蚁群算法在西餐连锁店配送路径中应用

西餐连锁店的路径优化是各连锁店食品配送路线的优化,要求满足各连锁店时间窗的约束,可抽象为带时间窗的车辆路径问题（VRPTW）.文中采用启发式算法对VRPTW求解.为正确衡量信息素和期望值浓度在进化的不同阶段对算法的贡献,引入了一种自适应转移策略来提高算法的求解效率,并通过综合考虑全局和局部信息的更新策略——蚁权策略进行信息素更新,加快算法的收敛速度.最后,通过11个经典VRPTW对该算法的性能进行了检验.并以大连市西餐连锁店为研究对象,运用本文所提出的蚁群算法求解大连市西餐连锁店的配送路线.     

基于Windows CE的便携式温度监测报警仪的设计

提出了一种基于Windows CE嵌入式操作系统,以S3C2440为核心的便携式温度监测报警仪的设计方案.该方案给出了系统的硬件和软件组成,重点研究了温度传感器的流接口驱动模型,以及温度显示报警应用程序.测试结果表明,该系统灵敏度、实时性、稳定性较好,具有一定的应用价值.     

基于ARM_9的车载智能显示终端设计与应用

针对传统电力机车的改造项目,设计了一种基于ARM9处理器S3C2440、Windows CE嵌入式操作系统和机车故障诊断显示技术的全新机车智能显示终端(IDT)。该显示终端具有机车当前运行状态和实时故障数据的采集、显示、存储和发送等功能。设计了显示终端的硬件结构,进行了操作系统的定制、SPI流接口驱动程序的编写和应用程序以及嵌入式数据库的设计。该系统已成功应用于SS3电力机车,且系统扩展性能良好,稍加改善便可应用于汽车客货运输等其他领域。具有广阔的应用前景。     

基于地铁-货车联运的物流配送路径优化

为应对配送车辆引起道路拥堵和环境污染问题，提出地铁与货车联合运输. 在不改变地铁运行方案的前提下，利用地铁非高峰时段开展货物配送；考虑地铁剩余运能、货车容量、最大行驶距离、客户服务时间窗等限制条件，以配送距离最短为优化目标，构建基于地铁-货车联运的物流配送路径优化模型. 通过地铁配送路径设计不规则二维矩阵编码结构，使用改进自适应遗传算法求解. 以某市地铁货物运输为例，验证模型和算法的实用性、有效性. 结果表明，地铁-货车联合配送距离短，在客户时间窗范围内送达比例高，有效提高客户满意度.     

一种客车应急自动破窗装置的设计

随着汽车工业的发展,人们对汽车乘坐舒适性和安全性的要求日趋提高。为保证紧急时刻乘客能顺利逃生,从车窗玻璃安装方式的角度考虑,设计了一种新的客车自动破窗装置,以弥补传统破窗方式的不足。     

求解带软时间窗的开放式车辆路径问题的遗传算法

通过应用交叉、变异概率的自适应机制和交叉算子A等技术,构造了一个求解带软时间窗的开放式车辆路径问题的遗传算法。用标准测试算例对算法进行测试,并将运算结果与文献中相关算法的运算结果相比较。结果表明,该算法具有较好的性能。     

车道识别过程中搜索车道线的方法

提出了一种在RO I(region of interest)即感兴趣区域中建立搜索窗口的车道识别算法,使其能够很好地处理非理想路况的各种不确定因素,并建立实时动态搜索窗口,除了能精确地追踪车道标志线之外,还能应用于弯路路况。运用LM edSquare曲线拟合算法提高了车道拟合过程的稳健性和精确性。由于RO I的建立,整个识别过程的计算量大大降低,适应实时性要求。     

显微图象处理系统的软件设计

介绍显微图像处理系统软件设计中所涉及的相关概念和实现方法,主要对图像与数据库的关联技术进行了探讨,通过一显微图像处理系统开发的实例,叙述了面向对象的程序设计技术。     

Real time location prediction with taxi-GPS data streams

The prediction of the destination location at the time of pickup is an important problem with potential for substantial impact on the efficiency of a GPS-enabled taxi service. While this problem has been explored earlier in the batch data set-up, we propose in this paper new solutions in the streaming data set-up. We examine four incremental learning methods using a damped window model namely, Multivariate multiple regression, Spherical-spherical regression, Randomized spherical K-NN regression and an Ensemble of these methods for their effectiveness in solving the destination prediction problem. The performance of these methods on several large datasets are evaluated using suitably chosen metrics and they were also compared with some other existing methods. We found that the Multivariate multiple regression method has the best performance in terms of prediction accuracy but the Spherical-spherical regression method is the best performer when we take into account the accuracy time trade-off criterion. The next pickup location problem, where we are interested in predicting the next pickup location for a taxi given the dropoff location coordinates of the previous trip as input is also considered and the aforementioned methods are examined for their suitability using real world datasets. As in the case of destination prediction problem, here also we find that the Multivariate multiple regression method gives better performance than the rest when we consider prediction accuracy but the Spherical-spherical regression method is the best performer when the accuracy-time trade-off criterion is taken into account.