双重不确定条件下危险品运输的多目标优化

针对危险品运输路径优化问题,考虑危险品终端需求量和人口中心的不确定性影响,构建了双重不确定条件下以运输成本和风险系数的期望值最低为目标的随机优化模型。设计了基于优先权的多目标粒子群遗传混合算法结合样本平均近似法对随机模型进行求解,并进一步采用基于动态拥挤距离的精英解集更新。通过算例分析和算法对比验证了模型的可行性和算法的有效性,并进一步对不同样本规模下的结果进行了稳定性分析,对需求量和人口数量两个不确定条件进行灵敏度分析。实验结果表明改进的多目标粒子群算法可有效解决该问题,且具有很好的收敛性和多样性,不同样本规模和不确定性条件均会对路径规划产生影响,所得结果可以为决策者提供参考。     

多目标斗链式混流拆卸线平衡的Pareto花朵授粉算法

针对传统作业方式难以实现拆卸线平衡的特征,将具有自平衡性的斗链生产组织方式引入拆卸线中,并结合拆卸产品多样性的特性,构建了优化作业区间负荷均衡指标、需求指标和危害指标的多目标斗链式混流拆卸线平衡模型,提出了一种离散Pareto花朵授粉算法对问题进行求解。为提高初始解的质量,设计了结合问题特征的3种启发式方法。构造了离散异花授粉行为和离散自花授粉行为,确保了解的可行性和高效性,并将离散算法与多目标优化策略相结合,提升了算法的适用性。所提算法求得了25项任务算例的含36个非劣解的已知最优解,扩大了52项任务算例的Pareto前沿边界,并通过对比验证了所提算法求解部分拆卸线算例的优越性。最后,将所提模型和算法应用于混流电视机拆卸线中,得到多种平衡方案,分析结果表明斗链生产组织方式及所提方法能有效达成混流拆卸线平衡。     

基于特征选择遗传算法对混合动力汽车的研究

针对传统遗传算法优化串联式混合动力汽车时燃油经济性和排放性不佳、优化运行时间过长的问题,提出一种基于特征选择遗传算法的串联式混合动力汽车系统参数和控制策略参数的多目标优化算法,并建立以动力性能指标为约束的混合动力汽车参数优化的非线性模型,其中目标函数包含最佳的燃油消耗和排放等指标。首先对目标函数的可行解空间进行特征选择,筛选出与目标函数相关度较高的可行解,并将基于特征选择的优化方法与传统遗传算法相结合,对其控制参数进行优化。其次通过ADVISOR仿真程序,计算出目标函数的最佳燃油消耗量和排放值。仿真结果表明:与传统的遗传算法相比,燃油经济性提高9.96%,CO、HC和NOX的排放分别降低18.07%、26.71%以及15.61%,同时优化运行时间降低62.14%。     

计及风险规避的电力零售商平衡市场交易模型

由于新能源出力以及终端负荷需求的不确定性,电力零售商在日前市场的竞标电量与实时市场的购买电量之间存在不平衡而产生惩罚成本风险。引入用户侧可控负荷作为平衡资源参与市场交易,提出了一种风险规避程度指标,以此来度量交易前后电量偏差程度,以信息熵度量残差序列离散程度计算风险规避程度指标。以电力零售商运行收益、用户需求响应满意度以及风险规避程度最大为目标建立多目标风险规避模型,采用自适应权重粒子群算法进行模型求解。通过算例表明,所提出的模型从电网-电力零售商-用户多个角度去考虑电力零售商参与平衡市场交易策略,能够有效提高电力零售商的运行效益以及用户满意度,同时可以提高电力市场管理的可靠性与安全性。     

桑叶采摘机构的多目标优化设计

针对桑叶采摘机构的采摘工况,通过几何与静力学分析,以采摘机构的基本参数为设计变量,分别以推杆推力最小和采摘机构质量最轻为优化目标,在满足采摘机构的基本尺寸和力学性能的条件限制下,采用加权线性组合法建立多目标优化数学模型,求解桑叶采摘机构的最佳设计方案。经多目标优化后采摘机构质量和推杆推力都相应减小。机构质量减轻可节省生产成本,推杆推力减小使机构打开合理角度时节省时间,提高采摘效率。利用多目标优化方法可获得较好的优化效果,为进一步桑叶采摘机物理样机制作奠定良好基础。     

一种YOLO识别与Mean shift跟踪的车流量统计方法

为了解决车流量统计中存在的车辆识别速度慢、统计准确率低的问题,提出一种YOLO识别与Mean shift跟踪的车流量统计方法。首先将车流量统计划分为车辆识别、跟踪与计数问题,建立高效的车流量统计模型。YOLO算法可对被检区域内车辆快速检测,根据YOLO的回归特性,将Mean shift核函数应用于目标区域得到目标模型,运用巴氏函数计算出候选模型,并对其进行跟踪。Mean shift可根据YOLO提供的最新车辆位置更换目标模型,这样目标跟踪丢失问题便可得以改善。实验结果表明,本文车流量统计模型在车辆识别、计数上有较快的速度和较高的准确度,能够基本满足智能交通中车流量统计的需求。     

一种Chirplet神经网络自动目标识别算法

针对飞机目标的自动识别问题,提出一种联合特征提取与分类的Chirplet神经网络方法,实现一维高分辨率距离像的识别。Chirplet神经网络将Chirplet原子变换用于多层前馈神经网络结构的输入层,替换传统的激励函数对距离像序列进行特征提取;网络的分类部分由隐层和输出层组成。在训练过程中调整神经网络权值的同时,完成对Chirplet原子时频参数的自动调整,协调优化特征参数和分类器参数,使Chirplet神经网络同时实现特征提取和目标分类。对4类飞机目标的仿真测试结果表明,相比时频变换和Gabor原子网络等方法,具有四特征参数的Chirplet神经网络方法具有较高的识别率和抗噪性能。