基于多Agent的交通信息智能预测系统的研究

城市交通控制和诱导系统是智能交通系统(Intelligent Transport System,ITS)的组成部分,而交通流预测特别是短时交通流预测是城市交通控制与交通诱导系统的基础。由于缺乏交通量预测所需历史数据以及判断影响交通量生成与增长因素的准确性不够,致使道路交通量的预测结果与实际值产生了较大差异。论述了灰色模型(Gray Model,GM)以及多Agent理论在交通量智能预测中的方法和应用技术。该方法利用多Agent间的相互通信、协作功能以及灰色模型的累加生成手段和微分方程描述,在一定预测时段内保证了预测数据良好的准确性和实用性。     

一种模糊偏好排序的FJSP蚁群算法

针对柔性作业车间调度问题,选取三个性能指标作为求解目标。将蚁群算法与模糊属性权重结合在一起,提出了求解FJSP的新算法。该算法利用了蚁群算法的正反馈机制,在逐步构造解的过程中利用最优解信息和启发式信息增强全局求解能力,寻求各目标较好的全局最优解。采用模糊属性权重对各目标进行综合评价,最终求解出FJSP问题的最优解集。