基于粒子群的城市交通信号两级模糊控制

针对城市交通流的特点,设计一种单交叉口多相位两级模糊控制器,有效地减少控制规则数,实现相序、绿信比、周期随交通状况而自适应变化,并采用粒子群算法对模糊控制器的隶属度函数进行优化。仿真结果表明,该系统能有效地提高交叉口的通行能力,减少车辆平均延误。     

EPS颗粒混合轻质土技术在钱江通道南接线工程中的应用

结合EPS颗粒混合轻质土技术在钱江通道南接线工程中的应用实践,探讨了EPS颗粒混合轻质土的施工技术.实践证明,该材料有效地解决了软基过渡段的沉降和不均匀沉降、路堤与桥台相接处的差异沉降等问题,可以实现缩短工期和提高工程安全性的目的.     

阀门角度对蝶阀后双弯管流场影响的数值模拟研究

本文采用计算流体力学（CFD）数值模拟的方法,研究了不同阀门角度下蝶阀后双弯管模型中的复杂流动现象,并将数值计算的速度云图同流场实验测量结果进行对比验证。分析结果表明：数值计算结果同粒子图像速度场测量技术得到的速度云图基本吻合;阀门角度对流场的影响较大,阀门角度越小,阀板迎背流面的流体扩张也越不明显,模型最大速度减小：阀板前驻点逐渐向阀板迎流面边侧移动,一次分离区减小,而二次分离区先增大后减小;弯管中流体质点二次流、流动分离及流动剪切膨胀等是影响流场的重要因素。     

混合径向基神经网络对货运量的预测

为了定量预测多个外部因素影响下的货运量,建立了混合径向基神经网络模型.该模型以径向基神经网络为模型主体,并结合二阶振荡粒子群优化算法和灰色预测方法构成混合预测模型.该神经网络模型的参数设置更加简便,收敛速度更快.实例预测得到的结果相比较其他预测方法绝对误差值更小,误差变化范围更加稳定,证实了该神经网络模型的有效性,表明了其在多因素影响下的货运量预测中具有很好的适用性.     

无网格对称粒子法中两类热边界条件的处理

第二、三类边界条件对无网格对称粒子法求解瞬态热传导问题的计算精度和稳定性有重要影响。提出一种有效的方法来处理这两类边界条件。该方法采用统一表达式描述两类边界条件,并将边界粒子分为光滑域内的边界粒子和非光滑域的边界粒子。对于前者,在温度导数的对称粒子近似中引入边界条件方程,精确地施加边界条件;对于后者,根据其相邻粒子的温度导数,采用具有一阶连续性的粒子近似,计算出其温度导数。应用该方法计算了一个数值算例。计算结果与解析解和有限元法的计算结果符合良好,且计算误差随时间呈下降趋势,说明该方法具有良好的精度和稳定性。     

基于粒子群算法的起重船扒杆结构优化设计

基于Isight优化软件和通用有限元软件,以扒杆重量为目标函数,采用粒子群算法（PSO）和遗传算法对某起重船扒杆结构进行了优化设计,并讨论了PSO算法的稳定性。通过对两种算法优化结果的比较分析表明,PSO算法优化效果好,收敛速度快,且计算稳定性高,验证了PSO算法在工程船舶结构优化设计中的有效性。     

基于自适应粒子群优化算法的交通量短时预测模型

在考虑交通量短时变化的时空特性和波动性基础上,建立了非线性交通量短时预测模型.根据我国城市道路交通流非线性、时变性、随机性等特点,提出自适应粒子群优化算法对非线性交通量短时预测模型进行在线修正.该自适应粒子群优化算法采用两步优化策略,对算法参数进行调整,避免算法早熟收敛,有效提高了算法的运算精度和效率.利用城市道路的实测数据,通过Mat-lab软件工具箱对该模型进行计算机仿真验证.     

新建交通小区配套道路网络设计模型与算法

研究城市发展过程中新建交通小区的配套道路网络设计问题,提出将新建交通小区与现有路网科学合理连接起来的方法。首先用双层规划法建立该问题优化模型,该模型在考虑交通用户出行行为的情况下,可以确定最优的新建路段选址方案及通行能力设计方案;然后基于粒子群优化技术,设计一个启发式求解算法。最后用一个简单的网络例子验证并分析模型与算法的有效性。     

���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。     

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．