基于不确定需求的公共交通网络鲁棒性优化方法

为了提高城市不同类型公共交通所组成的线网的鲁棒性,从公共交通线路建设成本、乘客出行的总时间以及乘客总换乘次数等方面确定公共交通网络的服务性能模型,在此基础上通过计算方案目标值与期望值的差值来确定公交网络的鲁棒性;由于存在随机不确定需求,在传统免疫克隆算法基础上对变异操作进行改进用于对优化模型求解。结合算例分析发现,线路建设成本、乘客总出行时间以及乘客总换乘次数的参数值对于优化结果具有显著影响;另外鲁棒性参数取值也会对计算结果产生一定影响,通过算例验证了优化方法的可行性。     

改进遗传算法的公交线网优化研究

公交是一种主要的城市公共交通工具,针对现有城市公交线网设计时普遍存在缺乏层次性规划的问题,提出了改进遗传算法的公交线网优化方法。首先对当前城市公交线网优化的研究现状进行分析,然后设计相应的城市公交线网优化数学模型,采用改进遗传算法对城市公交线网优化数学模型进行求解,并通过引入动态惩罚系数确定适应度,以调整收敛速度;通过自适应机制确定交叉概率和变异概率,以调整搜索空间。最后采用具体算例对本文方法的性能进行分析。结果表明,这个方法不仅可以找到更优的城市公交线网优化方案,而且求解的效率得到了明显提升。     

基于遗传算法的智能公交发车频率优化研究

在分析公共交通线网发车间隔优化理论的基础上,从公共交通线网间发车间隔对公交网络系统进行优化出发,提出了基于社会总体效益最优的思想,构建了公共交通线网发车间隔优化模型,从而解决了智能公交中的线网间智能调度的难题,一种新的生物进化算法遗传算法被引入到问题的求解过程中。模型和算法应用于长春市的典型线路,获得了较好的优化结果。     

城市道路建设时序决策的鲁棒优化

为提高城市道路建设时序决策的鲁棒性,提出了城市道路建设时序决策优化的双 层规划模型。模型假定出行需求在一定范围内扰动,上层规划是在有限资金的约束下寻求各建设阶段的系统总出行时间与系统总出行时间对出行需求的灵敏度之间的综合最小值,下层规划为各建设阶段的随机用户均衡配流。文中推导出了系统总出行时间对出行需求灵敏度的计算式,并给出了模型的求解算法。最后以一个测试路网为例,对基于系统总出行时间、基于灵敏度、基于系统总出行时间与灵敏度综合出行时间的决策优化模型进行了计算分析,结果显示3种决策优化模型均可寻求到各自目标最优的城市道路建设时序,但在需求不确定的情景下基于灵敏度、基于系统总出行时间与灵敏度综合出行时间的决策优化结果更具鲁棒性。     

带有不确定性的公共租赁自行车的管理优化研究

研究城市公共租赁自行车的管理优化问题,将其分成两个子问题,即公共租赁自行车停放点的布局优化问题和公共租赁自行车的调度优化问题.设置合适的公共租赁自行车停放点的目的,一方面是方便管理人员的管理,另一方面是方便公众的出行.公共租赁自行车的调度需要保证调度过程中产生的总费用最少.在公共租赁自行车的实际管理中,每个停放点的需求量和调度车的行驶时间是不确定的,因此引入两个不确定变量,建立不确定0-1规划模型和不确定整数规划模型,并利用不确定理论将两个不确定性模型分别转化为确定性等价类模型.通过一个数值实验对所提出的模型进行验证,根据第1个优化模型求解得到公共租赁自行车的最优停放点,并基于最优停放点根据第2个优化模型求解生成公共租赁自行车的最优调度方案.     

