信号交叉口多目标动态决策模型及其优化方法

以减少机动车在交叉口的延误时间和尾气排放为目标,针对目前交通信号控制模型中普遍采用单一目标进行求解的问题,以非饱和交叉口为研究对象建立了信号交叉口多目标动态决策模型(MODD模型),对信号周期时长、绿信比和相序3个信号配时参数同时进行优化,提出交叉口多目标评价满意度函数,制定交叉口信号控制决策准则并应用混合遗传算法求解最优决策变量.算例的求解结果显示,混合遗传算法能够均匀地逼近Pareto最优前端,多目标优化方法更能减少车辆在交叉口上的停车延误和停车次数,对单交叉口信号配时有理论指导和应用价值.     

捷联惯性姿态测量系统的扩展遗忘因子递推最小二乘算法研究

在实际大型动态测量船动态变形测量应用中准确确定捷联惯性姿态测量系统噪声模型和相关性比较困难,采用常规卡尔曼滤波(KF)会导致较大的状态估计误差,甚至使滤波器发散.针对这一问题,在分析扩展遗忘因子递推最小二乘(EFRLS)算法的稳定性基础上将EFRLS估计误差与带系统相关噪声的卡尔曼滤波器估计误差进行了比较,并针对大型测量船动态环境采用EFRLS算法对变形参数进行了估计,仿真结果验证了EFRLS算法在噪声信息未知情况下的有效性.     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.     

基于能量与功率控制的TopDisc拓扑算法研究

拓扑控制是无线传感器网络的一个重要研究方向,选择良好的拓扑控制机制,能够提高网络通信效率并延长网络的生命周期。在TopDisc算法的基础上,提出了一种基于能量与功率控制的拓扑控制算法,在能量的引导下,通过调整节点的发射功率,生成更适合的网络拓扑结构。仿真实验结果表明改进的算法形成的簇的交叠更少,网络的生存时间更长。     

一种改进的模式匹配算法

针对现有的模式匹配算法的不足,在分析了传统的BF、KMP和BM模式匹配算法的基础上,提出了一种改进的模式匹配算法(NBM),该算法的思想是对BM算法中滑动距离函数dist右移模式距离大小进行改进,并且定义了两个新的滑动距离函数,在不同的条件下,分别调用不同的滑动距离函数,更好的控制模式匹配过程.实验结果表明,该算法比BF、KMP和BM算法显著减少了字符匹配次数,有效地提高了模式匹配的速度.     

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。     

基于参数扫描算法的HEV多能源控制策略优化研究

为了改善某并联式混合动力SUV汽车的燃油经济性与动力性,运用ADVISOR2002中基于Matlab的多层次参数扫描算法,以燃油经济性为优化目标,以动力性为约束条件,对该车型的多能源控制策略进行优化。最后对控制策略优化前后的SUV性能进行仿真。结果表明,优化后燃油经济性在多种路况下都得到了不同程度提高。     

基于神经网络的GPS高程拟合方法优选及精度分析

针对现有的几种神经网络GPS高程拟合方法,讨论了利用遗传算法(GA)、粒子群算法(PSO)优化BP神经网络权值和阀值的原理;结合分布较均匀、现势性较好的GPS和水准联测数据,试算了基于神经网络的GPS高程拟合.拟合结果表明:基于PSO算法优化的BP神经网络的拟合精度优于GA算法,误差相对更小.     

基于敏感性重要度算法的交通事故成因分析

随着经济的持续发展和车辆的不断增加,交通事故次数越发频繁,为缓解道路交通安全问题,本文以国道205山东省某市区的交通事故为例,在传统的故障树模型基础上,提出了两种敏感性重要度算法,两种算法分别借助于反三角函数、反比例函数和偏导运算,通过相关计算发现影响国道205山东省某市区交通事故的重要因素有：能见度差、照明条件差、其他因素、无中央隔离栏、年老体弱、非机动车违法上机动车道。