动态车辆路径问题的遗传算法研究

文章针对动态车辆路径的特点及模型对其算法进行了研究,并设计了改进的遗传算法对最优路径进行求解,结果显示采用改进的遗传算法提高了全局寻优能力与收敛速度,取得了较好的效果。     

基于粒子群优化小波神经网络的行程时间预测

为使道路使用者在出发前获得具有高实时性和可靠性的行程时间预测信息,提高出行效率,需提升高速公路行程时间的预测精度。鉴于此,将生物学中粒子群优化算法（Particle Swarm Optimization Algorithm, PSO）引入小波神经网络（Wavelet Neural Network, WNN）中,构建基于粒子群优化小波神经网络（Particle Swarm Optimization Wavelet Neural Network, PSO-WNN）的高速公路行程时间预测模型。首先将高速公路原始收费数据规整化,截取其中有效字段,获取研究路段一个月的行程时间数据并对其进行数据处理。然后分别基于PSO-WNN模型和WNN模型,利用Matlab进行实验。实验结果显示,PSO-WNN模型预测结果的平均绝对误差、平均相对误差和均方误差较WNN模型分别降低了83.36%, 82.20%和98.15%。PSO-WNN行程时间预测模型不仅预测精度高,而且能较准确地预测出行程时间的走向及波动情况,在收敛速度方面也呈现出一定的优势,具有较好的适应能力。     

基于NExT/ERA方法环境激励下的船体结构模型总体模态参数识别

运行模态识别是一种仅仅根据环境激励下的结构振动响应来提取结构模态参数的方法,此方法一般基于环境激励为白噪声的假设。文章讨论了NExT/ERA方法在船体结构总体模态识别中的可行性,并采用了自然激励技术与特征系统实现算法相结合的方法,识别了船体模型的总体模态参数。文中还讨论了NExT/ERA方法的基本理论及计算流程,并引入了奇异值分解图和稳定图相结合的方法更好地确定系统的阶次;最后,用NExT/ERA算法有效地识别了简支梁模型和船体模型的模态参数。     

水下钻孔爆破不同起爆方式的数值模拟

以连续介质力学和动力非线性有限元理论为基础,推导了炸药、岩石和水的ALE控制方程,采用多物质的ALE算法模拟了实际工程水下岩石钻孔爆破装药中不同位置起爆时爆炸产生的应力波在岩石介质中的传播过程。模拟结果表明：无论以何种方式起爆,端部效应现象始终存在,都会影响水下钻孔爆破上部岩石破碎质量;岩石与水接触面处由于反射波作用,提高了岩石爆破质量;两点起爆效果比单点起爆好,距两端1/4处同时起爆药包的爆破效果最好。研究结果可为水下钻孔爆破工程应用和安全施工提供参考。     

近海石油平台支援船主机油耗优化模型的建立

针对近海石油平台支援船进行研究,建立了近海石油平台支援船关于风、浪、潮汐的船舶数学运动模型并计算了目标船裸船体阻力和附体阻力;根据主机功率的传递过程以及船舶有效功率的估算方法,建立船舶主机油耗优化模型;之后运用基于遗传算法的多目标优化方法对主机油耗优化模型进行计算与验证,结果表明优化后的主机油耗模型具有良好的节能效果。     

Back Analysis of Surrounding Rock Mechanical Parameters of Underground Caverns Based on Genetic Algorithm北大核心CSCD

Surrounding rocks are the main bearing structure of underground caverns, and mechanical parameters used in design and analysis affect the result reliability directly. Based on the monitoring data of surrounding rocks of a water diversion tunnel and genetic algorithm, secondary development of software ABAQUS was conducted, related genetic algorithm was programmed to back analyze the mechanical parameters of surrounding rocks of underground caverns, then a comparison between the calculated parameters and the designed parameters was taken to discuss the rationality of the designed parameters. The results show that the inversion values are larger than the designed ones, and the displacements calculated by the inversion parameters are smaller than that of the original parameter values, showing that the parameters adopted in design are safe. The analysis results prove that the method proposed in this paper is available for parameter analysis in similar projects. © 2018, Editorial Office of "Modern Tunnelling Technology". All right reserved.     

果蝇算法在基于LSSVM智能水下机器人操纵运动模型辨识中的应用

基于水下机器人的Z型仿真试验,应用支持向量机对水下机器人的操纵运动模型进行辨识,从核函数结构中得到水动力系数,并建立水下机器人的预报模型,引入果蝇算法对惩罚因子C进行寻优,以减少基于经验而选择的参数对辨识精度产生的影响。通过预报与仿真比较,验证了该方法的有效性。     

Road user charging design: dealing with multi-objectives and constraints

This paper proposes an innovative approach for designing a road user charging scheme to meet multiple policy objectives. Three practical features are integrated into the design methodology including (i) cordon formation, (ii) a set of design constraints, and (iii) multiple objectives of the scheme. The methods also consider possible responses of road travellers to the charging scheme. Two methods based on genetic algorithms (GA) are developed for optimising a charging cordon scheme with constraints and with multiple objectives. The dynamic self-adaptive penalty GA and Non-dominated Sorting GA II (NSGA-II) are applied to the constrained design and multi-objective design respectively. The objective functions or constraints considered include social welfare improvement, revenue generation, and distributional equity impact. A case study of the City of Edinburgh is presented and common characteristics of charging cordon designs which perform well against the three objectives are discussed.

基于AQPSO算法的圆碟形水下滑翔机路径规划

为解决复杂海洋环境影响下圆碟形水下滑翔机的路径规划问题,采用多黏性Lamb涡叠加方法模拟洋流环境模型。以最小能量消耗为优化目标,结合B-spline方法生成光滑的曲线路径,采用自适应性基于量子行为的粒子群优化算法对圆碟形水下滑翔机的路径选择进行优化求解。将该算法与粒子群优化算法和基于量子行为的粒子群优化算法相对比,仿真结果验证了各算法在求解航行路径问题方面的有效性。此外,基于能耗最优原则分析各算法的适用性。     

基于GA-LSSVR模型的路网短时交通流预测研究

目前,很多短时交通流预测方法仅利用某一路段历史数据的时间相关性或者道路上下游路段的时空相关性进行交通流预测,未充分考虑路网所有路段之间的时空相关性.提出了一种基于稀疏混合遗传算法优化的最小二乘支持向量回归(LSSVR)模型,并应用于路网短时交通流预测.该预测模型不仅可以自动优化LSSVR模型参数,而且可以从高维路网交通流数据中选择有助于交通流预测的变量子集.实验结果表明,与LSSVR模型相比,所提方法具有更好的预测能力;而且,少量时空变量被选择出来构建预测模型,极大减少了信息冗余,改进了模型可解释性.