车辆路径问题的捕食搜索算法研究

针对车辆路径问题存在的NP难题,设计了一种模仿动物捕食策略的捕食搜索算法进行求解。该算法利用搜索空间限制的大小,定义算法的局域搜索和全局搜索,并通过调节搜索空间的限制,以实现局域搜索和全局搜索之间的转换,它具有较好的局部集中搜索和跳出局部最优的能力。通过测试实例的计算,并与已有相关算法进行比较,结果表明该算法简洁而行之有效,是求解车辆路径问题的一个较好方法。     

求解车辆路径问题的改进微粒群优化算法

微粒群优化算法是求解连续函数极值的一个有效方法。研究了用该算法求解车辆路径的问题。设计了求解车辆路径问题的一种新的实数编码方案,将车辆路径问题转化成准连续优化问题,并采用罚函数法处理约束条件。应用该微粒群优化算法求解了多个车辆路径问题的算例,并与遗传算法和双种群遗传算法进行了比较。计算结果表明,该算法可以更有效地求得车辆路径问题的优化解,是解决车辆路径问题的有效方法。     

基于混沌优化的多层前馈神经网络

BP算法是应用广泛的一种多层前馈神经网络模型,针对算法求解精度低、搜索速度慢、易于陷入局部极值点等问题,根据混沌理论的全局优化思想,提出采用"多次载波"技术将混沌优化和前馈神经网络相结合,利用已找到的近似最优解来启发搜索全局最优解的方法训练神经网络,以布尔函数识别、曲线逼近、模式识别3个典型应用对算法进行验证。研究结果表明,算法具有较好的泛化能力和快速全局收敛的性能,特别是针对中小规模的网络,混沌优化算法在训练时间、全局收敛率等指标方面优于BP算法。     

基于混沌神经网络的异步电主轴转速辨识

针对BP神经网络易陷于局部最优,且学习速度慢的缺陷,研究了采用混沌优化算法改进BP神经网络并应用于异步电主轴转速辨识的方法.该方法使用新的混沌自映射函数取代一般的有限折叠次数的Logistic自映射函数,使其兼具了混沌优化算法的全局寻优与BP算法局部寻优的优点.借助MATLAB/Simulink软件对无传感器电主轴转速辨识系统进行数值仿真.仿真结果表明,采用新方法使整个系统的辨识性能更优,学习速度更快.     

基于神经网络的车辆主减速器混合遗传算法优化设计

车辆驱动桥的组成包括主减速器、差速器和半轴,其中汽车主减速器的结构和尺寸极大的影响着汽车的动力学性能和经济性,因此采用优化设计方法来设计汽车主减速器是非常重要的。在满足主减速器接触强度、弯曲强度和边界约束的条件下,建立了优化设计数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题,故通过神经网络方法拟合待求系数,应用遗传算法工具箱调用混合遗传算法寻求最优解,使求解过程得到简化,确保可靠地获得全局最优解。     

基于小波混沌神经网络AZ31镁合金退火参数优化研究

本文以AZ31镁合金为研究对象,基于小波混沌神经网络对其退火参数进行优化,并对参数优化前后合金的微观组织和力学性能进行了研究。仿真及实验结果表明:AZ31镁合金退火后的微观组织为等轴晶,随着延伸率的增大,合金真应力不断增大,单位面积细晶数随着退火时间的延长,先缓慢减小,再迅速降低,最后再缓慢减小,晶粒长大主要发生在细晶区;退火参数优化后合金的微观组织晶粒比优化前的更加均匀细小,平均晶粒尺寸更加细小,单位面积细晶数明显增加,力学性能更加优良。     

基于Witness车辆路径问题的仿真建模与优化

简要介绍了车辆路径问题及仿真的知识,针对实际问题,利用Witness仿真软件,建立车辆路径问题的仿真模型,然后运行仿真模型,得到仿真输出结果,通过对模型结果的输出分析,寻找车辆路径问题的瓶颈因素,通过对瓶颈因素的解决,进行问题的优化,最后得到更优的可行解。     

求解车辆路径问题的混合遗传算法

针对物流配送中具有容量限制的车辆路径问题,设计了一种结合2-OPT子路径优化的混合遗传算法.在该算法中,提出了一种新的双层染色体编码方案.该染色体编码方案能确保子路径为满足车辆容量约束的可行路径,并且该编码方案只需根据客户编号生成染色体,无需预先知道有容量限制的车辆路径问题所需的最小车辆数,更适于求解实际中的车辆路径优化问题.采用2-OPT算法作为遗传算法的变异算子以优化子路径,从而提高算法的收敛速度.基于典型基准测试实例的计算结果表明,该算法是求解有容量限制的车辆路径问题的有效方法.     

