考虑鲁棒成本与绝对后悔的最短路径问题研究

为克服鲁棒偏差方法在处理区间路网时所求鲁棒最短路径的保守性问题,通过分析鲁棒成本的定义以及鲁棒最短路径过于保守的原因,结合算例分析提出了绝对后悔值的概念,并以鲁棒成本和绝对后悔值为目标函数建立了区间路网的多目标最短路径模型;根据最短路径模型的特点设计了分离路径决策变量与连续变量的Benders分解算法,同时基于传统有效路径的判断依据重新定义了符合该最短路径模型的有效路径,并在分解后的主问题模型中引入了有效路径约束以加快算法收敛速度;利用MATLAB生成了一个包含29个节点、70条双向通行路段的区间路网对模型与算法进行仿真测试.结果表明:考虑鲁棒成本和绝对后悔值的最短路径模型能在区间路网中找到不保守,且同时兼具鲁棒性的最短路径,能够有效克服鲁棒偏差方法的缺陷.     

关于汽车平顺性随机数据处理中几个问题的探讨

对汽车平顺性随机数据处理中关于加速度功率谱密度函数与功率谱函数，以时间频率ｆ与圆频率ｗ表示的功率谱密度函数等易于混淆的问题进行了阐述与推演。同时，还给出了在汽车平顺性测试中应用人体振动测试仪与传统测试所测结果的关系。     

时间多项式进化算法在旅行商问题中的研究

提出了一种模拟生物遗传的进化算法,并将该算法应用于旅行商问题得到了较好的结果,根据达尔文进化论的优化过程,结合自然选择原则提出了启发式算法,该算法的时间复杂性与快速排序策略相当。在文中利用该算法求解中国旅行商问题得到目前的最佳结果。     

带时间窗的车辆路径混合遗传算法

基于标准遗传算法, 将每一个染色体与分组信息相结合, 使染色体结构包含有更多信息, 辅以λ-交换局部搜索技术, 构造了一种新的混合遗传算法, 对带时间窗约束的车辆路径问题进行了求解, 并与标准遗传算法的求解结果进行了对比研究, 发现使用混合遗传算法, 总行驶里程为162km, 而使用标准遗传算法, 总行驶里程为182 km。结果表明混合遗传算法的求解结果比标准遗传算法更加接近最优解, 所需的行驶里程缩短, 有效降低运输企业的车辆运行成本。     

����ʽ����Ż��㷨Ч�ʵĸĽ��о�

以车辆调度问题为实例引出一种新的组合优化算法,并与原有的方法进行比较,说明新方法可以有效地抑制组合爆炸,极大地提高算法寻优效率.然后,本文用数学方法来证明该新方法再寻优上的正确性,最后根据两种不同算法编写各自对应的程序,用实际运行的结果来验证新算法带来的效率的提高.     

当前城市轨道交通建设中几个问题的探讨

本文提出了当前城市轨道交通项目筹划设计、施工建设过程中普遍存在的一些问题,并进行了探讨分析,阐述了城市、地方经济等与轨道项目建设互动共建的关系,以及项目的规划与实施、投融资与成本控制等方面的个人认识。     

�����������������Ŵ��㷨

网络设计问题来源于道路网络的规划,网络设计问题的算法研究对于交通规划的工程实践具有重要的实际意义。本文概述了网络设计问题,指出了网络设计问题数学模型算法研究的复杂性和重要意义。以连续网络设计问题为主要研究对象,分析了连续网络设计问题双层规划数学模型的结构特点。以现代遗传算法为基础,设计了适于解决连续网络设计问题的计算方法。以一个具体的连续网络设计问题为例,证实该算法不仅具有很好的收敛性而且算法所求得的最优解也是可靠的。本文的思想方法亦可运用于其它类型的网络设计问题。     

基于博弈论的停车政策研究

现阶段停车问题突出,主要表现为停车总量不足及现有停车设施不能有效利用。停车问题产生的一个重要原因是停车政策的不合理,停车问题的产生也是各利益群体博弈的结果。本文首先从3个方面分析停车问题中博弈产生的原因,并说明停车政策的实质是通过政策手段调节影响停车选择的客观因素,使停车场被均衡利用,从博弈论的角度,分析路内停车拥挤和停车泊位总量不足的问题产生的原因及结果;最后给出缓解当前停车问题的具体措施。     

Frank-Wolfe�㷨��⽻ͨ��������: �Ƚϲ�ͬ�������²��Ժ�����������

Frank-Wolfe(FW)算法是一类广泛应用于求解交通分配问题的算法。它具有容易编程实现,所需内存少的特点。但是该算法收敛速度较慢,不能得到路径信息。为了提高算法的效率,本文研究三种流量更新策略(all-at-once, one-origin-at-a-time, one-OD-at-a-time)以及不同的步长搜索策略下的FW算法,其中步长搜索策略包括精确线性搜索方法(包括二分法、黄金分割法、成功失败法)和不精确的线性搜索方法(包括基于Wolfe-Powell收敛准则的搜索方法和Gao等提出的非单调线性搜索方法)。最后,本文将上述策略应用于四种不同规模的交通网络中,并给出较适合求解的组合。     

��������ģ��Ŀ��滮�����Ķ�Ŀ�꽻ͨģ���о�

针对具有模糊因数的多目标交通问题,提出了一种优先模糊目标规划方法。本文首先建立了模糊目标的隶属度函数,其次,将隶属度函数的最高度作为期望水平并引入了偏差变量,从而将隶属度函数转化为隶属度目标。通过最小化负偏差变量得到最满意解。对模糊目标不同优先级结构下的解进行了敏感性分析,并用欧氏距离函数确定了最佳的目标优先级结构,通过最小化后悔值达到决策区域理想点决策值,得到决策单元最满意解。最后,应用实例对本文方法进行分析验证。