基于遗传算法的重载与非重载去向开行方案比较研究

本文道德简要介绍重载运输在我国开行的现状，在此基础上建立一个重载列车去向模型。引进一个先进的算法－遗传算法求解模型，根据求得最终优化方案，比较普通直达列车和重载列车开行方案的不同，计算结果表明重载列车的开行应该重新调整现有编组计划，而不是仅仅加大原有开行方向上的编成辆数以实现重载。     

基于语义的遗传算法在创新设计中的应用

通过分析目前国内在产品创新设计领域研究的现状与各种算法的优缺点,提出了一种利用基于语义的遗传算法在产品形态创新设计的一种新型的算法,并且阐述了该算法的应用方式与步骤.通过一个桌面设计的实例验证了算法的可行性与实用性.结果显示,该算法能生成具有一定创新性的产品形态,并验证利用该算法进行创新设计是非常容易的.     

基于运输效益的城市公交发车频率

公交车发车频率的确定是公交运营调度的主要内容。受车站附近其他公交车的影响，乘客在各站点的可接受公交车容量和等车时间是不相等的；平均可接受公交车容量是乘客心理容量的平均值，如果车内乘客数量超过该容量，则采用容量向量来解释乘客上车过程。文中以运营利润最大化为目标函数，在车辆资源有限的情况下建立分析模型，应用遗传算法求解最大利润下的最优发车频率，并运用实例验证了所提出的方法。     

求解TSP问题的一种启发式遗传算法

TSP问题是著名的NPC问题，在组合优化中有许多应用。讨论如何应用启发式遗传算法求解此问题，并设计一种启发式交叉算子和换位变异算子，主要特点是给出算子在程序中的实现技巧，提高搜索的速度。经实例分析，算法性能较好，能较快得到问题的满意解。     

路网车流径路选择随机相关机会规划模型及其混合遗传算法

研究随机环境下车流径路的选择问题,首先给出路网车流径路方案可靠性的定义,并在此基础上建立随机环境下车流径路选择问题的随机相关机会多目标规划模型。模型考虑了车流具有不同权重的情况,目标为极大化车流径路方案的可靠性及极小化期望总费用。用C＋＋语言编写K短路算法,并在Visual Studio 6.0上基于该算法开发了软件,用于计算网络上任意两点之间的K短路。以该软件计算出的K短路作为节点间的可选径路集,提出一种基于随机模拟的混合遗传算法。算例表明,在不同交叉和变异概率的条件下算法均可在给定进化代数内收敛至相同的最优解,有较强的适应性。     

基于PCA-SVM的边坡稳定性预测模型研究

提出了一种基于主成分分析(PCA)和支持向量机(SVM)的边坡稳定性预测模型。首先分析了影响边坡稳定性的因素,采用主成分分析方法求取主成分;再将主成分作为输入对支持向量机进行训练,并利用遗传算法优化支持向量机参数;最后通过实例与常用寻参方法所得结果进行比较。结果表明,该法能减少输入变量维数,提高了边坡工程稳定性的预测精度。     

基于遗传神经网络的相似重复记录检测方法研究

设计实现了一个相似重复记录检测系统,该系统包括预处理模块、聚类模块、字段匹配模块和记录匹配模块,支持聚类算法和字段匹配算法的定制扩充。并通过实验对比了几种著名的算法,实验结果表明该系统提高了相似重复记录检测的精确度。     

EDA-VNS混合算法在求解同序Flow-shop问题中的应用

EDA（Estimation Distribution Algorithms,分布估计算法）是进化计算领域新兴起的一类随机优化算法,和遗传算法从微观上模拟生物进化的机理不同,EDA是从宏观上对生物群体整体分布的建模和模拟。由于EDA对微观概念上的搜索不太理想,文章将一种VNS（Variable Neighborhood Search,变邻域搜索）算法与EDA结合来完成对问题解的搜索。经过试验验证,EDA-VNS混合算法在求解同序Flow-shop问题比遗传算法有较好的性能。     

基于遗传算法的目标设定式电磁扫雷具结构研究

从考察目标设定式电磁扫雷具模拟受保护舰船磁场效果出发,利用遗传算法良好的全局搜索能力,得出现有目标设定式电磁扫雷具在模拟上有保护舰船磁场上的不足及原因,提出一种在不改变目标设定式电磁扫雷具单个磁体结构的基础上,通过改变磁体水中状态提高模拟效果的办法,通过仿真试验,结果表明该方法效果良好。     

Multi-objective optimization of a road diet network design

The present study focuses on the development of a model for the optimal design of a road diet plan within a transportation network, and is based on rigorous mathematical models. In most metropolitan areas, there is insufficient road space to dedicate a portion exclusively for cyclists without negatively affecting existing motorists. Thus, it is crucial to find an efficient way to implement a road diet plan that both maximizes the utility for cyclists and minimizes the negative effect on motorists. A network design problem (NDP), which is usually used to find the best option for providing extra road capacity, is adapted here to derive the best solution for limiting road capacity. The resultant NDP for a road diet (NDPRD) takes a bi-level form. The upper-level problem of the NDPRD is established as one of multi-objective optimization. The lower-level problem accommodates user equilibrium (UE) trip assignment with fixed and variable mode-shares. For the fixed mode-share model, the upper-level problem minimizes the total travel time of both cyclists and motorists. For the variable mode-share model, the upper-level problem includes minimization of both the automobile travel share and the average travel time per unit distance for motorists who keep using automobiles after the implementation of a road diet. A multi-objective genetic algorithm (MOGA) is mobilized to solve the proposed problem. The results of a case study, based on a test network, guarantee a robust approximate Pareto optimal front. The possibility that the proposed methodology could be adopted in the design of a road diet plan in a real transportation network is confirmed.