基于视频排队长度管理的小步增减绿信比优化方法

针对高峰期间交叉口各进口道排队不均衡或溢出的现象，提出了一种基于视频排队长度管理的小步增减绿信比方法。首先，判断红灯结束时的排队状态及绿灯结束时的排队长度等级；然后，计算各个相位绿灯时间的增减量；最后，以均衡各进口道排队长度为目标，实现各相位绿灯时间与各进口道排队长度的动态平衡。实验结果表明，所提优化方法能有效地均衡各个进口道的排队长度，降低交叉口的通行延误和交通拥堵。当相位绿信比与排队长度不匹配时，该优化方法能快速进行绿信比调整，以适应排队长度的变化。     

基于TdPN的中小流量交叉口信号控制研究

针对城市中小流量交叉口交通拥堵问题,提出了一种基于时延Petri网(Timed Petri Net, TdPN)的可变相序信号控制模型。利用TdPN建立交叉口车流模型和信号控制模型,结合马尔可夫链,建立交通流的动态生成模型。通过将通行权赋予当前等待车辆数最大的相位来实现相位的随机选择。以平均延迟时间最小为优化目标,通过遗传算法求解最优相位配时。在信号周期固定的情况下,分析基于TdPN的四相位可变相序控制模型在不平衡交通流下对交叉口平均排队长度的影响,并将此模型与四相位固定相序控制模型进行对比。研究结果表明,该方案在单位时间内有效地减少了交叉口的平均排队长度。     

时变论域下红绿灯配时的语言动力学分析

城市道路不同时刻的车流量变化很大,建立与车流量变化相适应的红绿灯动态配时模型有利于缓解交通拥堵,减少出行者的等待时间.本文通过综合时变论域、平行控制理论、语言动力系统（Linguistic dynamic system,LDS）,提出了一种新的红绿灯控制方法.该方法以红绿灯不同时刻周期时长所形成的序列为时变论域,由各相位的排队长度确定对应的通行序列与时长,得到时变论域下红绿灯配时方案.该方案形成一个由实时车流数据驱动的动态模糊规则库来对红绿灯配时周期及相位通行序列与时长进行动态调整,进而形成红绿灯配时演化过程的语言动力学轨迹,最后通过实例验证该方案的有效性.     

基于改进遗传算法的交通信号配时研究

根据单交叉路口多相位交通流建立了一种实时动态模型,以周期时间内车辆排队长度最短为优化目标,相位绿灯时间为控制变量,用改进的遗传算法实现对相位时间的动态调控。仿真结果表明,改进的遗传算法相对于普通遗传算法,能寻求到更优化的解,对于改善路口的交通拥挤状况,有着更为明显的效果。     

基于多参数规划的单交叉口排队长度均衡控制

交叉口信号控制是城市交通管理的重要手段,解决城市拥堵问题需考虑交叉口的信号优化控制策略.鉴于此,针对四相位定周期单交叉口,采用存储转发方法建模,以排队长度均衡为性能指标,基于多参数规划方法离线地给出交叉口信号的优化配时策略.该策略根据交叉口车辆到达率,实时地调整各相位绿灯时间,以实现整个信号周期内绿灯时间的充分利用.通过PARAMICS平台进行的仿真实验表明了所提出控制策略的有效性.     

基于排队长度均衡的交叉口信号配时优化策略

城市交通的快速发展和交通需求的不断增长,使得城市交通拥堵日益严重,由此造成的时间延误和经济损失越来越大.鉴于此,提出了基于排队长度均衡的交叉口信号配时优化策略,根据排队长度均衡的控制思想,实时动态调整各相位绿灯时间,以达到排队长度均衡的控制目标,保证了绿灯时间的充分利用.通过近似动态规划方法的引入,使得该算法具有自学习和自适应的特性,不依赖于交通流模型.仿真结果验证了算法的有效性.     

信号配时结合渠化设计的交叉口组织方案优化

针对交叉口因施工占道、交通管制以及车流量增加等原因导致交叉口拥堵以及交叉口相位存在空放情况的问题。提出了信号配时结合渠化设计的交叉口组织方案优化方法,来替代单一信号配时优化与渠化优化方法。以北京市月泉路与学清路交叉口为实验环境,搭建SUMO仿真路网模型进行单一组织方案优化与结合组织方案优化的对照实验。通过对照实验得出,二者结合的方案在减少车流延误、停车排队次数、排队长度上均有更好的效果。     

