铺管船锚泊定位系统优化设计研究

分析了铺管船锚泊定位系统的结构和它在海洋中的受力情况,研究了锚索悬链状态的特性.提出了锚泊定位系统的二次规划优化算法.目标函数定义为受力锚索的拉力的两两水平力差的平方和,受到线性等式或不等式锚索拉力的约束.求解采用Lagrange乘子法或凸二次规划的互补主元法.用面向对象的VC++工具开发了锚泊定位系统软件.对某铺管船的锚泊定位系统实例进行优化计算,得到满足环境力条件下锚索所承受的力和锚点位置,达到了设计要求.     

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.     

多子阵SAS非Stop-and-Hop近似RD成像算法

本文分析了Stop—and—Hop近似不成立条件下的多子阵合成孔径声纳系统数学模型,提出了适用于Stop—and—Hop近似不成立条件下的多子阵合成孔径声纳RD成像算法,仿真试验结果证明新方法是有效的。     

发动机液压悬置低频模型参数识别方法的研究

根据悬置低频振动模型,提出了基于DE算法的发动机液压悬置模型识别方法,由简单的低频正弦激振试验直接估计模型的关键参数值,完成模型的参数识别。基于上述理论和试验相结合的模型识别方法可以代替组件试验,识别结果可直接用于复杂结构悬置元件的动特性预测和整车NVH性能研究。     

多Agent粒子群算法在船舶电力网络重构中的应用

根据船舶电力系统自身所具有的特点,结合智能控制算法以及多Agent技术在电力系统的应用,本文提出了一种基于粒子群算法的多Agent船舶电力系统网络重构思想,建立一种与之符合的拓扑模型以及数学模型。在粒子群法的基础上,给出多Agent系统的全局最优解,实现网络重构供电最优,并通过相应的算例进行验证分析。     

基于改进蚁群算法的山区无人机路径规划方法

对无人机在山区执行应急物资运输任务时的飞行路径规划问题进行研究.基于对无人机的性能分析与比选,探讨了路径规划的约束条件,提出了一种考虑路径安全度的改进蚁群算法.首先,基于高海拔山峰的位置构造泰森多边形,获取无人机在山区避障飞行条件下的路径可行解;其次,为避开山峰密集区域,建立路径安全度约束,缩小可行解范围;进而,利用蚁群算法搜索最短路径;最后,消除路径中不必要的障碍点以进一步缩短距离,并综合考虑无人机性能参数对拐角进行平滑处理,获得最终可用于实际飞行的最优安全路径.算例分析表明,改进的蚁群算法较传统算法收敛速度更快,且生成的路径更短.     

半开放式的多配送中心纯电动车辆路径优化问题

电子商务促使越来越多的物流企业采用多配送中心模式优化车辆的配送路径,纯电动汽车逐渐替代了传统的燃油配送车辆,以改善生态环境. 结合多配送中心联合服务模式的特点和纯电动物流车辆的行驶特征,构建带时间窗的半开放式多配送中心纯电动车辆路径优化模型,设计蚁群算法对其求解. 算例对比分析结果表明：半开放式的多配送中心联合服务,能合理利用相关物流资源,改善车辆路径,降低物流费用,但需要寻找合适数量和位置的配送中心进行联合,才能达到节约成本的最佳效果;相比单配送中心,多配送中心联合服务提供了更多潜在的较低价格的充电点,在配送中心补充电量可在一定程度上节约物流成本.     

城市轨道交通大小交路开行方案与多站联合限流协同优化研究

针对城市轨道交通高峰时段客流量大、客流空间分布不均衡导致的供需能力不匹配和车站大客流组织安全压力大等问题,本文提出了一种大小交路开行方案与多站联合限流相结合的运输组织协同优化方法. 该方法考虑客流安全容量、列车运行时间和大小交路开行等约束,建立了以乘客出行成本、企业运营成本和各站上车比例方差和最小为目标的优化模型,设计嵌套人工蜂群算法求解. 以某市城市轨道交通线路为例验证模型的有效性与适用性,并对小交路列车开行频率和多目标的权重系数进行了敏感性分析. 结果表明,该方法在输送乘客人数相当的情况下,能有效节省企业运营成本,并提高乘客出行公平性,有效缓解大客流车站的客流组织压力.     

基于LightGBM算法的公交行程时间预测

在城市公交网络运行中,公交车的站点间行程时间会受到道路和环境条件的影响. 本文对公交车运行过程中的车辆速度特征、道路特征及天气特征等进行了分析.建立了基于特征的 LightGBM (Light Gradient Boosting Machine)公交行程时间预测模型,通过调整 LightGBM算法中的相关参数,以分配各个影响特征和因素的权重大小.然后利用天津市某条公交线路 24天的公交车 GPS数据对模型进行了训练和验证,并与基于历史平均值和卡尔曼滤波的行程时间预测模型进行对比.比较结果表明,LightGBM模型在 MAE (Mean Absolute Error)和 MAPE (Mean Absolute Percentage Error)这两个指标上均大幅度优于其他两个模型,说明 LightGBM模型在公交车行程时间预测上具有很好的稳定性和应用前景.     

车辆合乘问题的两阶段分布式估计算法

针对智慧交通中多车辆合乘问题,提出一种分布式并行计算环境下的合乘模型. 利用合乘概率矩阵的先验知识,实现更高效的运算和求解.当合乘概率矩阵不是单位 矩阵时,合乘模型被增广为车主合乘和乘客合乘两个阶段.两阶段分布式估计算法运用可行合乘解的合乘概率矩阵,作为一种随机优化方法求解最优值.根据可搭乘矩阵初始化合 乘概率矩阵,并在优化过程中连续更新合乘概率矩阵.车主同乘客分离优化,减少了出行车辆,并实现了互相搭乘的合乘模型.通过合乘模型的优化迭代能够为乘客挖掘出高效可 行的搭乘路线.实验结果表明,该合乘模型具有平均等待时间少、平均载客量大、人均行驶 距离短的高效出行特点.