带软时间窗的集货与送货多车辆路径问题节约算法

研究了物流配送中多车运输的集货与送货车辆路径规划问题, 以增加时间惩罚费用的方式插入软时间窗约束, 将租车费用、货车运输费用和时间惩罚费用三者之和最小作为优化目标, 建立数学模型。采用启发式节约算法求解该模型, 考虑时间惩罚费用和运输费用, 比较每一配送节点上直接送货和间接送货的节约费用关系, 求出最优配送路径。试验结果表明: 当配送次数达到50次时, 货车平均装载率仍能达到80%以上, 该节约算法能减少货车空程行驶和租车次数, 优化了全局费用。     

���س�ȡ����������������·����ģ������Ⱥ�㷨

对逆向物流车辆路径问题进行了概述和分类,构建了以VRPPDTW为基础的带回程取货的逆向物流车辆路径数学模型,设计了求解该模型的最大—最小蚁群算法,对设计要素进行了详细介绍,包括初始蚁群分布,状态转移策略,以及信息素更新策略等,并给出了具体的算法步骤. 最后,以Solomon中的R101、R102、R103、R104和R105等5项示例为背景,分别取前25节点和50节点,以取货点的取货量比例分别占全部客户节点需求量的10％、30％、50％取货,得到30个算例的计算结果,并将其与Tangian和模拟退火等计算结果进行了比较,结果表明最大—最小蚁群算法在某种程度上优于其他算法     

桥头跳车成因及防治

在深入分析桥头不均匀沉降产生原因的基础上,从地基、路堤、路面等方面提出桥头跳车综合防治技术,和针对常规桥头搭板设计方法中存在的弊端提出改进的设计方法,同时对排水系统进行分析和改进,这项研究可供工程实践参考.     

��������Ż�ģ�͵Ĺ��Ҽ���·�������Ż�

在传统的公路网路线布局优化模型的基础上,对节点重要度、路段重要度及网络重要度模型分别进行了改进. 改进模型综合考虑了节点的社会经济情况及路网交通需求在各节点之间的空间分布情况,将节点的客、货运输量作为确定节点重要度的重要指标,同时将节点之间的OD交换量、路段长度以及与两节点直接连通的节点个数作为确定路段重要度的变量,并将改进的重要度模型引入目标函数当中,建立一种适用于国家级干线公路网的组合优化模型,并运用遗传算法对所建立的组合优化模型进行求解. 基于东北地区高速公路网规划案例进行的仿真试验表明,该模型是可行的、有效的,可以为公路网规划提供一些借鉴和参考.     

����FPGA��ʵʱ����Ŀ�����ϵͳ�����ʵ��

针对民航机场及周边空域安全管理的需求和雷达监视存在盲区易受干扰的缺点,设计了一种基于FPGA的实时空中目标跟踪系统. 针对空中目标的特点,采用灰度图像的帧间差分法进行目标检测,自适应双阈值进行目标分割,形心跟踪法进行目标跟踪,达到25帧/s的实时处理速度;算法通过设置跟踪区域和目标锁定点,排除了干扰的影响,提高了系统跟踪能力;采用形心坐标的脱靶量作为云台调整参数,依据分割目标像素大小在跟踪过程中进行了自动变焦控制;采用IDE接口硬盘作为存储介质,FAT32文件系统作为图像存储形式来记录实时图像. 外场实验表明,系统工作稳定,跟踪算法简单实用,可辅助雷达系统对飞机起降及机场空域移动目标进行跟踪监视.     

��ֱ�ﳵ��ȡ�ͷ����Ľ��������㷨�о�

放射形专用线非直达车流取送方案的选择是一个非常复杂的组合优化问题,当作业的专用线数为n时,取送方案数达到(n!)2,采用经典算法求解用时太长. 为了提高非直达车流取送方案的计算效率,将禁忌搜索算法同时用于送车方案和取车方案的求解过程. 对禁忌搜索算法的主要因素进行了设计,通过两组实例仿真,验证了禁忌搜索算法用于求解非直达车流取送方案的有效性. 仿真结果表明,专用线数越多,计算时间越长;在专用线数一定的条件下,最优方案的等值方案数越少,搜索范围就越大,计算用时也越长. 专用线不超过8条时,计算用时不超过3 s,计算效率满足了现场生产需要.     