城市交通过饱和状态下干线信号的多目标仿真优化研究

针对城市交通过饱和状态下的干线信号优化问题,分析了交通控制目标对车辆排队的影响,提出以绿信比、相序、相位差和周期为优化参数,以车辆平均时延、系统平均排队-车道长度比和系统通行能力为优化目标的交通信号仿真优化模型。构建了优化模型的实施框架,该框架采用自主构建的微观交通仿真环境来获取信号方案评价指标,改进多目标优化算法NSGAII中的重复个体问题,完成对干线各交叉口信号配时方案的同时优化。最后,利用采集的交通数据对由3个交叉口组成的干线进行实例验证,验证结果表明,在过饱和状态下,所提出的信号优化方法不仅可以有效控制车辆排队长度,均衡车辆分布,同时在系统通行能力、车均时延方面表现更佳。     

单交叉路口交通灯实时配时算法的研究

研究了城市道路交通信号实时控制系统的问题,重点论述了单交叉路口交通信号灯控制(点控制)模型的实时配时算法.根据城市交通流分布规律,设计出流量序列生成算法来模拟实时交通流;通过建立信号灯动态模型从而获得最佳周期长度和有效绿灯时间,然后采用模糊控制算法对信号灯配时方案进行实时的动态优化调整,并建立基于排队的车辆延误模型来对模糊控制算法进行评价.计算机模拟仿真的结果表明所设计实时配时方案比定时配时方案有显著的改善.     

基于模糊控制的智能交通系统

针对平面交叉口的智能交通信号控制,提出了多相位路口实时的模糊控制方案。根据各相位的车辆排队长度实际交通量,设计信号灯配时方案,减少车辆在路口的排队长度。对上述控制方案进行仿真实验,仿真实验结果表明,该控制方案能很好的改善实际交通状况,控制效果优于定时控制的方法,从而有效的提高平面交通路口的通行能力。     

An integrated and dynamic optimisation model for the multi-level emergency logistics network in anti-bioterrorism system

Demand for emergency resources is usually uncertain and varies quickly in anti-bioterrorism system. Besides, emergency resources which had been allocated to the epidemic areas in the early rescue cycle will affect the demand later. In this article, an integrated and dynamic optimisation model with time-varying demand based on the epidemic diffusion rule is constructed. The heuristic algorithm coupled with the MATLAB mathematical programming solver is adopted to solve the optimisation model. In what follows, the application of the optimisation model as well as a short sensitivity analysis of the key parameters in the time-varying demand forecast model is presented. The results show that both the model and the solution algorithm are useful in practice, and both objectives of inventory level and emergency rescue cost can be controlled effectively. Thus, it can provide some guidelines for decision makers when coping with emergency rescue problem with uncertain demand, and offers an excellent reference when issues pertain to bioterrorism.     

An objective reduction algorithm using representative Pareto solution search for many-objective optimization problems

In recent years, many-objective optimization problems (i.e. more than three objectives) have attracted the interests of many researchers. The main difficulties of many-objective optimization problems lie in high computational cost, stagnation in search process, etc. It is almost impossible to design an algorithm effective for all problems. However, for some problems, especially for problems with redundant objectives, it is possible to design effective algorithms by removing the redundant objectives and keeping the non-redundant objectives so that the original problem becomes the one with much fewer objectives. To do so, first, a multi-objective evolutionary algorithm-based decomposition is adopted to generate a smaller number of representative non-dominated solutions widely distributed on the Pareto front. Then the conflicting objective pairs are identified through these non-dominated solutions, and the redundant objectives are determined by these pairs and then removed. Based on these, a fast non-redundant objectives generation algorithm is proposed in this paper. Finally, the experiments are conducted on a set of benchmark test problems and the results indicate the effectiveness and efficiency of the proposed algorithm.     

战时血液保障组织资源优化的遗传算法模型

资源优化配置是战时血液保障组织系统系统中的一个重点，也是一个难点问题。本文在对传统算法模型在解决优化配置问题上的缺陷进行分析和研究的基础上，提出一个基于并行遗传算法的资源优化配置算法模型。考虑到血液保障组织系统系统中资源的特殊性．编码方式采用二进制编码，并行模型为粗粒度并行模型。该模型不但可以在血液全生命周期中的每个环节选1个或多个机构参加，而且不会遗漏任何一个可行的优化配置方案。最后通过具体实例以说明该模型的有效性。     

战时血液保障组织资源优化的遗传算法模型

资源优化配置是战时血液保障组织系统系统中的一个重点,也是一个难点问题。本文在对传统算法模型在解决优化配置问题上的缺陷进行分析和研究的基础上,提出一个基于并行遗传算法的资源优化配置算法模型。考虑到血液保障组织系统系统中资源的特殊性,编码方式采用二进制编码,并行模型为粗粒度并行模型。该模型不但可以在血液全生命周期中的每个环节选1个或多个机构参加,而且不会遗漏任何一个可行的优化配置方案。最后通过具体实例以说明该模型的有效性。     

Water cycle algorithm-based economic dispatcher for sequential and simultaneous objectives including practical constraints

