基于B/S架构态势原型系统实现及性能优化

C/S（客户机-服务器）模式软件存在客户端资源消耗大、部署繁杂、升级困难等问题。论文设计了一种基于Java平台的B/S（浏览器-服务器）架构态势原型系统,解决了体系结构、信息规范、网络通信及态势显示等关键技术,实现了实时目标信息接入、图上显示及综合查询等功能。论文还讨论了Java平台性能优化技术,优化后的原型系统运行结果良好,在指挥控制系统领域具有应用价值。     

59000 DWT穿梭油船总体设计研究

介绍59 000 DWT穿梭油船的总体设计中对设备布置、总体性能、稳性、快速性以及对艏艉型线优化等问题的处理;同时介绍穿梭油船上特殊机械设备和相关系统的配备和功能.     

电动汽车充电站的选址优化研究

电动汽车的充电系统是发展电动汽车的重要基础支撑系统,进行电动汽车充电站的选址优化研究对于电动汽车的推广具有重要意义。首先对影响电动汽车充电站的选址因素进行分析;在充分考虑电动汽车充电站建设原则的基础上,构建基于充电站运营费用和用户充电费用最小化的电动汽车充电站的选址模型;然后采用遗传算法对模型进行求解;最后通过算例对模型和算法进行验证。     

平面交叉口信号控制多目标优化研究

从道路使用率、出行时间成本、环境保护三方面平衡交通效益出发,建立在饱和度约束下以通行能力、出行者平均延误、尾气排放量作为性能指标的平面交叉口信号控制多目标优化模型;模型可根据交通流状态的不同对控制目标有所侧重;最后运用遗传算法对模型进行优化。算例分析表明,该模型能较好的适应交通流状态的变化,可获得更好的交通控制效果。     

城市道路联网联控关键技术

从城市道路联网联控平台的系统构建出发,概述其系统构架的关键层次为交通信息感知层、模型层、应用层及信息发布层。阐述城市道路联网联控的关键技术,主要包括交通信息感知、道路运行状态分析、交通需求识别、交通信号控制和交通诱导。最后,讨论城市道路联网联控技术带来的社会效益。     

铁路集装箱空箱调运优化及相关问题分析

在铁路集装箱空箱调运的优化过程中,需要综合许多因素,其中空箱调运后变成重箱而产生的实际经济效益问题最为重要,是必须优先考虑的关键。分析铁路集装箱空箱申请的实际过程,并在此基础上对铁路集装箱空箱调整的原因和特点进行论述,在对空箱调运影响因素分析的基础上,建立铁路集装箱空箱调运优化模型。     

基于NSGA-II算法的客运专线开行方案优化设计

旅客列车开行方案是客运专线旅客运输组织的核心和基础,是基于铁路企业运营成本和旅客出行费用,以铁路运行总成本最小化为优化目标,以路网运行线频率、路网总通过能力、路网载客能力需求为约束,运用NSGA-II方法求解双目标函数优化的"Pareto边界"问题,并在该边界上讨论所求目标函数的"最优解"。其算例结果分析表明:列车开行方案既能保证铁路企业的收益,又能够有效地提高旅客出行质量。     

在资金预算不确定条件下路面维护和修复项目管理决策优化方法

一个得到良好开发和维护的路面管理系统（PMS）能够帮助管理者做出在什么时候,对哪些路段采用什么样的路面维护和修复方案的决定,从而实现可用资源的最大化.本文提出一种在资金预算不确定条件下路面维护和修复项目管理决策优化方法 (MPMRPBU),为确保管理者在一个决策规划时段内,从公路网中选择并优化一组路面维护和修复方案,建立随机线性规划模型求解MPMRPBU问题.通过案例分析,比较在确定性优化和随机规划两种不同条件下的优化方案,研究不同经济预算对优化方案的影响.结果表明,采用随机规划方法能产生高质量的MPMRPBU解决方案, 该算法可以解决实际问题.     

搁浅船舶扳正过程计算方法

为了研究搁浅船舶的打捞,计算了船舶扳正过程中搁坐力和纵倾角的变化,分析了船舶舱室内的自由液面在搁浅船舶扳正过程中的作用。根据搁浅船舶的受力特点,建立了其力学模型。针对传统搁坐力计算方式的缺点,利用 GHS 软件模拟搁浅船舶的扳正过程,并以某搁浅船舶为例,求解该过程中各搁坐点的搁坐力、总搁坐力、横倾角和纵倾角。通过仿真模拟,比较了船舶不同搁浅状态的扳正过程,分析了搁坐点位置、吃水、船体型线和船舶重力分布对搁浅船舶受力和姿态的影响。分析结果表明：搁坐点位置相对分散或船体吃水较深时,船体的纵倾角变化相对较小,变化量为其他类型的0．1％～2．0％;搁坐点关于船舯非对称产生的总搁坐力变化量相对搁坐点关于船舯对称产生的总搁坐力较小,前者变化量为后者的35％～65％;舱室内自由液面的存在加大了搁浅船舶打捞的难度,因此,在制定打捞方案时应该着重考虑其影响;施工过程中也应控制搁浅船舶翻转的速度,避免阻碍扳正工作或对船舶产生进一步的破坏。     

混合径向基神经网络对货运量的预测

为了定量预测多个外部因素影响下的货运量,建立了混合径向基神经网络模型.该模型以径向基神经网络为模型主体,并结合二阶振荡粒子群优化算法和灰色预测方法构成混合预测模型.该神经网络模型的参数设置更加简便,收敛速度更快.实例预测得到的结果相比较其他预测方法绝对误差值更小,误差变化范围更加稳定,证实了该神经网络模型的有效性,表明了其在多因素影响下的货运量预测中具有很好的适用性.