网约拼车出行的乘客车辆匹配及路径优化

城市道路拥堵严重及共享理念的盛行带来了拼车出行的兴起。出行线路相似的乘客共乘一辆车,可提高座位利用率、节省费用、缓解交通压力。以带时间窗约束的无换乘多车辆静态拼车问题为研究背景,从车辆使用费、途中走行成本及到达时间窗惩罚成本3个方面建立乘客车辆匹配及路径优化的目标函数,以车辆容量、乘客出发及到达时间窗、路径无迂回、乘客车辆匹配无重叠等限制构建模型约束条件,采用演化策略算法求解问题,根据模型特征设计编码解码规则,解码结果可同时获得车辆乘客匹配关系和走行路径,采用交叉变异操作更新迭代个体种群,进而求得最优解。运用MATLAB求解算例验证了模型可行性及算法有效性,结果表明算法能快速响应静态拼车问题,在较短时间即可给出乘客车辆的先后匹配关系及车辆走行路径,拼车方案相比独自出行能节省更多成本。     

考虑公众风险的多目标医疗废物选址路径问题及樽海鞘算法求解

针对医疗废物处理中心的选址路径问题,在考虑公众风险的情况下,构建多目标优化模型。首先,分别从政府、公众和处理中心承包商角度出发,构建了以运营成本、风险成本以及运输成本最小化的多目标选址路径模型;其次,针对所构建模型的特点,设计了一种改进的多目标樽海鞘算法对模型进行求解;最后,以四川省成都市的医疗废物处理中心的规划项目为例,对构建的模型和算法进行验证,通过优化结果的对比分析,验证了模型的可行性和算法的有效性。     

具有时滞-扩散作用的无线传感网络病毒传播模型的振荡动力学研究

研究了具有时滞扩散作用的无线传感网络病毒传播模型的振荡动力学行为。首先,在现有实验证据的基础上,通过引入时滞和扩散作用,建立了一个新的时滞偏微分方程模型,该模型能够很好地刻画无线传感网络病毒传播的现实结构。其次,将潜伏时滞作为分岔参数,通过分析正平衡点的线性化特征方程,推导出此正稳态解的稳定性以及Hopf分岔存在的充分条件。研究结果表明在潜伏时滞和扩散的共同作用下,该时滞扩散模型表现出空间均匀与空间非均匀的振荡形态,揭示了时滞和扩散作用对无线传感网络安全是有害的。最后,给出了数值模拟来验证所给理论结果的有效性。     

COVID‐19疫情下基于YOLOv4的安全社交距离风险评估

为保持行人在新型冠状病毒肺炎（COVID-19）疫情下的安全社交距离,有效控制和预防疫情传播,构建一种基于YOLOv4的安全社交距离风险评估模型。利用微调后的YOLOv4算法对行人进行目标提取,获取行人关键点,并将行人连续运动视为质点的连续运动,结合DeepSort算法实现对行人的跟踪处理。在此基础上,建立视觉坐标系,在鸟瞰视角下提出运动矢量分析算法计算和判断行人运动方向并评估行人的安全社交距离。在牛津城市中心的数据集上评估模型有效性,实验结果表明,微调后YOLOv4算法在行人检测中平均精度均值达到90.33%,行人社交距离风险评估准确率达到88.23%,性能优于Fast R-CNN、Faster R-CNN、YOLOv3和YOLOv4算法,表明所提模型能够有效提升安全社交距离的检测准确性。     

基于ORB-SLAM2的实时网格地图构建

针对目前视觉SLAM（同时定位与地图构建）系统只能输出相机的运动轨迹图而不能生成用于路径规划和导航地图的缺点,提出了一种基于ORB-SLAM2的网格地图实时构建算法。首先,建立了一个适用于视觉SLAM的逆传感器模型（inverse sensor model,ISM）;针对ISM模型重新编排了网格地图算法的构建机制,并对其进行详细推导;最后,介绍了ORB-SLAM2网格地图构建的具体实施方案。通过实验,对ISM模型和网格地图模型进行分析,确保了算法的可行性;用单目相机和RGB-D深度相机进行实时实验,实现了网格地图的实时构建,且能够清晰地显现出障碍物位置,验证了所提算法的有效性。     

