混杂生产系统变时域滚动优化生产控制

为降低求解生产优化控制策略的复杂性,提出了递阶变时域滚动优化生产控制策略.通过对考虑切换费用及随机故障情况的混杂生产系统模型分析,把原始命题简化为有限时域下随机动态规划问题,并给出了求解该动态规划问题的Bellman方程.利用准时制思想,在期望意义下把求解多维随机最优生产控制问题递阶为求解确定系统的最优生产控制子问题,并通过在一维方向上的变时域滚动优化来逼近原始命题最优解.仿真结果表明,该策略快速有效,避免了直接求解偏微分方程带来的困难,使得基于该策略的算法可行,提高了控制的精确性和实时性.     

一种机器人路径规划算法的研究

路径规划算法是室内移动机器人应用中最重要的算法之一。根据室内移动机器人在动静态环境下实时避障规划出一条最优路径的要求,设计一种新的路径规划算法。通过删除冗余点并平滑路径的方式对A*算法进行改进,又将其与TEB算法相结合,实现从指定起始点到指定目标点的路径选择及移动。实验结果表明,利用该算法可得到耗时短、平滑的路径,实时躲避动态障碍物,有效地避免陷入局部最优解的问题。     

随机经济系统的最优估计与控制

本文是在研究“随机经济系统最优预测”、“动态投入产出与经济系统最优控制”等问题基础上,进一步研究随机经济系统的最优估计与最优控制问题,利用Kalmao现代滤波理论导出了随机线性经济系统状态的最优估计,利用Bellman动态规划原理导出了线性二次经济系统的最优控制规律。由估计定理及最优控制律给出了随机线性经济系统最优估计与最优控制的一套算法。最后给出一个随机经济计划的例子。     

改进蚁群算法在迷宫路径规划问题中的研究和应用

求解最优路径是迷宫路径规划中的一个重要功能.为了更为准确快速地找到最优解,论文构建了电脑鼠在迷宫中的动态路径规划模型,并采用自适应方法对信息素进行更新,对传统蚁群算法收敛性较慢的问题进行了改进.通过计算机仿真和电脑鼠机器人实际行走实验表明,在场地复杂的情况下,该算法可以有效地规划出全局最优路径.     

满足瞬时动态DT/RC的动态拥挤收费模型研究

出行者的出行选择当中,除了路径选择之外,出发时间也是一个重要的因素.在面临拥挤收费时,出行者往往要重新选择自己的出发时间,以避免多交费,同时还要尽量在规定的时间内到达.运用双层规划模型和变分不等式相结合的方法,建立满足动态用户最优出发时间/路径选择条件的时变拥挤收费策略模型.表示为双层规划模型:上层模型确定收费路段在离散化的每个小时段的收费,以交通系统性能在各离散时段内达到最优为目标,进而使整个高峰时段的交通状况趋于平稳;下层模型表示瞬时动态用户均衡的出发时间/路径选择.     

基于动态信任的最优云服务选择算法

针对云计算环境中服务消费者如何有效选择服务提供商,以及两者中出现的恶意非合作问题,提出基于动态信任的最优服务选择模型.该模型通过引入动态信任评估机制,结合最优服务选择算法,为服务消费者自动提供了最优服务提供者.在交易结束后,根据双方对本次服务完成情况的反馈,进行信任更新.仿真实验表明,该方法不但能够为众多服务消费者和服务提供者提供较优的匹配,还能有效减少两者中出现的恶意非合作情形.     

基于交通流量预测的动态最优路径规划研究

针对传统算法仅适用静态路况的缺点,提出基于交通流量预测的动态最优路径规划方法.通过建立道路运营网络模型,计算流量碰撞概率和道路拥堵概率,重新定义路段的权值并改进了传统算法,实现了动态路况下的最优路径规划,并对传统算法与改进算法进行仿真实验,得到3种实验结果.结果表明,改进算法在交通高峰期得到的最优路径所需行驶时间比传统算法得到的最优路径行驶时间减少16%～23%,有效提高了交通调度效率.     

不确定条件下交通网络的动态最优路径求解算法

针对不确定性条件下的最优路径问题,引入行驶时间波动性及路段间相关性,定义最优路径为一定概率保证程度下行驶时间期望值最小的路径.以Dijkstra算法为基础,从不同路段行驶时间相互独立及相互关联两个角度,分别建立动态路径寻优模型和时间期望函数模型;设计适用于不确定条件下搜寻最优路径的BEST算法,并通过仿真实验验证模型的可行性.结果表明:时耗方差选择的差异化会导致最优路径解的多样化;考虑路段间相关性后绕城公路对市区公路的选择替代性增强.     

基于神经动态规划算法的最优路径选择

针对传统动态规划算法在计算大规模路网的优化问题时所表现出来的计算时间长、存储空间大等缺点,引入了一种神经动态规划算法：它将传统的动态规划和BP神经网络结合起来,通过逼近Q学习算法来寻求一种最优策略,最终达到路径优化的目的。将此算法应用于一个交通路网,且用Matlab软件进行仿真,试验表明：该方法的实时性、并行性和全局性都优于传统动态规划,在城市交通流系统中能切实起到路径诱导的作用。     

基于可靠度的动态随机交通网络耗时最优路径

为了反映交通网络中考虑可靠性的路径选择行为,基于可靠性理论建立了动态随机网络环境下自适应最可靠路径模型。首先,定义行程时间可靠度为路径的目标函数,建立动态随机网络自适应最可靠路径模型反映交通网络的耗时随机特性、时变特性和风险性;其次,通过最优化理论把该问题转化为动态规划问题;然后,构造动态规划算法求解该问题;最后,通过Matlab计算机语言实现了算法程序,并针对实际交通网络展开数值试验。计算结果显示了该算法的收敛性和可行性。