免疫粒子群算法在船舶避碰上的应用研究

在船舶避碰决策过程中,转向避让是采用频率最高的一种避让方法.为了获得更加有效和合理的转向幅度,以来船与本船构成的方位、距离、船速比、最近会遇距离和最近会遇时间为主要参数,并综合考虑其他因素来确定船舶间的碰撞危险度,通过改进的免疫粒子群算法,建立相应的适应度函数模型,进而求出最优转向幅度.仿真结果表明,改进的免疫粒子群算法对于处理多船会遇情况下的本船最优转向幅度,结果准确可行.     

贯彻落实科学发展观 迎接港口建设新跨越

全国交通工作会议提出,“十一五”期间要完成六件大事,其中沿海港口要新增吞吐能力80%以上,适应度接近1﹕1。全国港口对此都感到鼓舞,可以预见,在新的五年计划中,我国港口又将面临一个新的高速发展期。港口建设进入了一个新的高速发展期,这不仅是我国经济发展的需要,也是适应世     

基于MEC-BP神经网络的基坑水平位移反演分析

随着城市地铁建设快速发展,地铁车站基坑的变形要求越来越严格,基坑土层设计参数的选择面临着极大挑战.利用思维进化算法(MEC)优化BP神经网络的初始权值和阈值,结合有限元数值模拟,提出基于基坑水平位移的土层参数反演分析方法.采用文献算例对该方法进行验证,并与不同反演方法进行对比.研究结果表明:1)MEC-BP神经网络对多工况水平位移的反演分析结果与文献结果基本一致,验证了该方法的有效性和实用性;2)MEC-BP神经网络的收敛速度快于遗传神经网络(GA-BP),其反演结果优于常规BP神经网络、GA-BP方法和修正高斯-牛顿法(G-N);3)采用标量误差函数Ferr进行寻优,可以提高MEC-BP法水平位移反演分析结果的稳定性和准确性.     

区域交通枢纽与经济发展适应度研究

为促进区域交通枢纽与经济的协调发展,研究了区域交通枢纽与经济发展水平的适应度。首先,建立交通枢纽与经济交互作用下的两个子系统,然后选取交通枢纽与经济相关指标,构建适应度评价函数,进而评价交通枢纽与经济发展的适应情况。以九龙坡区为研究对象,将2008—2015 年交通枢纽与经济基础数据转化为其增长率,然后对二者综合发展水平进行了计算,根据适 应度模型对二者之间的适应度进行测算。结果显示,经济综合发展水平略大于交通枢纽发展水平,二者之间适应度经历“S”型周期波动变化过程,且适应度值整体处于0.4 以上,均未达到较强的适应状态。在未来经济发展中,交通枢纽建设有待加强,而且需占主导地位,才能引导经济 快速发展。     

改进粒子群算法的行人设施客流适应度博弈分析

为了有效改善交通枢纽内部行人设施的运行状况,提出交通枢纽行人设施客流适应度的概念,以此对交通枢纽的服务水平进行量化分析。同时,将粒子群算法进行改进,并应用于行人设施客流适应度的博弈分析。各行人设施对应粒子的每一维参与博弈,通过粒子位置的更新实现参与博弈的行人设施控制参数的更新,经过博弈迭代搜索到交通枢纽行人设施客流适应度的最优值及对应的各行人设施的控制参数。仿真实例表明:该方法对实际交通枢纽中行人设施的组织优化具有一定的应用价值。     

基于改进的BP人工神经网络的物流需求规模预测

为了对物流需求规模进行准确预测，探讨了用于物流需求规模预测的经济指标和物流需求规模的度量指标，再应用粗糙集理论、适应度函数和BP人工神经网络理论建立了用于物流需求规模预测的模型，即改进的BP人工神经网络模型。该模型首先应用粗糙集对BP人工神经网络的输入层进行指标知识约简，以减少BP人工神经网络的复杂度，再在BP人工神经网络中引入适应度函数，以克服传统BP人工神经网络算法易陷入局部最优、训练速度较慢等缺陷，最后，将该模型应用在案例分析中。结果表明，该模型使预测精度得到很大提高；该方法为以后物流需求规模的预测提供了一种新的思路和方法。     

混合时间窗约束下多目标多式联运路径优化研究

本文根据多式联运相关的概念与网络构建方法,考虑了运输的费用成本、时间价值成本以及环境成本,引入混合时间窗约束,从而建立了多目标多式联运路径优化模型,并利用基于Pareto适应度的遗传算法,求解了一个多式联运的算例,并对比加入混合时间窗前后的Pareto最优解集。加入混合时间窗约束的最优解集包括了部分未加入时间窗约束的最优解以及新的最优解,优化了运输路径,从而证明了该模型可行性与有效性,对决策者选择运输方案有重要意义。     

驳船自适应舱群配载中的自适应遗传算法研究

平地造船技术得到飞速的发展,相应的下水技术也在快速发展,但快速精准的驳船配载技术是其中的难题。因此本文开展一系列的舱群配载研究。首先获取驳船配载计算模型,然后利用遗传算法对此模型进行求解,最后设定遗传算法中的参数值,利用其进行模型求解,得到最优的驳船配载方案。在以后的研究过程中,可将编码的长度加长,以此来提高系统的精确度。     

遗传算法在聚类分析中的应用

给出了一种基于遗传算法的聚类分析方法。对遗传算法的构成要素及用其解决问题的一般步骤给出了阐述。用VC 6.0编写的该算法的程序用来对数字进行聚类取得了较好的聚类结果。