利用背景聚类的快速前景分割算法

提出一种利用背景聚类的快速前景分割算法。该算法首先通过一种专门用于背景聚类的无监督模糊聚类方法将历史像素值进行聚类,继而用高斯成分来模拟每一个聚类,构建了基于聚类的时间域的背景模型。前景的分割则采用阈值化方法对像素属于背景的概率进行二分化处理。由于该方法能够根据场景自适应确定背景为单模或多模分布,避免了耗时的背景模型构建和更新过程,因而减少了内存使用量并提高了检测速度。对于多种场景下的不同视频进行实验,结果表明该算法能够在保持检测精度的同时,大幅提高检测速度。     

多介质环境条件下有毒废弃物选址-路径问题

为降低物流成本,规避环境风险,研究了一类多介质环境条件下有毒废弃物选址-路径问题。考虑了环境系统的多样性,结合逸度模型设计了多介质环境风险的度量方法;以成本和环境风险最小化为目标,构建了双目标0-1混合整数线性规划模型,采用目标规划、遗传算法和蚁群算法设计了三阶段求解方法;以重庆市有毒废弃物管理实例验证了模型和算法的有效性,结果表明,模型能够更全面地度量环境风险,并有效减少物流成本。     

基于应用层签名特征的P2P流量识别

P2P的广泛使用带来了带宽过量消耗、病毒传播迅速等严重问题。如何在享受P2P技术带来便利的同时又能有效地识别、控制P2P流量是当前的研究热点。通过基于报文TRACE的数据分析方法,获得了当前五种主流的P2P流的应用层签名特征,提出了一个基于应用层签名特征的识别算法,并通过实际实验对所提识别算法的有效性进行了验证,研究成果可直接应用于P2P流量的识别与管理。     

配送中心配送决策问题及其鱼群算法优化求解

以经济配送为视角,分析并构建了配送中心配送决策问题的数学模型。引入实数编码对鱼群算法进行改进,使之适用于模型的求解运算。继而,通过算法编码的设计分析,详细讨论了实数编码下鱼群算法寻优求解的实现步骤。最后利用与传统遗传算法进行同算例求解比较,验证了该模型及改进算法的有效性。     

加权无标度网络病毒传播和局部免疫策略研究

为了进一步描述现实生活中复杂网络的病毒传播问题,改进加权无标度网络模型的传统构造方法,考虑流量带宽和个体抵抗力两个重要因子,利用平均场理论模拟仿真病毒传播过程,对实验数据进行分析,验证该模型的有效性.现实生活中往往只能了解复杂网络的局部拓扑信息,传统病毒免疫策略大多基于全局拓扑信息,在仅了解局部信息的前提下,提出加权无标度网络中基于局部最优的病毒免疫策略,通过动态模拟病毒传播的免疫仿真实验,与随机免疫策略和目标免疫策略对病毒传播影响进行比较,验证局部最优免疫策略的有效性.     

应用易感者-暴露者-感染者-康复者模型对COVID-19的传播及防御措施分析

该文通过易感者-暴露者-感染者-康复者模型分析新型冠状病毒肺炎(COVID-19)在人群中传播的过程,及不同防御措施对疫情曲线的影响,针对结果为疫情的防控提出建议.根据人群接触网络模式对易感者-暴露者-感染者-康复者模型进行改进,加入隔离、中医药干预等模型元素,构建符合新冠肺炎传播特点的数学模型.将影响新型冠状病毒肺炎...     

基于变长基因型遗传算法的多供应点应急物资调度优化

如何及时高效地调度应急物资以减小突发事件带来的伤害成为社会关注的焦点问题。在综合考虑新冠肺炎疫情这类特殊突发事件特点的前提下,构建了一类多供应点多式联运应急物资调度网络,并以运输成本最低、时间惩罚最少、配送员被感染风险最小为优化目标建立了一类多目标调度优化模型。考虑到基于聚类思想的优化算法在解决多供应点,尤其是多目标调度优化问题中缩减可行域方法科学性存疑的局限性,提出了一类考虑完全可行域思想的变长基因型混合小生境遗传算法,并借助23个基准测试实例验证了这一算法的有效性,更新了部分实例的现有最优解。在此基础上,通过比较多供应点应急物资多式联运算例中四类遗传算法的仿真结果进一步验证了混合小生境等改进策略的优越性。     

