基于搜索能力均衡的人工蜂群算法

鉴于标准人工蜂群算法（ABC）局部开发能力不足,提出一种改进搜索策略的人工蜂群算法（IABC）。为提高ABC的局部开发能力,在其雇佣蜂阶段引入了一个新的具有最好个体引导的解搜索方程,为均衡ABC的搜索能力,在ABC跟随蜂阶段的搜索策略中引入了新的随机因素以增强ABC的全局探索能力,为了进一步平衡全局探索和局部开发能力,改进了ABC的侦察蜂搜索机制。为验证IABC的收敛效果,通过在12个复杂基准测试函数上的仿真实验并与其他算法相比较,发现IABC的收敛性能有显著提高。     

随机时间依赖路网中危险品运输路径多准则优化

为实现动态路网中的危险品运输路径优化,以期为运输商的路径选择提供决策支持,分析了运输网络的随机时间依赖(STD)特征,对分段连续时间区间内各路段的行程时间和受影响人数进行曲线拟合.考虑到达时间窗的约束,以行程时间和运输风险的随机属性值为优化准则,建立0-1整数规划模型.结合STD网络的FIFO性质设计了两阶段多维标号修正算法,得到不同出发时刻以给定置信水平满足时间窗约束的非支配路径集合,并提出准则权重和阈值支配方法,实现计算效率和求解质量的均衡.研究结果表明:危险品在STD路网中的行程时间和运输风险与到达时间窗的设置和出发时刻的选取有关;生成的非支配路径取决于出发时刻和运输商的选择偏好,非支配路径的数量取决于支配阈值的大小;不同类型运输商可根据准时到达置信水平来选择出发时刻与运输路径的最优组合.     

考虑风险规避的出行路径选择行为分析

为探究智能交通系统中考虑风险规避时出行者路径选择行为,针对不同特征出行者多属性路径选择问题,利用累积前景理论描述出行者的风险规避态度,并建立考虑风险规避的出行路径多目标选择决策模型,设计基于指派模型的求解算法,通过实例对模型合理性进行检验．结果表明,出行者的风险规避对路径选择结果具有明显影响,路径选择结果随出行者对于复合阻抗和综合影响权重的不同而变化;考虑风险规避时目标的敏感性强于不考虑风险规避情形,考虑风险规避更贴近路径选择的实际情况．所建模型不仅可以研究智能交通系统中多类型出行者的多属性路径选择问题,还可作为交通流分配和网络设计等交通问题的研究基础．     

用于求解路径交通流量的改进Frank-Wolfe算法

Frank-Wolfe算法是用于求解交通流量分配问题的经典算法,但该算法是基于路段（Link-Based）的交通流量分配算法,无法用于求解路径交通流量。针对此问题,提出一种用于求解路径交通量的改进Frank-Wolfe算法。通过在Frank-Wolfe原算法中增加求解路径交通流量的计算步骤,根据原算法中“全有全无”加载方法获得的步长,更新源-目的（OD）间所有已配流的路径的交通流量,在原算法迭代计算路段流量的同时,同步计算路径流量。通过算例表明,改进算法是一个有效的算法,在Frank-Wolfe原算法的基础上增加少量的时间和空间成本即可求解路径交通流量,避免穷举交通网络中的所有路径,可以很好地用于用户均衡交通流量分配中。     

基于双向并行灾变粒子群优化算法的城市环路交通协调控制系统

根据我国部分城市道路网包含多条环路的特点，设计了一种双向并行灾变粒子群优化算法的城市环路交通协调控制系统。该系统以路网中的闭合环路作为控制子区，采用三层递阶分布式结构和双向并行灾变粒子群优化，分阶段优化控制周期、相位差和绿信比，并对不同闭合环路进行协调控制形成预选方案。通过系统设定的面控率进行判断、选择，最终确定信号控制方案。示例验证结果表明该控制系统能有效减少区域车辆总延误，减少停车次数。     

多配送中心危险货物配送路径鲁棒优化

针对危险货物配送路径对不确定因素敏感度较高的问题,提出了鲁棒性可调的多配送中心危险货物配送路径鲁棒优化方法。首先,以最小化运输风险和最小化运输成本为目标,根据Bertsimas鲁棒离散优化理论,建立鲁棒优化模型;然后,在改进型强度Pareto进化算法（SPEA2）的基础上设计一种三段式编码的多目标遗传算法进行求解,在遗传操作中对不同染色体段分别采用不同的交叉和变异操作,有效避免了种群进化过程中不可行解的产生;最后,以庆阳市西峰区部分路网为例进行实证研究,并将配送方案落实到运输过程的路段中,形成具体的运输路径。研究结果表明：在多配送中心下,运用该鲁棒优化模型及算法,能快速得到具有较好鲁棒性的危险货物配送路径。