�����������ƵĶ༯װ������ϵͳ�Ż��Ķ���ȺЭͬ�㷨

在分析具有装载重量、体积等约束条件及配放限制的集装箱配载模型的基础上,分析了求解其的蚁群算法与求解TSP的蚁群算法在结点性质、原点（中心结点）的作用、蚂蚁路径构造规则、可移动结点集合、可行解的形成过程等方面的区别. 针对问题特点,充分考虑货物配放限制,装载工具的载重、容积两个方面同时优化的问题,基于待装货物比容动态逼近装载工具剩余空间比容的思想,综合运用ACA-INI、ACA-CONTAINER和ACA-VOTUME三个不同蚁群协同考虑问题的两个目标——需用集装箱数目优化和装载工具重量、容积利用率优化,对问题的求解策略进行了研究. 进一步地,结合8类40件不同品种货物的集装箱配载问题对模型算法的实用性和有效性进行了验证.     

基于时刻表的公交配流算法研究

目前公交配流多基于发车频率,配流结果时刻信息度不高。为促进基于时刻表的公交网络配流研究,建立了改进的Logit模型,在传统Logit模型中引入公交路径独立系统以克服多条相似公交路径的相互影响。同时,建立了容量限制下基于时刻表的随机用户均衡模型(VRT-SUE),该模型考虑了车次容量限制并实现了SUE模型在公交网络上的配流。实例公交网络配流结果显示,改进的Logit模型比传统Logit配流结果更加合理,VRT-SUE模型满足车容量限制同时配流结果达到网络均衡状态,两种模型均可用于城市公交网络运营管理设计。     

基于梯度关联规则的老年行人交通事故风险识别

为构建老年行人交通事故严重程度风险关联因素识别方法体系,本文应用极限梯度提升关联规则挖掘算法(Extreme Gradient Boost-Apriori,XGB-Apriori)识别城市道路老年行人交通事故风险因子。运用机器学习优化关联规则算法结构,通过机器学习库 scikit-learn 中 XGBoost(Extreme Gradient Boost)算法与SFM(Select From Model)特征选择类功能实现变量特征值的选择。进而,对Apriori算法设置有序定向约束,得到适用于交通事故致因分析的数据挖掘技术。通过逐层迭代识别关联项,选取频繁项集,总结高置信度、高提升度的关联规则。关联因素模型评估结果表明,本文采用的SFM功能准确度可达78.31%,关联规则XGB-Apriori算法较传统算法精度提升了91%。挖掘结果显示,驾驶员与行人的自身特征、车辆特征、碰撞状态以及道路特征均对老年行人交通事故的严重程度具有重要影响。其中,男性驾驶员造成的行人死亡事故频次较高,女性驾驶员造成的受伤事故频次较高;大型、重型车辆(SUV、卡车、施工车)发生死亡事故频次相对小轿车更高;位于匝道等道路线型弯曲的坡道中,老年行人发生致死交通事故的频次相对线型缓和路段更高。本文对老年行人交通事故耦合因素全面识别并针对性提出风险防控精准预判方法,为有效保护道路弱势群体提供必要的理论支持。     

北京市共享单车出行的时空规律与需求预测研究

基于北京市摩拜单车的工作日骑行数据,利用非负矩阵分解算法(NMF)从时间和空间两个维度深入探究共享单车的出行规律,并构建逆序群体稳定性指标(RPSI)改善k值选择过程。利用得到的出行规律,运用MATLAB构建基于非负矩阵分解算法的BP神经网络预测模型,对共享单车的出行需求进行预测,并分别与BP神经网络预测模型和长短期记忆(LSTM)神经网络预测模型的结果进行对比。研究结果表明,共享单车可分为5种基本的出行模式,每个区域的出行都可以由这5种出行模式的线性组合来表达,其中的系数代表了每一种出行模式的强度和随时间变动情况。依据这5种出行模式的时间特征和空间特征,分别确定其出行含义：通勤出行中居住地到地铁站的出行;通勤出行中地铁站到工作地点的最后一公里连接;居民其他的非通勤出行行为,如休闲娱乐活动等;回程通勤出行中从工作地点到地铁站;回程通勤出行中从地铁站到居住区的最后一公里连接。最后,模型预测结果的对比分析显示,本文构建的基于非负矩阵分解算法的BP神经网络预测模型不管是在预测精度还是实际操作便捷性上都优于其他两种预测模型。