复合式路面沥青混凝土加铺层设计方法探讨

目前,国内在对CC-AC复合式路面加铺沥青混凝土层时,仍然参照沥青混凝土路面或水泥混凝土路面加铺沥青混凝土层的设计方法,至今没有一个效果非常令人满意。在广泛收集并分析国内外原有沥青混凝土路面加铺沥青混凝土层有关资料的基础上,综合弹性层状体系与有效厚度法,设计时考虑材料的非线性以及旧路面破损或者其他缺陷对加铺层使用寿命的可能影响,探讨了基于FW D检测和有效厚度的弹性层状体系CC-AC复合式路面加铺层设计方法。该方法将原复合式路面的面层等效为水泥混凝土板,按照水泥混凝土路面加铺沥青混凝土层进行设计,并验算沥青混凝土加铺层的抗剪稳定性,验算旧水泥混凝土板与沥青混凝土层界面之间的抗剪稳定性。最后,还研究了复合式路面加铺层典型结构。     

Ad Hoc网络基于蚁群的按需路由算法研究

目前已有一些研究将蚁群优化算法应用于Ad Hoc网络,文中在分析已有成果的基础上提出了一种新的按需路由算法,该算法综合了蚁群优化和AODV及DSR协议的思想,在源和目的之间建立起多路径路由,有效地提高了网络传输性能.模拟结果显示,该算法能较好地适应MANET动态变化的拓扑环境,在性能上优于一些相关的算法.     

交通网络最优路径搜索的蚁群算法

针对交通网络中最优路径搜索问题,本文提出一种基于蚁群算法的新的求解方法。首先从剖析最优路径问题的求解要求出发,探讨蚁群算法求解的优势,由于其并行性、正反馈、协作性等特点,能在较短的时间内发现较优解。然后,根据交通网络的特性,在基本蚁群算法的基础上,引入信息素限定规则,采用平滑机制进行局部更新,改进了全局更新模型等,使该算法更能满足交通系统最优路径的求解要求,降低了路径选择的复杂性,从而提高计算效率。对改进的模型进行的模拟实验和比较分析表明,该模型与算法的效果良好。该研究为交通系统最优路径问题开创了一条新的途径,同时显示出蚁群算法在交通分配中的良好使用前景。     

紧邻大型深基坑的地铁隧道沉降预测方法研究

针对紧邻大型深基坑的地铁隧道因其变形影响因素复杂、变形控制严格而难以准确预测其沉降变形的问题,文章引入对小样本、复杂、非线性数据具有优越预测性能的支持向量机理论,并利用蚁群优化算法搜索支持向量机最优参数组合,建立了优化的支持向量机预测模型。应用该模型对南京市地铁1号线某段隧道的预测结果表明,该模型预测精度高,能够准确反映隧道变形趋势,可以满足紧邻大型深基坑地铁隧道沉降预测的要求。     

基于蚁群算法的航班着陆排序

当空中交通拥挤时，对航班的着陆顺序进行的调整，可以缓解拥挤，减少航班延误，提高飞行安全性，本文将蚁群算法用于着陆航班的排序问题，首先，建立以航班延误总时间最小为目标的规划模型，将航班着陆排序问题转化为非对称的TSP问题；然后，用蚁群算法寻找符合实际操作的优化排列；最后，经过对某机场实际数据的仿真计算，并与实际运行相比较，本文应用的算法具有较好的有效性和较强的使用性。     

应用GA,PSO,ACO算法进行水下自主运载器路径规划(英文)

In this paper,an underwater vehicle was modeled with six dimensional nonlinear equations of motion,controlled by DC motors in all degrees of freedom.Near-optimal trajectories in an energetic environment for underwater vehicles were computed using a numerical solution of a nonlinear optimal control problem(NOCP).An energy performance index as a cost function,which should be minimized,was defined.The resulting problem was a two-point boundary value problem(TPBVP).A genetic algorithm(GA),particle swarm optimization(PSO),and ant colony optimization(ACO) algorithms were applied to solve the resulting TPBVP.Applying an Euler-Lagrange equation to the NOCP,a conjugate gradient penalty method was also adopted to solve the TPBVP.The problem of energetic environments,involving some energy sources,was discussed.Some near-optimal paths were found using a GA,PSO,and ACO algorithms.Finally,the problem of collision avoidance in an energetic environment was also taken into account.     

高速公路入口匝道模糊神经网络ACO控制

针对入口匝道控制中局部需求大于高速公路主线容量情况下Alinea控制算法不能有效反馈的问题,结合模糊控制和神经网络的优点,通过神经网络来训练模糊控制规则,提出蚁群算法优化的模糊神经网络控制器,并对控制器应用于入口匝道控制进行了详细设计。仿真结果表明,基于蚁群优化算法的模糊神经网络控制器学习次数远小于Alinea控制算法,且收敛速度快,运算效率高,控制品质好,能够更好地稳定主线交通流密度。     

基于时间依赖网络的车辆调度问题研究

针对城市道路交通存在的不确定性问题,提出将动态车辆调度问题置于时间依赖网络的思想,建立了包括车辆固定成本费用、路阻费用和违反时间窗约束费用在内的广义费用最小化数学模型,采用改进的蚁群算法进行优化求解。仿真实验表明,该方法充分利用了城市道路交通时变性所呈现的周期性特点,是运输与物流企业进行车辆调度时节约成本的有效方法。     

基于DACS3的改进蚁群算法求解TSP问题

蚁群算法是优化领域中新出现的一种仿生进化算法。该算法采用分布式并行计算机制,具有较强的鲁棒性,易与其他算法结合,但存在运行时间长,容易陷入局部最优解,导致出现停滞现象等缺点。针对蚁群算法,首先介绍其基本原理及不足之处。随后提出了一种改进算法,该算法在选择路径时仅考虑信息素强度,在信息素强度更新时采用基于3层动态信息素更新(Dynamic Ant Colony System with 3 level updates,DACS3)机制,更好地模仿了自然蚂蚁。最后通过仿真验证该算法,结果表明该算法可以取得较好的搜索效果。     

居住区共享泊位资源优化配置模型及算法

对于缓解城市停车难问题,基于泊位共享的理念充分挖掘现有私人或者专用停车位资源以供社会车辆停放的方法成为一种新的思路.由于共享车位可利用的停车时段通常具有严格的时间窗约束和片段化特征,导致共享车位资源在实际运营中难以得到高效利用.本文旨在通过设计优化配置算法,以提高共享泊位利用率为目标,将居住区泊位拥有者愿意出租的停车时段与停车需求进行匹配,从而实现共享车位的高效利用.首先,基于具有颜色约束的加权顶点着色问题,建立共享车位资源优化配置模型;其次,针对以上NP-C问题,分析蚁群算法的路径选择及信息素更新策略并设计求解算法;最后,根据居住区泊位空闲特性设计仿真实验,并与"先到先服务"的停车位资源配置方法对比,结果显示,本文提出的优化方法可以将泊位利用时长提高11.82%.