多子阵SAS非Stop-and-Hop近似RD成像算法

本文分析了Stop—and—Hop近似不成立条件下的多子阵合成孔径声纳系统数学模型,提出了适用于Stop—and—Hop近似不成立条件下的多子阵合成孔径声纳RD成像算法,仿真试验结果证明新方法是有效的。     

发动机液压悬置低频模型参数识别方法的研究

根据悬置低频振动模型,提出了基于DE算法的发动机液压悬置模型识别方法,由简单的低频正弦激振试验直接估计模型的关键参数值,完成模型的参数识别。基于上述理论和试验相结合的模型识别方法可以代替组件试验,识别结果可直接用于复杂结构悬置元件的动特性预测和整车NVH性能研究。     

多Agent粒子群算法在船舶电力网络重构中的应用

根据船舶电力系统自身所具有的特点,结合智能控制算法以及多Agent技术在电力系统的应用,本文提出了一种基于粒子群算法的多Agent船舶电力系统网络重构思想,建立一种与之符合的拓扑模型以及数学模型。在粒子群法的基础上,给出多Agent系统的全局最优解,实现网络重构供电最优,并通过相应的算例进行验证分析。     

地铁短时客流预测改进LSTM方法

短时客流预测可为轨道交通运营部门规划调度提供参考,其中短时客流预测的精准性尤为重要,为进一步提高城市轨道站点短时客流预测精准性,提出一种结合集合经验模式分解算法和贝叶斯优化算法的改进LSTM方法。先使用集合经验模式分解算法(EEMD)对地铁站点的客流数据进行分解,以减少数据噪声干扰;再通过贝叶斯优化算法(BOA)对长短时记忆神经网络(LSTM)的超参数进行优化,从而提高模型的参数精确性。采用真实的客流数据验证结果表明：相较于单一LSTM以及单层组合模型,双重叠加后的EEMD-BOA-LSTM组合模型预测结果平均绝对误差降低21.8%～44.8%,均方根误差降低16.9%～47.4%,对短时客流的预测结果误差改善显著。     

一种适用于WSN数据实时加密传输的超轻量级流加密方案

对于电力无线传感器网络实时数据传输中缺乏数据机密性保护以及设备计算能力较弱、带宽受限等问题,提出了一个超轻量级流加密方案。该方案由密钥创建、加密和解密3部分组成,并进一步基于该方案设计了一套适用于电力无线传感器网络的数据加密传输协议,给出了关键实现和仿真。仿真结果表明相比其它算法,效率有极大提高,实现难度低,适用于电力无线传感器网络设备计算能力较弱的应用场景下数据安全传输。     

基于改进蚁群算法的山区无人机路径规划方法

对无人机在山区执行应急物资运输任务时的飞行路径规划问题进行研究.基于对无人机的性能分析与比选,探讨了路径规划的约束条件,提出了一种考虑路径安全度的改进蚁群算法.首先,基于高海拔山峰的位置构造泰森多边形,获取无人机在山区避障飞行条件下的路径可行解;其次,为避开山峰密集区域,建立路径安全度约束,缩小可行解范围;进而,利用蚁群算法搜索最短路径;最后,消除路径中不必要的障碍点以进一步缩短距离,并综合考虑无人机性能参数对拐角进行平滑处理,获得最终可用于实际飞行的最优安全路径.算例分析表明,改进的蚁群算法较传统算法收敛速度更快,且生成的路径更短.     

半开放式的多配送中心纯电动车辆路径优化问题

电子商务促使越来越多的物流企业采用多配送中心模式优化车辆的配送路径,纯电动汽车逐渐替代了传统的燃油配送车辆,以改善生态环境. 结合多配送中心联合服务模式的特点和纯电动物流车辆的行驶特征,构建带时间窗的半开放式多配送中心纯电动车辆路径优化模型,设计蚁群算法对其求解. 算例对比分析结果表明：半开放式的多配送中心联合服务,能合理利用相关物流资源,改善车辆路径,降低物流费用,但需要寻找合适数量和位置的配送中心进行联合,才能达到节约成本的最佳效果;相比单配送中心,多配送中心联合服务提供了更多潜在的较低价格的充电点,在配送中心补充电量可在一定程度上节约物流成本.     

城市轨道交通大小交路开行方案与多站联合限流协同优化研究

针对城市轨道交通高峰时段客流量大、客流空间分布不均衡导致的供需能力不匹配和车站大客流组织安全压力大等问题,本文提出了一种大小交路开行方案与多站联合限流相结合的运输组织协同优化方法. 该方法考虑客流安全容量、列车运行时间和大小交路开行等约束,建立了以乘客出行成本、企业运营成本和各站上车比例方差和最小为目标的优化模型,设计嵌套人工蜂群算法求解. 以某市城市轨道交通线路为例验证模型的有效性与适用性,并对小交路列车开行频率和多目标的权重系数进行了敏感性分析. 结果表明,该方法在输送乘客人数相当的情况下,能有效节省企业运营成本,并提高乘客出行公平性,有效缓解大客流车站的客流组织压力.     

基于LightGBM算法的公交行程时间预测

在城市公交网络运行中,公交车的站点间行程时间会受到道路和环境条件的影响. 本文对公交车运行过程中的车辆速度特征、道路特征及天气特征等进行了分析.建立了基于特征的 LightGBM (Light Gradient Boosting Machine)公交行程时间预测模型,通过调整 LightGBM算法中的相关参数,以分配各个影响特征和因素的权重大小.然后利用天津市某条公交线路 24天的公交车 GPS数据对模型进行了训练和验证,并与基于历史平均值和卡尔曼滤波的行程时间预测模型进行对比.比较结果表明,LightGBM模型在 MAE (Mean Absolute Error)和 MAPE (Mean Absolute Percentage Error)这两个指标上均大幅度优于其他两个模型,说明 LightGBM模型在公交车行程时间预测上具有很好的稳定性和应用前景.     

基于OpenMP的并行遗传算法求解SAT问题

为了提高SAT （boolean satisfiability） 问题求解效率,在OpenMP （open multi-processing） 编程框架下,将遗传算法与局部搜索算法结合,改进了混合遗传算法中的选择算法,将原有选择操作的时间复杂度降低到O(N)级别. 算法采用OpenMP中的编译制导语句#pragma omp parallel粗粒度并行化驱动混合遗传算法,采用#pragma omp single语句块实现了子种群间个体的同步迁移操作. 与同类算法HCGA （hybrid cloud genetic algorithm）比较分析表明:改进算法HGA （hybrid genetic algorithm）以及并行后的混合遗传算法CGPHGA （coarse-grained parallel hybrid genetic algorithm）在求解成功率和求解效率上都有显著提高,部分问题求解成功率提高达5倍.