防治公交串车的近似动态规划法

公交串车是公交系统运行失效的集中体现。为防治公交串车,建立了公交线路运行的近似动态规划模型,从而实现公交线路的动态自适应式控制。利用Q学习算法和基于人工神经网络近似的价值函数求解上述模型可以得到公交线路控制的最优策略,即基于系统状态确定站点滞留时间的状态价值函数。新的防治方法不仅可以利用仿真模型细致刻画公交线路的实际运行过程,而且可以动态整合在线和离线数据实现控制策略的动态优化调整。数值分析验证了新方法的有效性。与无控制情景相比,新方法可以不仅能防止公交串车发生,而且可有效降低公交车头时距的波动。     

基于WebGIS的公交导乘最佳路径算法

公交网络最优路径查询功能是智能公交系统的重要组成部分,求解公交网络最优路径是进行公交系统规划的一项关键技术.通过分析乘客出行选择公交线路所考虑的因素,提出了公交导乘最佳路径算法.在引入公交导乘网络数学描述的基础上,给出了公交导乘最少换乘算法.然后以换乘次数最少、出行距离最短为约束条件,对最短路径算法(Dijkstra算法)进行改进,得出综合考虑路径长度和换乘的最佳公交导乘算法.在深圳市公交网络测试应用的结果表明此算法可行、高效.     

基于人工蜂群算法的轨道交通列车行车间隔优化

轨道交通运营组织作为轨道交通运营企业管理的核心,在降低企业运营成本、提升服务水平和旅客出行效率方面起着非常重要的作用。提出一种基于人工蜂群（ABC）优化算法的列车行车间隔优化策略,在考虑运营企业和旅客各自利益的基础上,以列车发车间隔为决策变量,建立旅客平均候车时间最小和列车等候时间最大的双目标非线性规划模型。采用ABC算法对模型进行优化求解,结合京津城际铁路某日不同时段客流基础数据进行仿真,实例验证了所提算法和模型的有效性。     

基于改进遗传算法的省级医疗中心选址研究

针对公共设施选址问题中因多目标约束条件造成的复杂空间搜索问题,提出了一种基于遗传算法的P-中值模型,以设施点与供应点间的分配关系作为基因序列,将出行时间消耗、建设投入成本、容量限制条件等因素构成目标函数,用于设施供需分配过程中的优化求解。同时从初始种群构成方式和变异率两方面对遗传算法进行改进以提高求解准确性。实验将该模型运用于河南省省级医疗中心选址,并结合多种评价指标得出多样化的医疗中心布局方案,验证了模型的有效性和可行性。     

基于改进遗传—模拟退火算法的公交排班优化研究

结合公交车辆调度自身的特点,兼顾公交公司与乘客双方的利益,建立了公交排班优化模型,以发车时刻为基因变量进行编码,对两个相邻的发车间隔之差、最大最小发车时间间隔、乘客的满载率等条件进行约束限制,提出了基于改进的遗传—模拟退火算法;对该模型进行优化求解,克服了传统优化算法的缺陷,提高了优化设计过程的求解效率。通过仿真实验得到了利用改进的遗传—模拟退火算法进行求解的不均匀发车时刻表。结果表明,改进的遗传—模拟退火算法能够在公交智能排班优化问题的巨大搜索空间中可靠地找到近似最优解,大大提高了计算效率。     

铁路车辆修理布局集中化研究

针对全路车辆修理量逐渐减少,各修理点修理能力严重过剩的现状,提出铁路车辆修理布局集中化方法。分析铁路车辆修理布局集中化的内涵,提出铁路车辆修理布局集中化双层规划模型的构建思路;以修理点改扩建费用、运营费用、运输费用之和最小为目标构建上层规划模型,以车辆运输费用最小为目标构建下层规划模型,并利用迭代思想,设计基于改进后的蚁群算法的双层迭代优化算法求解该双层规划模型。借助MATLAB软件进行算例分析,验证了模型的有效性。     

基于PageRank的网络布局算法

基于力导向模型的网络布局算法由于其布局结果直观并且便于分析所以在网络可视化中占有举足轻重的地位。但是当前的网络布局算法在面对大规模网络数据的时候通常不容易在较短时间内获取一个高质量的布局结果。本文提出了一个基于PageRank的力导向模型的算法。该算法引入了PageRank来完善节点的重力和斥力计算以改善布局质量；并且引入节点中心性来预估初始布局中节点的位置；同时,又提出了基于PageRank的自适应步长用来平衡布局的效率和质量。最后为了有效的减少布局算法在面对大规模网络数据时的计算时间,本文设计了一个基于CUDA的灵活的CPU+GPU异构并行计算框架。通过对不同类型和不同规模的网络数据集的实验,该算法能够产出一个符合美学标准的高质量布局,并且在同样的硬件条件下,本文所提出的优化方案相比于原始算法速度最大提高了58倍。     

