���ڳ����滮�����򹫹��������� ѡַģ��

针对区域公共物流中心(Regional Public Logistics Center, RPLC)选址问题,考虑到选址问题的不确定性,运用场景规划技术,建立RPLC选址双层规划模型。上层规划模型最小化RPLC建设及运营费用,下层建立分车型随机用户均衡模型用以描述城市内车辆的路径选择。通过预估RPLC在未来运营中可能出现的各种场景,确定相应场景下变量的取值,并求解双层规划模型、确定该场景下的最优选址结果;根据场景发生的概率选取在各种场景下加权平均费用最小的选址结果作为最终结果。同时,本文给出了求解该问题的离散粒子群算法和数值算例。结果表明,所建立的模型和求解算法是有效的,能较好地解决RPLC选址的不确定性,这对于节约RPLC建设和运营成本,减少投资风险是可行的。     

�ۺ���������෽ʽ�ֲ����ģ���о�

针对综合运输网络运量预测需求,建立了多式网络分层分配模型,以分层网络拓扑结构和相应路径搜索算法的改进为重点,建立了适合分层网络结构的运量分配模型. 分层网络模型中心节点代表城市中心和换乘枢纽,相应地构建适用分层网络结构的广义费用函数、路径搜索算法. 以本文研究方法为基础开发了辅助计算系统,用于解决大规模运输网络的运输需求预测问题. 以在建的京沪高速铁路沿线运输网络为研究案例,研究结果验证了本文构建的多方式分层分配模型的有效性与实用性.     

弹性需求和多用户随机平衡下的连续网络设计

连续平衡网络设计问题是在连续决策变量的条件下,寻找最优的用于道路网络中某些路段扩建的投资决策方案。文中从代表性消费者理论出发,建立了该问题的基于弹性需求和多用户类型随机用户平衡的双层规划模型,并考虑了路段能力约束。基于双层模型求解的复杂性,设计了基于混沌优化方法的启发式算法,实例计算结果表明该模型与算法是有效的。     

样本复杂性估计算法优化神经网络结构

在神经网络结构寻优中,样本复杂性估计算法是期望在寻优之前先对问题的规模有所估计,进而根据规模给出一个结构,使之不用从最小结构开始一一尝试。频域分析及仿真实验结果均证明了此算法的有效性。     

基于蚁群算法的客运专线乘务交路计划编制方法研究

;乘务交路计划的编制是乘务计划编制智能化的关键.简述客运专线乘务交路计划编制问题,在将其转化为一类特殊的旅行商问题(TSP)的基础上,建立了该问题的数学模型.改进了最大最小蚂蚁系统(MMAS,max-min ant system),提出用K-MMAS算法求解该数学模型.以京津城际客运专线相关数据为背景对该算法进行仿真,验证了算法的有效性.     

基于改进的BP神经网络的产品生产成本估算

基于BP神经网络的成本估算模型,利用全局搜索能力较强的遗传算法优化BP神经网络连接权,克服传统的BP算法易陷入最小值的缺点,使模型预测性能、预测精度和泛化能力得到有效改进.以列车转向架为例,建立产品生产成本GA-BP估算模型,通过8组检测样本检验训练好的遗传人工神经网络.计算结果表明:预测值与期望值的误差小于4%,说明利用遗传神经网络模型对产品成本进行估算切实可行.     

基于遗传算法的动态交通分配研究

主要研究动态系统最优（DSO）模型。以总的花费时间最小为目标函数,对模型的节点集、路段集分别进行研究。通过模拟路段的流入量、流出量和路段上的交通量来建模。用传统的迭代算法解决动态交通分配问题非常复杂,而对传统迭代算法进行改进或用遗传算法等新的智能算法求解则会很简洁和方便。     

基于改进遗传算法的接运公交线路生成优化模型

城市轨道交通接运公交线路布设效果直接影响到轨道交通线路的运营效率．为了探讨轨道交通接运公交线路的最优布设方案,以最少线路接运最大客流量为目标,建立了线路生成的优化模型,并给出了求解该模型的改进遗传算法．以北京地铁5号线宋家庄站和刘家窑站的接运公交线路布设方案为例进行分析,结果表明：两个轨道交通站点布设6条接运公交线路能够使接运公交线路的载运能力最大,为205人／（km／h）．     

基于改进PSO算法的岩石蠕变模型参数辨识

微粒群优化（PSO）算法是一类随机全局优化技术,具有收敛速度快、规则简单、易于实现的优点．针对岩石蠕变本构模型参数的辨识问题,本文利用FLAC软件自带的fish语言实现了改进PSO算法对本构模型参数的辨识．该方法从岩石本构模型参数的随机值出发,以蠕变过程中试件变形的实验值与计算值的误差大小作为适应度函数来评价参数的品质,利用改进PSO算法规则实现模型参数的进化,搜索出全局最优的模型参数值,从而实现了岩石蠕变本构模型参数的自适应辨识．利用该方法对页岩蠕变实验进行了仿真研究,实验结果表明：改进的PSO算法用于岩石蠕变模型的参数辨识是有效的．     

遗传-模拟退火算法在数据库查询优化中的应用

将遗传算法与模拟退火算法相结合,导出了一种基于遗传0模拟退火算法的多连接查询优化算法．该算法将查询计划的一棵语法树看作是一个染色体,对于语法树上的连接操作后序遍历生成一个编码．在所有编码构成的种群进行完选择、交叉、变异操作之后,在其中引入模拟退火机制,从而进一步调整优化了种群,保持了群体的多样性,减少了用户查询的响应时间．