出口集装箱堆场位置的优化

出口集装箱堆场位置的确定是集装箱堆场管理中的重要环节,其对缩短集装箱船在港停留时间,提高集装箱码头作业效率有着重要的意义。提出了一种优化出口集装箱堆场位置的启发式优化算法,模拟试验表明该算法能够在保证装船质量的同时,有效提高集装箱码头装船效率。     

基于自适应小生境遗传算法的混合交通网络设计双层规划模型

在现有的交通网络设计问题研究基础上,采用双层规划模型来描述混合网络设计问题,其中上层模型综合考虑网络阻抗、投资额以及CO的排放总量三方面因素,建立起以三者之和最小为目标的优化函数;下层模型为用户均衡模型。根据所建模型的特征,利用一种基于自适应方法和小生境技术的改进遗传算法进行求解。实例计算证明：此模型和算法是研究混合交通网络设计问题的有效方法。     

Improved algorithm for distributed localization in wireless sensor networks

Many sensor network applications require location awareness,but it is often too expensive to equip a global positioning system(GPS) receiver for each network node.Hence,localization schemes for sensor networks typically use a small number of seed nodes that know their locations and protocols whereby other nodes estimate their locations from the messages they receive.For the inherent shortcomings of general particle filter(the sequential Monte Carlo method) this paper introduces particle swarm optimization a...     

Compound Method of Solving Logistics Routes Allocation

The logistics routes allocation discusses optimal routing from origin to destination through distribution center(DC) on condition that both transport and distribution cost should be taken into account.The problem can be solved by the iterative non-linear programming(INLP),in which the transport cost and distribution cost are assumed to be linear and non-linear,respectively.The method works well in most situations.However,when the distribution cost predominates in the total cost,the method fails,and the solu...     

基于遗传优化的水面无人船艇神经网络智能控制

利用GA智能优化算法和RBF神经网络逼近算法设计了一种USV运动滑模理想跟踪控制方法.首先利用改进的遗传算法对RBF网络参数进行在线寻优以进而提高其逼近性能.其次,将学习速度较快的局部RBF神经网络对滑模控制设计中存在的船舶运动系统函数不确定项进行逼近,使得由于滑模面的不间断切换引起的控制输入抖振问题得到有效地解决.对比实验说明了在同等条件下,上述智能控制系统稳定时间更快,超调量更小,以及输入舵角更平滑.     

基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况,提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数,利用列车运行过程中的状态偏差,推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数,通过迭代域的差分,证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证,结果表明,所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度,能够在较短的迭代次数实现对期望曲线的精确跟踪.     

基于主线拥堵场景的快速路级联信号控制方法

城市快速路高峰时段已经呈现出常态性拥堵,对快速路主线拥堵进行疏导尤为必要.本文通过在主线和入口匝道进行三级交通检测判别,设计了多级联动的信号控制流程与实现方式,构建了不同拥堵程度下的分级响应控制策略,基于瓶颈点通行能力最大化下的实时信号控制算法及最大排队长度限制下的实时信号控制算法,建立了主线及匝道车道开关闭、汇合处信号灯控制、主线动态限速、交通信息诱导等于一体的快速路级联信号控制方法.仿真分析结果表明,在主线不同拥堵程度下采取的级联信号控制方法,可以有效提升快速路主线平均车速,并未导致匝道排队的恶化,局部路网平均延误均有明显降低.     

技术站间货物列车协同配流方案研究

技术站间货物列车协同作业组织模式,可实现各站获益,整体加强,对提升铁路运输生产效率具有重要意义.本文建立技术站间货物列车协同配流模型.模型以最大化两技术站的正点出发列车数作为目标函数,采用启发式遗传算法进行寻优,得到货物列车解编顺序和配流方案.最后,通过对算例进行实验分析,验证协同配流模型的实用性.结果表明,技术站间协同配流作业明显压缩车辆在站总停留时间,增加了阶段计划内正点出发列车数,进而提高了技术站内线路使用能力.     

考虑收益管理的高铁平行车次动态差别定价

基于RP(Revealed Preference)和SP(Stated Preference)调查数据,利用潜在类别模型对高铁旅客进行细分,得到旅客对平行车次不同服务属性,如列车运行时间、发车时段和舒适度的偏好程度,并对其进行量化;引入收益管理,以多列车整体收益最大为目标,构建平行车次动态差别定价模型,并设计模拟退火算法进行求解;最后,通过京沪高铁进行实例验证.结果表明：与固定票价进行客票销售相比,所提方案能够适应高峰期和平峰期不同客流特点,提高铁路客票总收益,为高铁平行车次灵活定价提供参考.     

Building Real-Time Network Intrusion Detection System Based on Parallel Time-Series Mining Techniques

A new real-time model based on parallel time-series mining is proposed to improve the accuracy and efficiency of the network intrusion detection systems. In this model, multidimensional dataset is constructed to describe network events, and sliding window updating algorithm is used to maintain network stream. Moreover, parallel frequent patterns and frequent episodes mining algorithms are applied to implement parallel time-series mining engineer which can intelligently generate rules to distinguish intrusions from normal activities. Analysis and study on the basis of DAWNING 3000 indicate that this parallel time-series mining-based model provides a more accurate and efficient way to building real-time NIDS.