基于极大熵模型的交通出行矩阵解法研究

引入拉格朗日乘子，对由路段观测流量反推交通出行矩阵的极大熵模型进行变换，将优化问题转换为非线性方程组的求解，并提出一种遗传算法求解方法.该方法以非线性方程组的待求量为决策变量，方程组两端向量的均方差最小值为目标函数，初值在决策变量可行域内随机产生.通过实例验证，遗传算法较之牛顿法改进了其对初始值要求严格、易产生局部收敛并含有矩阵求逆的不足，且当初始值偏离真实值较大时，遗传算法求解成功率远远高于牛顿法，证明了遗传算法在多种交通网络中求解交通出行矩阵是可行的.     

基于连接识别的协同进化种群分割算法研究

针对已有协同进化算法种群分割方法的不足,借鉴连接识别思想,提出用分段间隔相关迭代连接识别进行种群分割的算法,并给出算法的思想、步骤及具体实施方案．将其应用于典型的复杂函数优化问题,简要分析算法在搜索效率、计算复杂性等方面的性能以及相关参数对算法性能的影响,说明算法的可行性．