The article presents an efficient methodology based-on water cycle algorithm (WCA) to solve single and multiple objectives of economic load dispatch (ELD) aiming to generate the optimal value of the active generated power for each unit. Three objectives are adopted for optimisation either sequentially or concurrently; they are: (i) fuel cost considering valve-ripple effect, (ii) emission rate, and (iii) total network loss. The generating unit prohibited zones along with ramp rate limits and generating unit power limits specify the inequality constraints of the problem while maintaining system power balance. Usually, optimisation of simultaneous multiple objectives produces set of non-dominated Pareto-front solutions. To help the decision maker, the best compromise solution is carefully picked among optimal Pareto-front points. The proposed WCA-based methodology is demonstrated on three test cases with various complexities and under number of objective scenarios. Numerical results and further subsequent comparisons to other challenging optimisers indicate the viability and confirm the strength of the proposed WCA-based ELD method.     

基于数据解析的连退生产过程多因子操作优化

针对连退生产过程中带钢质量波动大和生产能耗过大的问题,基于数据解析方法构建带钢质量的预测模型,进而建立连退生产过程多因子操作优化模型.该模型的任务是求得一个最优工艺参数设定方案,使得模型中所包含的两个相互影响但并不冲突的目标能够实现同时最优化.针对该问题,提出一种改进的自适应多因子进化算法(AdaMFEA),将不同优化目标作为不同类别因子,通过父代解在不同因子上的性能评价指标决定子代解的搜索方向.为了改进算法的鲁棒性和搜索效率,算法使用多种交叉算子,并基于各算子的搜索性能分析提出多种交叉算子的自适应选择机制;同时提出基于回溯直线搜索和拟牛顿法的个体学习策略,对个体进行局部搜索.基于Benchmark问题的实验结果表明,AdaMFEA能够有效提升传统多因子进化算法(MFEA)的求解效率;基于实际工业问题的实验结果表明,AdaMFEA可有效求解连退生产过程多因子操作优化问题,实现多个非冲突目标在一个种群的进化过程中同时达到最优.     

基于粗糙规划的不确定加工时间的并行机调度

针对并行机调度中的不确定工件加工时间,提出用粗糙变量表示不确定量,并由此建立该问题的粗糙期望值规划模型.提出一种应用于调度问题的进化规划算法,改进了针对并行机问题的编码方式和变异方法.采用粗糙模拟的方法计算个体的适应值,即粗糙期望估计值,并加以不同规模的算例进行仿真实验.仿真结果表明,改进进化规划算法得到的解优于遗传算法得到的解.     

A Simulated Annealing Algorithm for Prioritized Multiobjective Optimization—Implementation in an Adaptive Model Predictive Control Configuration

This paper presents a new stochastic algorithm for solving hierarchical multiobjective optimization problems. The algorithm is based on the simulated annealing concept and returns a single solution that corresponds to the lexicographic ordering approach. The algorithm optimizes simultaneously the multiple objectives by assigning a different initial temperature to each one, according to its position in the hierarchy. A major advantage of the proposed method is its low computational cost. This is very critical, particularly, for online applications, where the time that is available for decision making is limited. The method is tested in a number of benchmark problems, which illustrate its ability to find near-optimal solutions even in nonconvex multiobjective optimization problems. The results are comparable with those that are produced by state-of-the-art multiobjective evolutionary algorithms, such as the nondominated sorting genetic algorithm II. The algorithm is further applied to the solution of a large-scale problem that is formulated online, when a multiobjective adaptive model predictive control (MPC) configuration is adopted. This particular control scheme involves an adaptive discrete-time model of the system, which is developed using the radial-basis-function neural-network architecture. A key issue in the success of the adaptation strategy is the introduction of a persistent excitation constraint, which is transformed to a top-priority objective. The overall methodology is applied to the control problem of a pH reactor and proves to be superior to conventional MPC configurations.     

MTO 管理模式下钢铁企业生产合同计划建模与优化

基于对钢铁企业MTO管理模式下合同计划的编制策略、约束条件和优化目标的研究，建立了合同计划优化模型，模型综合考虑了拖期惩罚费用、设备能力均衡利用和库存成本等优化目标，并采用加权法将多目标优化模型转换为单目标优化模型，针对模型的特点设计了求解模型的特殊PSO算法，以某钢铁企业的实际合同计划问题作为实例，在算法不同参数组合下进行了系统的测试，实验结果表明模型和算法是令人满意的。     

移动网格环境下可靠任务调度研究

移动网格的资源环境具有很高的动态性,在任意时刻可能发生资源加入、退出、故障、移动等。采用任务复制策略实现对资源不可靠性的容错。用weibull分布刻画资源的可靠性,建立任务复制模型;形式化描述了基于复制策略的独立任务调度问题,给出调度目标和约束条件;通过遗传算法解决调度问题。仿真结果表明,调度算法具有良好的可扩展性,调度性能与资源可靠性呈线性关系。