基于深度神经网络的车辆检测系统

近年来,深度卷积神经网络取得的突破性进展极大地提高了计算机视觉算法能力,基于卷积神经网络的算法已成为目标检测领域的主要研究方向。但由于其庞大的计算量和存储空间需求,该算法在车载平台车辆检测领域的应用受到限制。本文对深度卷积神经网络在车辆检测领域的应用进行研究,在算法架构层面,以构建高速高准确率的车辆检测模型为目标,搭建并训练了适合嵌入式端的轻量级车辆检测模型,并对算法进行了优化。模型测试结果显示,本文搭建的车辆检测算法在保持较高检测精度的情况下,大幅降低了检测模型计算量和存储需求。     

开放式动态网络车辆路径问题的粒子群算法

针对现有车辆路径问题模型对动态性和开放性的约束限制,建立了开放式动态网络车辆路径的数学模型,使用连续时间依赖函数表示动态网络,并提出了基于惯性权重自适应调整和状态分类更新的粒子群算法求解该问题。根据社会认知理论,每个粒子依据当前位置与种群最优位置和自身历史最优位置的相对关系,动态调整自身的惯性权重。为避免早熟收敛,增加群体的多样性,使用分类更新策略。对于优秀的粒子,通过计算信息熵,使用特殊的状态更新公式计算其状态;对于适应度低的粒子,通过公告板统计出现的频率,进行粒子更新。通过实验仿真,对算法的参数进行了分析,并通过与其他算法的比较,验证了该算法的有效性。     

改进的最大-最小蚂蚁算法在有时间窗车辆路径问题中的应用

利用最大-最小策略,最大最小蚂蚁算法减小了蚂蚁算法陷入局部陷阱的可能性。基于对最大最小信息素策略和信息素更新方式的改进,结合快速产生初始解的算法,提出了一种新方法。把该方法应用于有时间窗车辆路径问题,试验结果表明该算法是有效的。     

车辆路径问题的智能建模方法研究

针对车辆路径问题的自动建模工作,以人类建模思维规律为依托,提出了基于结构差异的智能建模方法,实现了车辆路径问题的智能建模系统,解决了车辆路径问题动态性导致问题建模不能实现的瓶颈.通过该系统的实际应用,验证了建模方法的可行性与有效性.     

基于混合粒子群算法的多目标车辆路径研究

为解决多目标下带时间窗车辆路径的优化问题,提出了将粒子群算法与变异操作相结合的求解方式.设计了一个随迭代次数增加而变化的变异算子,采用轮盘选择机制,以使多目标离散问题能收敛到Pareto最优解集,并在Pareto曲线上有均匀的分布.采用随机键,将连续的粒子位置向量转化为离散的解向量,并通过提出相对最短距离法来评价解集的优劣.所提出的无间隔编码方式,减少了算法的无效迭代.通过实验,验证了该方法的简单有效性.     

带软时间窗的联盟运输调度问题研究

为解决允许使用不同类型车辆和多层次交通网络的带软时间窗的联盟运输调度问题，在建立数学模型的基础上，利用改进的蚁群算法求解。首先，为了克服蚁群算法最优解不稳定和易陷入局部最优等缺点，按经验将选择策略分为3个阶段，每个阶段选用相应的转移概率，并根据信息素浓度与挥发速度的关系自适应调整信息素挥发因子；其次，为了解决蚁群算法不易发现可行解的问题，从构造3类分支回路和处理遗漏客户点人手，构造了联盟运输调度问题的可行解。仿真计算表明，该算法简明有效。     

基于NSGA Ⅱ的物流配送中车辆路径问题研究

车辆路径问题已经被证明属于NP—Hard问题。针对这一问题建立了多目标优化的数学模型;构造了带精英策略的快速非支配排序遗传算法,以求解车辆路径问题的数学模型,针对物流配送路径优化,将该算法从解决连续问题扩展为解决离散问题;进行了算法设计,提出了离散问题的快速非支配排序和锦标赛选择结合的子代选择方法,并修正了以往的初始群体生成、交叉和变异的方法。通过实例比较证明,该算法可以更好地解决物流配送路径优化的多目标问题,较快找到更优解,避免早熟收敛并改进算法性能,达到较高的搜索效率。     

道路修整与应急车辆路径的集成优化

综合考虑应急求援中的损毁道路修复、临时道路新修、较差道路平整3种道路修整工作,从占用物资和影响车辆通行时间2个方面对道路修整工作进行了分析。从需求点物资未满足量和配送时延角度,构建了道路修整与应急车辆路径的集成优化模型。该模型无需分层优化,无论可能修整路段是多还是少,只需进行一次优化。提出粒子群优化算法的求解方法。优化算例验证了所提出模型和算法的可行性。