关于启发式的再认识

探讨了启发式的内涵及对启发式认识上的误区,提出了启发式教学的实施策略     

转盘上单机排序问题的启发式算法

对于带有转盘的单机排序问题T1.给出了一个启发式算法,该算法具有多项式时间O(n2) ,且性能比为1+2/n.     

一种延迟受限最小代价组播路由算法

提出了一处简单有效的延迟受限最小代价组播路由（ＤＣＭＡ）启发式算法。其计算复杂性为Ｏ（ｍ│Ｖ│），其中ｍ是组成员数量，│Ｖ│是网络中节点数量。仿真结果显示ＤＣＭＡ取得了良好的代价性能，是一个简单实用的组播路由算法。     

基于GATS算法的城市土地使用规划问题研究

土地使用规划就是确定和选择可能的发展区域以满足使用土地的要求，包括新区域的形成及提供公共服务设施），最优土地发展规划就是从许多可能的发展区域和人口分配方案中选择最好的方案，这一问题能归结为一个单目标0－1规划问题，本文根据遗传算法和禁忌搜索算法自身的优势与不足，提出一种将二者混合使用求解土地使用规划的算法，以使总的费用最少，同时针对此模型中约束函数的特点，提出一种处理约束的新方法，并用实际问题进行了数值实验，这是第一次将遗传算法和禁忌搜索算法应用于实际的土地使用规划问题。     

基于万有引力搜索算法优化支持向量机的软土路基参数反演

理论计算沉降误差较大的一个重要原因就是其涉及的土体参数取值不够准确,因此,参数反演成为减小参数测试误差的一种有效手段。为此,结合数值分析和智能优化,提出一种基于万有引力搜索算法优化支持向量机的软土路基参数反演方法。根据均匀试验设计方法,对加载过程中的路基沉降进行数值模拟,并根据数值计算结果构造出支持向量机的训练样本。同时选择适用性强且应用广泛的径向基函数作为核函数,建立支持向量机沉降代理模型,从而减少有限元计算沉降的次数和耗费的时间,提高运算效率。运用万有引力搜索算法对支持向量机的2个重要参数进行寻优,进一步提高支持向量机的拟合精度,获得优化后的沉降代理模型。利用优化后的沉降代理模型计算得到随荷载与时间变化的沉降序列值,并将路基的实测沉降序列数据作为比较依据,根据实测沉降序列值与计算沉降序列值之间的残差平方和最小的原则获得需反演的参数。运用该反演方法对广东某高速段软土路基的工程实例进行分析,将2个计算断面反演得到的参数再代入数值模型中计算。研究结果表明,得到的沉降计算值与实测值的相对误差分别为3.68%和4.76%,说明该反演方法行之有效且精度较高,为岩土工程参数的反演提供了一种新手段...     

启发式算法在送货线路设计中的应用

运用模拟退火算法、遗传算法等启发式算法对物流系统中的送货路线设计进行了研究。针对一个具体的送货线路设计问题,根据送货线路图,建立了送货路线模型,运用启发式算法计算出了最优送货线路,并对该模型和算法的适用性进行了分析。     

基于交路单元的高速铁路乘务交路编制模型与算法

为了解决高速铁路列车乘务计划编制过程中的乘务交路自动化生成问题,从工作实际的角度出发,首先提出以交路单元作为列车乘务交路编制基本单位的方法,在此基础上建立以最小费用为目标的乘务交路编制优化模型,在该模型中对异车体换乘的接续时间进行区分。然后,针对该模型特点,对基于贪婪思想的启发式算法进行求解。最后,以京津城际铁路北京南站至天津站间的列车数据对该算法进行了验证。计算结果表明,用该方法编制的最小费用乘务交路在值乘时长和换乘次数方面能够体现出较好的均衡性。     

基于滑动窗搜索算法在车道线检测方面的改进

车道线检测在自动驾驶和智能交通系统中扮演着至关重要的角色,它直接关联到这些系统的安全性和有效性。尽管传统的车道线检测算法,如基于边缘提取的方法,已被广泛应用,但它们存在一些局限性。[1]特别是在复杂的道路环境中,这些方法常常难以准确识别车道线,从而影响整体系统的性能。针对这一挑战,本文提出了一种新的车道线待选点提取方法,该方法基于Sobel算子和Hsv颜色空间模型,并结合霍夫变换,形成了一种综合的三模型方法。Sobel算子在边缘检测方面表现优异,能够有效识别车道线的形状和边界;Hsv颜色空间模型则有助于处理在复杂光照和天气条件下的车道线识别;霍夫变换则能在边缘信息的基础上进行直线的检测和确认。这三种方法的结合不仅弥补了单一方法的不足,还大大提升了车道线检测的准确性和鲁棒性。     

公交区域调度的最大同步换乘模型

研究了用多目标优化模型来解决基于最大同步换乘的公交区域调度优化问题,并将该调度优化模型描述为混合整数规划问题。建立了以车辆相遇总次数最大为第1目标,以多辆车同时相遇的机会最大为第2目标的双目标优化模型。采用启发式算法对模型进行求解,得出具有最大同步性的发车时刻表。结果表明:该模型实现了同时到达网络中换乘点的公交车的数量最大,从而使乘客可以在最短的等待时间内在换乘点从一条线路转到另一条线路上。