时间扩展畸变信道中鱼雷宽带自导的最佳检测器

介绍了为解决畸变信中鱼雷宽带自导信号检测问题而研究的副本相关检测器和副本相关积分检测器,并绫出了其检测性能的理论分析和对比试验结果,研究结果表明,在时间扩展畸变信道中,副本相关积分器具有稳健的,最佳的检测性能。     

CRH3型动车组侧窗与内饰板间的排水设计

通过对CRH3型动车组侧窗与内饰板间的排水原理及排水结构系统分析,继而为后续新型动车组设计提供一定的技术指导。     

两种码头桩定位方法的比较与分析

打桩定位是码头工程中的一个重要环节。在详细介绍了传统水上打桩定位原理和GPS-RTK码头桩定位技术原理。从作业进程、定位精度、对气候的要求等方面对两种定位方法进行了比较和分析。指出利用GPS-RTK码头桩定位技术进行水上打桩定位具有广阔的应用前景。     

汽车车窗的改良

随着现代汽车迅速发展,汽车的车窗越来越多样化与人性化,但仍存在一些不足之处.本文通过采用双层车窗以及可调风向多孔车窗的形式,对汽车的车窗进行了一些改良,使其在保证基本性能的同时,能满足乘客的更多需求.     

去噪分析和分离变形预测在深埋隧道中的应用研究

隧道变形易诱发相应的工程问题,对其防治及预测已成为地下工程领域的热点问题。为提高隧道变形的预测精度,达到有效掌握隧道变形规律的目的,以某隧道为工程实例,通过对其监测数据的去噪处理,将隧道变形的原始序列分离为趋势项和误差项序列,并利用GA-BP神经网络和时间序列模型对两序列进行预测,又结合支持向量机模型对前者的预测误差进行修正,以保证预测精度。结果表明:在去噪方面,得出半参数优化卡尔曼滤波的去噪效果最优,其次是sym8小波去噪和奇异谱分析;在预测方面,得出分离预测能一定程度上提高预测精度,但效果不明显,而误差修正模型能很大程度上提高预测精度,综合得到本文预测结果的平均相对误差为1.08%。预测模型具有精度较高等优点,能为深埋隧道的变形预测提供借鉴。     

求解带硬时间窗车辆路径问题的改进UMDA 算法

针对带硬时间窗的车辆路径问题(VRPHTW)求解,提出了一种混合单变量边 缘分布算法(hybrid UDMA,hUDMA),改进了基本UMDA的概率模型.统计节点按路径分 布的概率,使其能够在解空间上找到节点-路径的分布关系,提高了UMDA的全局搜索 能力.采用两阶段插入法进行最佳节点搜索和路径分配完成UMDA采样操作,通过种群 进化来获取最优解.计算Solomon 100 客户的6 类问题56 个算例的实验结果表明：在最优 解的取得方面,C类算例能够全部取得最优解,R、RC类算例能以50%左右概率取得最优 解;在平均误差方面,C类算例计算结果与已知最优解一致,R、RC类算例计算误差率与 已知最优解比较接近,平均误差率为1.03%.     

公交运行时间预测方法分析

本文介绍了公交运行时间的预测方法,在交通调查的基础上,应用各种方法进行预测,并对各种预测结果进行误差分析。结果表明,移动平均法的相对误差较指数平滑法小。     

在现代企业中运输模式的合理选择与应用

合理的运输方式可以提高企业的响应速度,降低企业的物流成本。本文介绍了几种运输方式,及其适用的方向,同时,对陕西重型汽车有限公司的供应商进行分析,初步确定其合理的运输方式以及运输路线、窗口时间、装载率在运输中的重要作用。     

求解双目标带时间窗车辆路径问题的蚁群算法

针对运输网络为多重图的双目标带时间窗车辆路径问题设计了蚁群算法.首先,建立了多重图的双目标带时间窗车辆路径问题的数学模型,提出了针对该问题解的搜索空间构建方法,定义了一种综合考虑各优化目标、时间窗和信息素等启发信息的状态转移概率公式. 为了对比说明该算法的有效性,同时设计基于NSGA-II的多目标遗传算法.针对本文算例,对蚁群算法中的各参数进行了敏感性分析,根据分析结果设定算法参数,获得了算例的Pareto最优路径集,同时与NSGA-II算法及相关文献算法针对运行时间、收敛性和群体多样性进行比较.结果显示,本文设计的蚁群算法在这3个指标上均明显优于NSGA-II算法;在相同蚂蚁数量情况下,本文的算法在收敛性和群体多样性方面优于相关文献算法.     

带时间窗的地铁配送网络路径优化问题

为应对人们日益增加的货物需求与货车进城难题,提出整合地铁网和道路交通网,形成以地铁列车和城市配送车辆为载体的地铁配送网络.考虑列车开行时间表、客户服务时间窗、城市配送车辆容量等限制条件,构建带时间窗的地铁配送网络路径优化模型,综合优化地铁列车班次的客户分配、出站点的客户分配及末端配送路径.设计随机变邻域的迭代搜索算法(ILS-RVND)进行求解,以成都市地铁3号线运输货物为例,验证了模型和算法的实用性和有效性.结果表明,地铁配送网络配送成本低,准时性高,配送车辆行驶距离短,能满足比货车单独配送更精准的服务需求.