基于改进的NSGA-II多目标优化方法研究*

针对传统多目标优化算法在其领域存在的多个子目标不能同时取优的问题,提出了一种基于改进的非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm-II, NSGA-II）多目标优化方法,以多目标优化遗传算法为基础,多输入多输出的反向传播（Back-Propagation, BP）神经网络为适应度函数评价体系,保证算法快速收敛并搜索到全局最优解集,该算法在建模前对实验数据进行主成分分析,降低了运算时间和算法难度,通过在遗传进化过程中引进正态分布交叉算子（Normal Distribution Crossover, NDX）和改进的自适应调整变异算子,实现了多个目标同时取优,保证Pareto最优解集快速、准确地获取。仿真实验使用UCI数据集,通过与其他常用的多目标优化算法对比,验证了改进的NSGA-II算法精确度更高、收敛速度更快、稳定性更强。     

交叉口信号实时滚动优化模型及算法

为了合理控制单交叉口交通流并且优先公交,建立可变相序的实时滚动优化模型.该模型将公交优先嵌入优化控制,对每辆公交车实时分配权重系数,以交叉口社会车辆和公交车辆的人均延误最小为目标,优化确定相位序列和相位长度.通过跳相来实现相序优化,运用改进的遗传算法来求解.具体实例表明,可变相序的实时滚动优化模型能有效地减少系统的人均延误,并能在尽量减小对社会车辆的影响下实现公交优先.     

嵌入式软件算法级能耗建模与分析

针对嵌入式软件算法级能耗的优化问题,建立算法级能耗估算模型。以旅行商问题(TSP)为例,采用神经网络算法、遗传算法等进行能耗求解,对求解过程中的算法执行次数、算法复杂度以及运行时间这3个特征值进行能耗分析,通过能耗估算模型计算出算法针对TSP问题的能耗估算值,并将该估算值与使用sim-panalyzer功耗仿真平台求解得到的能耗测试值进行比较,结果表明,能耗测试值与估算值的误差在10%左右,证明该能耗估算模型具有较高的准确性。     

基于粒子群算法的多机无源定位系统优化布站

在一定海空战场背景下,通过调整多机无源定位系统中各机位置布局可以有效地提高该系统对特定区域目标的定位精度。文中通过推导多机时差定位算法误差的GDOP公式,提出了利用粒子群算法寻找多机无源定位系统最优布站的方法。与传统典型布站相比较显著降低了对区域目标定位误差,明显提升了多机无源定位动态快速布站能力。同时利用粒子群算法对定位站数不同情况下进行仿真,得出了对应的最优布站形式。     

遗传算法在轨道交通换乘路径求解问题上的应用

文章建立了轨道交通路网简化模型,将遗传算法引入轨道交通换乘路径的求解过程,结合上海市轨道交通运营线路实例进行模拟仿真,所得结果表明该算法的可行性和有效性。     

一种用于计算城市公交时刻表的复合遗传算法

针对公交时刻表设计问题,考虑客流到站的拥挤特征,结合公交车辆运行和乘客到站的时间约束,建立公交时刻表的优化模型。针对模型的特点,设计有序整数编码的遗传算法,对遗传操作进行改进,采用多种方式相结合的选择操作,以及绝对值比较法的区域交叉操作。通过实例测试,在满足公交企业和乘客需求的前提下,得到最优发车车次和车辆在起点站的发车时刻,并结合均衡时刻发车的结果,表明该算法能够有效地解决城市公交时刻表的优化问题。     

一种多目标的覆盖优化策略在WSNs中的应用

针对目前无线传感器网络（WSNs）能量均衡覆盖策略大都基于节点静态感知能耗的不足,提出一种基于节点的动态能耗和网络覆盖率的多目标覆盖优化策略.该优化覆盖策略将动态路由协议引入到覆盖控制优化中,计算覆盖区域在不同节点分布下的动态通信能耗和网络的剩余能量,再结合区域覆盖率构成对覆盖和能量综合指数评价的优化函数.最后利用改进差分进化算法和差分进化算法对优化函数进行仿真,并利用覆盖结果验证策略的有效性.仿真结果表明：提出的覆盖优化策略既能使网络达到较高覆盖率,同时又能保证网络的能耗动态均衡,并将改进差分进化算法与常规差分进化算法比较,结果表明：前者克服了早熟现象,覆盖和能量的综合优化函数值更高,达到了6.184.