基于一种新的混合算法的交通流控制优化模型

运用交通流控制理论建立了在交叉口空间渠化及信号相位相序给定的条件下, 考虑机动车与非机动车的延误（服务水平）约束条件, 机动车通行能力最大的优化模型, 并利用遗传算法及混沌优化算法互补的混合优化算法对模型进行了优化计算. 实际优化计算结果表明, 文中的优化模型及其混合算法具有较高的理论价值及实用价值, 本次研究为信号交叉口交通流的协调控制优化研究提供了新思路和新方法.     

基于遗传算法的多模型自适应控制

利用多个固定模型（或元素模型）来逼近含未知参数的被控系统,基于每一个元素模型建立最优控制器,并由各局部模型控制器的加权和构成被控系统的控制器。对于这种多模型自适应控制器,在每一个采样时刻,每一个元素模型的权值将由遗传算法计算得出。仿真结果表明,采用该文提出的控制器,当被控对象的模型参数剧烈变化时系统输出依然可以很好地跟踪设定值。     

一种基于多目标遗传算法的非线性控制器

该文利用相位滞后仅38.1°的Clegg积分器构成一个非线性比例积分器,并利用多目标遗传算法对该控制器的三个参数进行优化,其中被优化的两个目标分别为被控系统的给定性能指标和抗负载扰动能力。然后将该控制器应用于一个存在饱和特性和间隙特性的双闭环调速系统,研究并比较了该系统在阶跃给定输入下的性能指标以及抗负载扰动的能力。仿真试验表明将该非线性控制器应用于具有多个非线性特性的动态系统能取得优良的性能。     

基于元胞自动机的多车道机非混合道路交通流

车辆的行驶受到本车道以及邻近车道前后邻近车辆的影响,在城市交通中机非混合对车辆行走的影响尤为复杂。通过研究路段上机非混合通行交通流的本质特性,综合考虑非机动车对机动车换道规则及加减速规则的"摩擦"和"阻滞"干扰影响,建立描述路段混合通行道路交通流的元胞自动机(CA)模型,从不同的机非混合比例下道路交通流的流量、速度变化情况,流量与车辆到达率关系,交通流相位相变等方面仿真模拟混合交通流的机非干扰机理。     

采用遗传算法求解多跳分组无线网服务质量路由优化模型

采用多目标遗传算法来确定多跳无线网服务质量路由优化问题的Pareto最优解集。通过计算表明,多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集,这为决策者进行目标折衷决策提供了充分的依据,此算法是有效可行的。     

基于非线性选择方法的多目标优化遗传算法

针对排序选择法中广泛采用的线性选择方法的缺陷,提出了一种非线性选择方法。这种选择方法既充分体现了非劣解集对劣解集的优先选择权,又考虑到了非劣解集和劣解集中个体的平等性。理论分析和仿真计算表明,这种新的排序选择法不仅能得到分布广泛的Pareto最优解,而且进化速度极快,一般只需30-50代。     

催化裂化分馏塔多目标遗传算法优化

建立了催化裂化分馏塔多目标优化函数,并通过遗传算法对其求解,结果表明在某一组操作参数下生产,可以保证分馏塔重石脑油流量和轻柴油流量同时最优,此时多目标综合评价优化函数的适应度值为193．41,对应解下重石脑油流量Q1和轻柴油流量Q2分别为294．771（t／h）和92．053（t／h）,均高于未进行优化的历史操作最高流量值Q1=225．177（L／h）和Q2=53．700（t／h）,实现了分馏塔的多目标优化。     

遗传算法优化BP 神经网络的短时交通流混沌预测

为了提高BP神经网络预测模型对混沌时间序列的预测准确性,提出了一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法.利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解,并将该预测方法应用到几个典型混沌时间序列和实测短时交通流时间序列进行有效性验证.仿真结果表明,该方法对典型混沌时间序列和短时交通流具有较好的非线性拟合能力和更高的预测准确性.     

基于车道控制的交叉口流向及信号组合优化模型*

为了提升城市道路交叉口运行效益,提出将流向禁止与信号控制相结合的交叉口优化模型。采用组合优化的方法,将禁止流向选择、车道功能、路段掉头位置以及信号配时等优化变量整合在一个统一的模型中,同步进行优化。该优化模型由混合整数非线性规划描述,并将其转换为一系列混合整数线性规划,采用分支定界法求解。通过算例及仿真分析,验证模型的效益。研究结果表明,禁止流向的选择对于交叉口运行效益有着很大影响,优化模型可根据交叉口几何及交通需求条件,生成最优方案。尤其当常规交叉口无法满足交通需求时,该优化方法可提高通行能力达25%。     

基于粗糙集和分形理论的交通流优化控制设计模型

为解决交通预测的全局优化控制问题,在运用粗糙集理论对路网节点所测得的历史交通流量进行量化分析的基础上,建立了规则简化的数据清洗模型;基于分形理论的相似性原理建立了交通流量的预测模型,并给出了交通流优化控制系统的运行机制和相应的网络拓扑结构。用某交通观测站的实测数据对模型进行仿真,仿真结果表明,文中所设计的模型和算法是有效的。     

基于多车道交通流动态离散模型的递阶优化控制问题与算法

建立了一个基于多车道动态离散交通流模型的高速公路入口匝道流量优化控制模型.为了降低优化控制问题求解的复杂程度,把它分解为两层递阶控制问题.讨论了两层求解的算法,并给出了算例及仿真结果.     

