遗传—神经网络在交通流预测中的应用

提出一种基于BP神经网络的遗传算法,分别利用其局部和全局寻优能力强的特点,综合为一种新的优化算法,并将改进的算法应用于交通流预测中。结果表明,改进方法的预测效果优于单一使用BP神经网络进行预测的效果。     

活塞式鱼雷凸轮发动机配气参数优化研究

为了对活塞式鱼雷凸轮发动机配气参数进行优化,选择有效燃烧消耗率作为目标函数,运用遗传算法,得出鱼雷在基准航深时的最佳配气参数值,并与发动机原型配气参数进行对比,结果表明,该优化方法是可行的。     

非线性最小二乘参数平差的非线性规划算法研究

讨论了非线性最小二乘参数平差可行的5种非线性规划算法－牛顿法、最速下降法、离散牛顿法、拟牛顿法和SQPM算法,通过分析、比较和实算证实SQPM算法是求解非线性最小二乘参数平差问题的最为有力的工具,且使SQPM算法成为无需精确计算参数概略值的非线性最小二乘参数平差法。     

A distributed VNS algorithm for optimizing dial-a-ride problems in large-scale scenarios

These days, transportation and logistic problems in large cities are demanding smarter transportation services that provide flexibility and adaptability. A possible solution to this arising problem is to compute the best routes for each new scenario. In this problem, known in the literature as the dial-a-ride problem, a number of passengers are transported between pickup and delivery locations trying to minimize the routing costs while respecting a set of prespecified constraints. This problem has been solved in the literature with several approaches from small to medium sized problems. However, few efforts have dealt with large scale problems very common in massive scenarios (big cities or highly-populated regions). In this study, a new distributed algorithm based on the partition of the requests space and the combination of the routes is presented and tested on a set of 24 different scenarios of a large-scale problem (up to 16,000 requests or 32,000 locations) in the city of San Francisco. The results show that, not only the distributed algorithm is able to solve large problem instances that the corresponding sequential algorithm is unable to solve in a reasonable time, but also to have an average improvement of 9% in the smaller problems. The results have been validated by means of statistical procedures proving that the distributed algorithm can be an effective way to solve high dimensional dial-a-ride problems.     

TSK模糊模型的GA—BP混合学习方法

针对TSK模糊模型的学习是多约束和多目标优化问题,提出一种基于GA—BP的TSK模糊模型学习方法。论述了所涉及的相关问题,包括模型结构的种群编码、进化策略及其适应值评估策略,推导了在进化过程中模糊模型前件和后件参数的BP算法。仿真结果表明：该方法具有先验知识要求少、获取的模型具有较好的精确性和简洁性等特点。     

TSK模糊模型的GA-BP混合学习方法

针对TSK模糊模型的学习是多约束和多目标优化问题,提出一种基于GA-BP的TSK模糊模型学习方法。论述了所涉及的相关问题,包括模型结构的种群编码、进化策略及其适应值评估策略,推导了在进化过程中模糊模型前件和后件参数的BP算法。仿真结果表明:该方法具有先验知识要求少、获取的模型具有较好的精确性和简洁性等特点。     

Delaunay三角网剖分中嵌入约束边的局部调整算法

提出了一种建立约束Delaunay三角网（CDT）的算法，该算法对约束数据集先建立非约束Delaunay三角网，然后嵌入约束边对其影响域按角度最大原则进行局部调整，同时使其满足CDT的性质。详细地说明了在CDT中嵌入约束边的过程，同时给出了三角网拓扑关系更新的方法，最后对算法的时间效率进行了分析。该算法执行效率高，并且运行稳定。     

基于径向基神经网络的大连站客运量预测

针对铁路客运量在时序上的复杂非线性特征,采用径向基函数(RBF)神经网络对铁路客运量时间序列进行预测.用自相关分析技术分析时间序列的延迟特性,据此确定RBF神经网络的输入、输出向量,建立了基于MATLAB7.0环境下的RBF神经网络客运量预测模型,并用大连站实际客运量数据进行了验证.结果表明,该模型拟合精度和预测精度较高、计算速度较快.     

遗传算法在桥梁体外预应力加固设计中的应用

在桥梁加固设计中,体外预应力筋的设置受多种因素的影响.笔者运用基于实数编码的遗传算法,以水平筋的截面面积最小作为优化目标,提出体外预应力筋合理设置问题的优化方法.     

基于混沌遗传算法的基元提取

提出了一种直接在灰度图像上进行基元提取的方法．与传统基元提取方法相比，该方法不需对灰度图像进行边缘检测二值化处理，而是利用图像边缘的梯度信息对混沌遗传算法导向，直接在灰度图像上提取基元．同时，该方法也避免了Hough变换高的时空开销问题．仿真表明该方法方便、有效并具有较高稳定性．