别应用遗传算法和线性规划获得调整变量的不同模式及其相应的优化解，并 对两种方法的结果进行一致性调整，从而获得问题的较好近优解。数例实验结果证明该方法 在解中等规模MLCLSP问题的有效性。     

基于(SAGA-FCM)-PNN的交通状态判别方法研究

为了提高城市道路交通状态判别的正确性与稳定性,研究了一种基于遗传模拟退火算法改进的FCM算法与概率神经网络(PNN)结合的短时交通流状态判别方法.针对传统FCM算法会收敛到局部最优解的问题,利用遗传模拟退火算法对其进行改进,优化算法初始聚类中心;将已分类的数据分为训练集与测试集对概率神经网络(PNN)模型进行训练与测试,通过对径向基函数的扩展速度的优化提高PN N算法的准确性;并利用厦门市城市道路地磁检测数据对模型进行实例验证及性能分析.结果表明,文中方法能够有效的实现交通状态的判别,且能够得到全局最优解;同竞争神经网络模型、GRNN模型、SVM模型相比,文中模型的交通状态判别正确率分别提高2.1%,4.5%,2.7%,且具有更好的稳定性.      

基于GA优化模糊控制规则的工程船舶控制方法

采用模糊控制器来改进控制性能，遗传算法建立模糊控制器的控制规则，使控制器在不需要先验知识的情况下就能产生较好的控制效果；最后，建立工程船的数学模型并对系统进行了仿真实验。     

Multi-path planning algorithm based on fitness sharing and species evolution

A new algorithm is proposed for underwater vehicles multi-path planning. This algorithm is based on fitness sharing genetic algorithm, clustering and evolution of multiple populations, which can keep the diversity of the solution path, and decrease the operating time because of the independent evolution of each subpopulation. The multi-path planning algorithm is demonstrated by a number of two-dimensional path planning problems. The results show that the multi-path planning algorithm has the following characteristics: high searching capability, rapid convergence and high reliability.     

基于遗传算法的智能驾驶车辆纵向PID控制研究

针对智能驾驶车辆纵向速度跟随问题,为提高智能驾驶车辆在速度变化时的跟踪控制精度,设计了一种分层控制策略。上层控制器设计了一种基于遗传算法的PID控制器,在期望车速为恒速或变速的情况下得到最优的加速度,下层控制通过对加速踏板和制动踏板的标定,得到不同速度和加速度下节气门的开度和制动压力。建立CarSim/Simulink联合仿真模型,完成不同速度工况下的仿真验证,验证结果表明所设计的控制器有效地提高了速度跟踪精度。