单源交通流数据质量控制算法设计与程序实现

针对基于数值计算理论的单源交通流数据质量控制算法作程序实现。首先进行程序流程设计,包括数据读取模块、数据识别模块、数据修正模块、数据存储模块和数据输出模块五部分,各模块间相互联系,按照数据流的方向结合在一起按顺序使用。其次,给出了详细的总体程序工作流程,并且针对其中的两个核心模块给出了具体的工作流程。最后,针对北京市实时交通流数据进行了检验,结果表明程序设计实现了算法设计的要求,并且极大改进了质量控制的自动化程度,提高了质量控制的工作效率。     

基于改进遗传算法的时间最优控制问题求解

对原有遗传算法的不足进行分析 ,提出改进的遗传算法。对于高维、高精度问题 ,改进算法相对原算法可节省大量存储空间和解码时间。提出的选择算子仅与父代的大小顺序有关 ,既可避免原算法对适应值必须为正的限制 ,又可避免算法过早收敛到局部解。证明了新算法的全局收敛性 ,并对新的选择算子进行了性能分析。将改进的遗传算法引入受约束时间最优控制问题的求解 ,获得了令人满意的结果     

交叉口混合交通流微观控制模型

为构建智能网联汽车(CAV)和有人驾驶汽车(HDV)混合通行情况下的交叉口通行机制与控制方法, 本文提出CAV专用道条件下交叉口协同通行模型. 首先, 设计CAV专用道条件下的交叉口布置, 对交叉口进行网格化处理,将CAV通行时隙和HDV绿灯相位对交叉口某部分网格某时段的占用统一到交叉口时空资源描述框架下; 其次, 建立兼顾CAV与HDV的交叉口时空网格资源分配模型, 构建自适应信号灯控制算法和CAV轨迹规划算法; 再次, 以车辆最小延误为目标进行自适应信号灯配时优化和CAV轨迹优化; 最后, 选取广州某典型交叉口建立仿真实验对所提方法的有效性进行了验证.     

基于非线性算法的网络业务流量预测

基于递归最小二乘支持向量机,提出了一种网络业务流量非线性预测算法。通过最小二乘支持量机首先将原始的网络流量数据映射到一个高维空间中,进而在这个高维空间中对流量数据进行预测,使得在低维空间中非线性预测转化为高维空间中的线性预测,提高了预测性能。仿真结果表明,预测误差能够维持在5%以内。     

基于云遗传的RBF神经网络的交通流量预测

以神经网络和混沌时间序列理论为基础,提出了一种基于云遗传的RBF神经网络优化算法。该算法利用云模型云滴的随机性和稳定倾向性的特点,由正态云模型的Y条件云发生器实现交叉操作,由基本云发生器实现变异操作,提高了遗传搜索的效率,精简了网络结构。将该算法应用到Logistic混沌时间序列和实测交通流时间序列进行算法的有效性验证,并与传统的RBF算法和遗传算法优化的RBF算法（GARBF）进行比较。仿真结果表明该算法对混沌时间序列和交通流预测的精度有较大提高,从而证明该算法在交通流时间序列预测领域的可行性和有效性。     

利用改进型遗传算法实现两路口交通灯控制

随着汽车与交通事业的快速发展,城市交通问题日益突出,而增加道路和限制车辆已不是解决问题最经济有效的办法。如何在现有交通设施的条件下解决交通问题才是需要考虑的。作为整个交通网络最小研究单元的单个交叉路口,它的控制方法的研究是基础,但是却无法反映其他路口的控制对它产生的影响,即无法反映路口间的耦合关系,所以主要讨论两个交叉路口交通的控制。建立了两路口交通的优化模型,给出了目标函数以及约束条件,采用遗传算法进行优化,开发出了两交叉路口的交通灯控制仿真软件,得到了较好的效果。     

基于国产处理器增量式实时交通流预测算法及实现

针对城市交通难以处理大量数据且实时性差等问题,提出了根据增量式城市交通流数据预测拥堵情况的一种基于国产处理器的L-BFGS(limited-memory BFGS)算法。该算法通过存储向量序列计算Hessian矩阵,改进Two-Loop算法求下降方向,在Spark集群中并行处理时收敛速度快,适用于实时性要求强的城市交通场景。实验结果证明,L-BFGS预测算法完全可以在国产平台上对大规模的实时交通数据流进行快速建模、预测,在改善城市交通管理水平提供有效支撑的同时也丰富了国产芯片的应用领域。     

Subdivision algorithm for optimal control

We present a novel algorithm for optimal control of nonlinear systems based on a subdivision algorithm. The algorithm presented in this paper is an alternative to a set‐oriented approach for optimal feedback stabilization. We compare the proposed algorithm to the set‐oriented approach, contrast these two approaches, and use examples to show that the new algorithm produces comparable results. Also, we demonstrate by example that we receive a precomputed optimal solution. The main contribution of the paper is understanding how cost function improves with further subdivision of state space and smaller memory footprint of the final solution in comparison with set‐oriented approach. Copyright © 2012 John Wiley & Sons, Ltd.     

城市中观交通仿真的交通流车簇模型

为了解决城市交通仿真模型仿真速度和仿真精确度的平衡问题,针对城市交通流运行特征,同时考虑影响交通流运行的若干因素,如车辆数目、红绿灯控制等,提出一种中观交通仿真车辆群体模法.该模型结合了宏观模型和微观模型的优点,同时对应的交通流配流算法解决了传统模型的不足,城市交通仿真实验结果表明了车辆群体模型和分配算法的合理性和有效性.