COVID-19疫情下定点收治医院动态选址-分配优化

针对医疗资源匮乏和经济不发达的国家或地区,如何选择定点收治医院、分配患者,有效控制新型冠状病毒肺炎(COVID-19)扩散是亟待解决的问题.首先,考虑疫情患者数量和症状等级动态变化特征,以最大化患者的收治率和最小化医院总费用为目标,构建有限医疗资源约束下定点收治医院动态选址-分配双目标优化模型;其次,分析所构建模型的结构特征,设计基于Epsilon约束方法的求解框架,得到Pareto最优解集;最后,基于北京市卫生健康委发布的疫情数据进行数值实验,以验证所提出模型的可行性与方法的有效性.实验结果表明,双目标优化模型可以有效地权衡定点医院的总费用与患者的收治率,对于COVID-19疫情下医疗资源的合理配置具有重要的指导意义.     

新冠肺炎传播动力学建模及预测

为了深入研究新冠肺炎传播趋势和传播风险,根据新冠肺炎的传播特点,考虑政府管控和个人防护等措施,在经典传染病SIR模型的基础上,引入低风险群体,提出一种新冠肺炎传播动力学模型SLIR,并对模型的平衡点、稳定性和分岔等复杂动力学行为进行分析,揭示新冠肺炎传播机理.为了提高该模型的疫情预测精度,以美国新冠肺炎的真实数据为基础,使用最小二乘法对模型参数进行分段估计.最后利用该模型对美国新冠肺炎进行预测和分析,仿真结果表明,相比于传统SIR模型,该模型能较好地对美国疫情发展趋势做出预测,官方公布的实际数据也可进一步验证模型的有效性. SLIR模型可以有效仿真新冠肺炎传播,并为政府选择合适的防控措施提供技术支撑.     

Corona virus optimization (CVO): a novel optimization algorithm inspired from the Corona virus pandemic

This research introduces a new probabilistic and meta-heuristic optimization approach inspired by the Corona virus pandemic. Corona is an infection that originates from an unknown animal virus, which is of three known types and COVID-19 has been rapidly spreading since late 2019. Based on the SIR model, the virus can easily transmit from one person to several, causing an epidemic over time. Considering the characteristics and behavior of this virus, the current paper presents an optimization algorithm called Corona virus optimization (CVO) which is feasible, effective, and applicable. A set of benchmark functions evaluates the performance of this algorithm for discrete and continuous problems by comparing the results with those of other well-known optimization algorithms. The CVO algorithm aims to find suitable solutions to application problems by solving several continuous mathematical functions as well as three continuous and discrete applications. Experimental results denote that the proposed optimization method has a credible, reasonable, and acceptable performance.

     

新冠肺炎疫情趋势预测模型

2019年新型冠状病毒肺炎(corona virus disease 2019,COVID-19)的爆发对人们的健康和生活造成了极大的危害和影响。预测疫情的发展趋势可帮助人们提前制定应对措施。SEIR模型是经典的传染病模型之一,由于该模型中病毒传染率为常数,难以对新冠肺炎传播情况进行准确建模并完成疫情趋势预测。针对此问题,本文提出基于长短期记忆网络(long short-term memory,LSTM)的病毒传染率预测方法,并将其与SEIR模型结合,建立新冠肺炎疫情趋势预测模型(LSTM-SEIR network, LS-Net)。为了验证本文提出的方法,收集了国内多个省市官方公布的疫情数据进行实验。实验结果表明,本文提出的LS-Net可对疫情发展趋势进行有效预测,并优于传统SEIR模型。     

