基于MGASA的城市轨道交通列车节能优化控制研究

针对当前列车节能优化控制研究中对匀速状态考虑不足的情况,对包括匀速状态的列车运行状态组合及其能耗算法进行了研究.通过对列车运行过程作动力学分析,在深入研究列车能耗计算的基础上,基于MAT-LAB数值计算优势,设计了列车能耗计算的仿真程序.以确保列车运行准时为原则,提出考虑匀速状态的列车控制策略,以区间限速以及列车工况转换为约束进行建模,并采用改进的遗传退火算法(MGASA)对模型求解.从优化结果可知,与以往优化策略相比,在列车运行时分压缩5.66％的情形下,列车能耗仅增加了1.89％.结果分析表明,其优化效果较好,包括匀速状态的列车运行状态组合具有较强的实用价值,可为司机驾驶以及ATO系统设计提供理论指导.     

改进的混合遗传模拟退火算法及其在组合优化中的应用研究

本文分析了遗传算法和模拟退火算法的优缺点,提出了一种混合遗传模拟退火MGASA算法,对其进行了优化操作,并将该算法应用于组合优化中TSP问题的解决.经实验验证,MGASA算法优于普通的GA和SA算法.     

基于MGASA的计算机辅助分子设计

采用改进的遗传模拟退火混合优化算法(MGASA),避免了单种算法的缺陷,很好地解决了CAMD中的组合爆炸问题;通过采取新的基团分类方法,可以比较容易地判断分子的完整性和稳定性,从而解决了分子合成问题;采用实际物系对本文提出的方法进行了检验,结果表明本文筛选出来的溶剂适应度普遍高于文献中溶剂,