家用轿车综合评价研究

目前家用轿车综合评价方法有着不够全面、涉及较多不确定因素等局限性,影响了评价的客观性和准确性。经过深入发掘,找到基于十元格的蕴涵代数的语言值评价法,基于消费者购车心理分析建立了评价指标体系,并确立了指标权重,而后根据蕴涵代数规则得出评价结果。     

并行协作骨干粒子群优化算法

为解决骨干粒子群优化(Bare-Bone Particle Swarm Optimization,BBPSO)的早期收敛问题,本文通过粒子的运动行为分析了导致BBPSO早期收敛的因素,并提出并行协作BBPSO,该算法采用并行的主群和从群之间的协作学习来平衡勘探和开采能力.为了增强主群的勘探能力,提出动态学习榜样策略以保持群体多样性;同时提出随机反向学习机制以实现从群的从全局到局部的自适应搜索功能.在14个不同特征的测试函数上将本文算法与6种知名的BBPSO算法进行对比,仿真结果和统计分析表明本文算法在收敛速度和精度上都有显著提高.     

邮政运输中的信息收集与处理研究

为了掌握邮政运输中邮车的收发班和准点运行情况，提高邮政运输生产率，需要运用计算机对邮政时限和收发班进行管理，本文作者讨论了在邮运时限及收发斑管理信息系统中如何利用所采集的信息来判别邮车运行路线的问题，同时提出了用程序处理信息的方法。     

层次学习骨干粒子群优化算法

对骨干粒子群优化(BPSO) 种群多样性迅速丧失的原因进行分析, 提出层次学习骨干粒子群优化算法以克 服早熟现象. 该算法中粒子依不同的学习概率向粒子自身的最优粒子、优胜粒子和群体最优粒子学习, 该机制使群 体实现不同层次的搜索并有效维持群体的多样性. 此外, 群体最优粒子依概率采用跳跃策略以增强逃逸能力或采用 扰动策略以提高解的质量. 将所提出的算法与多种改进的粒子群优化算法进行对比, 仿真结果表明, 所提出算法的综 合表现优于其他算法.     

强社会认知能力的粒子群优化算法

针对粒子群优化算法的“早熟”问题,提出了强社会认知能力粒子群优化算法,该算法通过学习概率和选择概率确定粒子跟踪的局部极值。算法中学习概率的自适应调整有效权衡了粒子的个体认知能力和社会认知能力。通过经典函数的测试结果表明,新算法的全局搜索能力有了显著提高,并且能够有效避免早熟问题。     

汽车运输企业仓储管理信息系统研究

针对汽车运输企业在应用数据库技术对仓储进行计算机管理时普遍存在的数据量大、检索速度慢的问题,从应用软件角度探索了解决这一问题的方法.     

基于ADAMS的公路大件货物运输仿真及绑扎加固分析

为了有效地分析大件货物在运输过程中的安全性,利用ADAMS建立公路大件货物运输整车模型,针对随机路面设置不同运输工况,分析车辆行驶速度及货物重量对货物振动加速度的影响情况,利用MATLAB生成加速度均方根值拟合曲面,得出货物振动加速度随车辆行驶速度和货物重量变化的曲面拟合公式,最后通过拟合公式对某大件货物运输案例进行安全绑扎校核。研究结果验证了曲面拟合公式的可行性,可为公路大件货物绑扎加固校核提供理论依据。     

应急物资调运模型研究

针对应急物资调运兼顾调运成本与调运时间的要求,以运力充足为前提条件,建立了基于调运时间最短和运输成本最低的应急物资调运模型。运力充足条件下,应急车辆进行一次运输,运输任务的最终完成时间等于物资供应点与需求点之间的最长运输时间,在某一特定任务完成时间下可运用典型运输问题模型的求解算法求出对应的最低成本,通过分析比较不同运输任务完成时间下的运输成本选择出模型的最优解,最后以一个实例验证了模型与算法的有效性。     

邮政运输中的信息收集与处理研究

为了掌握邮政运输中邮车的收发班和准点运行情况 ,提高邮政运输生产率 ,需要运用计算机对邮运时限和收发班进行管理。本文作者讨论了在邮运时限及收发班管理信息系统中如何利用所采集的信息来判别邮车运行路线的问题 ,同时提出了用程序处理信息的方法     

公路大件货物运输支座选取研究

在公路大件货物运输过程中, 当货物作用于液压平板车架上某一点的集中载荷过大时, 易使车板发生较大的弯曲变形。针对这一问题, 需要合理确定支座数量以及最优支座位置。本文把大件货物划分为卧式容器以及非卧式容器的常规货物, 根据三水平三因素正交模拟实验方法确定卧式容器运输所需的支座数量, 通过容器的应变分析结果以及支座反力的求解结果进行最终的优化布置; 对非卧式容器常规货物支座数量的选择以及摆放位置, 则按照车辆不同的摆动轴数进行合理的支座选取。本文以运输卧式容器费托合成反应器为例, 结合两种确定方法, 计算分析出其运输所需的支座数量以及支座位置。该研究为实际的公路大件货物运输支座的选取提供了支持。