基于人际关系的传染病传播仿真模型研究

通过建立一种基于人际关系的传染病传播仿真模型对传染病传播过程以及预测在相关防控措施下疫情发展的趋势进行研究。基于人际关系描述个体间的接触与交互,以个体为单位建立仿真模型,根据中国卫健委平台收集武汉地区COVID-19疫情的初期数据调整模型参数,估算基本再生数（R0）验证模型,并模拟不同疫情防控手段的场景,探讨不同干预措施下疫情传播的趋势。建立的基于人际关系的传染病传播模型首先模拟了武汉疫情初期的传播过程,估算武汉封城前COVID-19的R0;然后对扬州疫情发展趋势进行了初步预测,发现疫情已进入可控阶段。通过探讨在人口密集接触场所（以学校为例）中不同的干预措施对疫情发展的影响,针对学生秋季开学提出相关防控意见,讨论了个体在社交接触网络中的社交移动距离对疫情传播的影响。     

Transmission scheduling algorithm for MIMO link ad hoc networks

Most reported works on transmission scheduling algorithm for multiple input multiple output (MIMO) link ad hoc networks do not fully exploit the spatial multiplexing potential inherent to multiple an-tennas system.In this paper,a novel transmission scheduling algorithm is proposed to further enhance the performance of MIMO link ad hoc networks.By utilizing the MIMO multi-stream reception capabilities and ordering the nodes’ allocation sequence,the proposed algorithm can dramatically shorten the scheduling frame length and more evenly distribute the data streams allocated to the network nodes.Meanwhile,allowing the nodes to transmit multiple streams in a slot,the algorithm can fully exploit the MIMO spatial multiplexing potential.Additionally,we give the theoretical analysis to quantify the throughput and delay performance with respect to this scheme.Numerical results demonstrate that the proposed algorithm can efficiently enhance the network throughput and reduce the average and maximum delay.     

基于SEIR-ARIMA混合模型的新冠肺炎预测

新型冠状病毒肺炎简称新冠肺炎,是一种由新型冠状病毒引起的急性感染性肺炎,具有传染性强、人群普遍易感的特点。因此,对新冠肺炎感染人数的预测,不仅仅有利于国家面对疫情做出科学决策,而且有利于及时整合防疫资源。本文提出一种基于传统的传染病动力模型SEIR和差分整合移动平均自回归模型ARIMA构建的SEIR-ARIMA混合模型,对不同时间段、不同地点的新冠肺炎疫情做出预测和分析。从实验结果上看,基于SEIR-ARIMA混合模型的预测,比常见的用于新冠肺炎预测的逻辑回归Logistic、长短期记忆人工神经网络LSTM、SEIR模型、ARIMA模型有较好的预测效果。为了真实地反映出实验效果的提高是否源于SEIR与ARIMA模型结合的优势,本文还实现SEIR-Logistic混合模型和SEIR-LSTM混合模型,并与SEIR-ARIMA对比分析得出,SEIR-ARIMA预测都取得更好的预测效果。因此,基于SEIR-ARIMA混合模型对新冠肺炎的发展趋势的分析相对可靠,有利于国家面对疫情的科学决策,对我国未来预防其他类型的传染病具有很好的应用价值。     

新冠肺炎疫情背景下聚集性传染风险智能监测模型

新型冠状病毒肺炎疫情严重威胁人们的生命安全,对于聚集性人群密度及口罩佩戴情况的监管是控制病毒扩散的重要途经。公共场所具有人流密集且流动性大的特点,人工监测易增加感染风险,而现有基于深度学习的口罩检测算法存在功能及场景单一的问题,不能在多场景下实现多类别检测,同时精度也有待提升。提出Cascade-Attention R-CNN目标检测算法,实现对聚集区域、行人和口罩佩戴情况的自动检测。针对任务中目标尺度变化过大的问题,选取高精度两阶段Cascade R-CNN目标检测算法作为基础检测框架。通过设计多个级联的候选分类-回归网络并加入空间注意力机制,突出候选区域特征中的重要特征并抑制噪声特征,从而提高检测精度。在此基础上,构建聚集性传染风险智能监测模型,结合Cascade-Attention R-CNN算法的输出结果确定传染风险等级。实验结果表明,该模型对于不同场景和视角的多类别目标图片具有较高的准确性和鲁棒性,Cascade-Attention R-CNN算法平均精度均值达到89.4%,较原始Cascade RCNN算法提升2.6个百分点,较经典的两阶段目标检测算法Faster R-CNN和单阶段目标检测框架RetinaNet分别提升10.1和8.4个百分点。