舰船总布置中的综合评估模型及其应用研究

为解决舰船总布置设计的复杂性和多样性带来总布置多方案评估的困难,针对舰船总布置设计建立多目标综合评估模型,在对蚁群算法做出适应性改进的基础上,提出多专家综合评估算法,通过文章介绍的舰船总布置设计的数学模型及评估算法的处理流程,可有效应用于舰船总体布置设计,实现自动舰船总布置多方案评估选优,有效地解决了工程问题,该方法可提高舰船总布置设计综合评估的自动化程度。     

基于DHGF法的船舶操纵性综合评价

在深入研究船舶的操纵性能的特点和各种系统评价方法的基础上,提出一种使用方便且行之有效的船舶操纵性能的综合评价方法。首先,在船舶固有操纵性基础上,建立了操纵性的指标体系。在深入研究Delphi法、层次分析法（AHP）、灰色关联度法以及模糊综合分析法的基础之上,提出DHGF集成法,阐述了该方法的构造原理和计算步骤。最后,将DHGF理论应用于船舶操纵性评价的实践中,得出船舶操纵性评价的结果与实际情况相同。提出DHGF集成法不仅在理论上具有优越性、科学性,在应用中也具有可靠性和可操作性,从而对工程上船舶的操纵性评价具有一定参考价值。     

未知环境中水下无人航行器的路径规划方法

针对水下无人航行器路径规划需要提前获得海图以得到全局障碍物信息,难以做到未知环境下实时规划路径的问题,提出一种对探测空间进行采样并判断采样点是否具有障碍,最终将探测到的障碍结果加权赋值给A*算法待扩展点的方法,实现了探测与路径规划同步进行,同时考虑到航行器的运动学约束,将A*算法的搜索域修正为圆域并且仅搜索在运动学约束...     

集装箱装载问题的启发式优化算法

集装箱装载是个多约束的复杂组合优化问题,属于NP-Hard问题,其精确求解是很困难的,一般多用启发式方法来近似解.针对背包型集装箱装载问题提出了一种启发式算法,该算法采用了新的"砌墙"机制和货物组对策略,通过递归寻优得到解.通过实例说明该算法具有较好的有效性和实用性.     

���ڸ��������ݵij��п���·��ͨ�¼�����㷨�о�

交通事件是引发快速路交通延误的主要因素,迅速、有效的检测事件是快速路交通管理与控制的重要组成部分。本文利用CUSUM理论提出了基于浮动车数据的城市快速路交通事件自动检测算法;通过采集北京市快速路上的真实事件信息以及浮动车探测数据,对不同采样间隔条件下的算法性能进行了实际验证,并与传统的基于浮动车数据的UCB算法验证结果进行了对比分析。结果表明：所提算法在采样间隔为1分钟条件下的检测性能要优于采样间隔为5分钟条件下的检测性能;相对于UCB算法而言,所提算法的检测性能大大提高,在同一误报率条件下检测率可提高10%左右。     

基于蚁群优化算法与出租车GPS数据的公众出行路径优化

以出租车GPS采集的浮动车数据为依据,研究出租车驾驶员路径选择的认知及类蚂蚁的行为特征。根据城市道路功能等级与出租车的通行频率等信息素,建立出租车驾驶员路径选择信息素等级路网,并以此作为路网初始信息素,综合考虑路径通行时间、通行距离、路径信息素等级等多个因素,提出了基于蚁群优化算法的公众出行路径规划优化算法。以武汉市路网和浮动车为试验数据,将模型规划的道路与浮动车数据库中的轨迹进行了比较。结果表明:基于蚁群优化算法与出租车GPS数据的公众出行路径同出租车驾驶员选择的出行路径相似度很高,能为公众出行提供出租车驾驶员选择的行车路径。     

基于投影寻踪模型的公路目标持续性综合评价

投影寻踪法具有变高维数据为低维数据,适用于处理非线性、离散数据的特点。文章针对公路目标持续性综合评价中指标的多样性、模糊性特点,提出了基于投影寻踪模型的公路目标持续性综合评价方法,并通过实例分析,证明了该方法使评价过程更客观、准确、简洁,具有一定的理论意义和应用价值。     

基于余弦窗FFT算法的智能轮胎实时不平衡量振动信号处理系统研究

目前智能轮胎实时侦测技术的研发已成为汽车技术发展的主要方向之一,智能轮胎实时信号处理系统是实现智能轮胎实时侦测功能的关键。本文提出一种基于余弦窗FFT算法的智能轮胎实时不平衡量振动信号处理系统,通过传感器、信号放大器、滤波板、数据采集卡、计算系统等实现行驶车辆智能轮胎振动信号的采集、放大、调理、预处理和处理,其中,计算系统采用余弦窗FFT算法,结合电子地图路面信息系统,有效获取智能轮胎实时不平衡量振动信号的幅值与相位。该系统能有效处理异步采样信号,满足智能轮胎在线监测快速、准确的测量需求。     

A fuzzy logic-genetic algorithm approach to modelling public transport users’ risk-taking behaviour

This paper seeks to determine the effects of uncertainty in out-of-vehicle times on route choice. Data were collected at two key interchanges in Auckland, New Zealand. Previous work modelled the data using a manual approach to fuzzy logic. This study extends that work by automating the process through defining a black-box function to match the survey data, then employing a genetic algorithm to fine-tune the fuzzy logic model. Results show that automation and the genetic algorithm improve the model’s capability to more accurately predict ridership. The tuning of the membership functions is conducted twice, first using initial fuzzy rules and again after the fuzzy rules have been adjusted to reduce disparity between the output and survey data. The calibrated membership functions provided for operational (transfer waiting and walking time and delay) and physical attributes (safety and seat availability) can be used by practitioners to determine an estimated ridership.     

Modeling and optimizing urban bus transit considering headway variation for cost and service reliability analysis

Due to the stochastic nature of traffic conditions and demand fluctuations, it is a challenging task for operators to maintain reliable services, and passengers often suffer from longer travel times. A failure to consider this issue while planning bus services may lead to undesirable results, such as higher costs and a deterioration in level of service. Considering headway variation at route stops, this paper develops a mathematical model to optimize bus stops and dispatching headways that minimize total cost, consisting of both user and operator costs. A Genetic Algorithm is applied to search for a cost-effective solution in a real-world case study of a bus transit system, which improves service reliability in terms of a reduced coefficient of variation of headway.