综合环境因素及延误的信号配时优化仿真研究

提出了综合考虑环境因素及延误的交叉口信号配时优化方法;选择遗传算法作为优化工具,建立了以减少机动车尾气排放及交叉口平均延误为总目标,以信号周期时长和各相位有效绿灯时间为优化参数的信号配时优化模型,并利用微观仿真模型VISSIM及MATALAB、Visual Basic 6.0编程语言,开发了相应的算法程序;最后针对实际案例进行了仿真分析,验证了方法的合理性和可行性.     

基于互补问题的混合交通信号配时优化模型

根据最优化原理与非线性互补理论,针对混合交通下单点交叉口信号优化配时问题,以延误时间、停车次数和通行能力作为性能指标,研究了城市交通控制的优化模型,提出了与之等价的基于绿灯时间的非线性互补问题,并给出了信号优化配时的牛顿算法.算例表明此方法可行有效,在道路等级相差悬殊及交通量相当的情况下,较蚂蚁算法,总延误有很大的减少;在各进口道饱和度较小的情况下,较仿真结果,性能指标有明显提高.为混合交通下单点交叉口信号优化配时研究提出一种新思路和新方法.     

区域控制系统信号参数的整体最优设计

利用线性规划理论,建立了城市交通区域控制系统的数学模型,并求得了最优解.利用该方法,可以同时对系统的信号周期、相位差、带宽、绿灯时间等全部控制参数进行整体优化.为解决城市交通拥挤、堵塞,为充分利用现有道路,实现交通流的最佳运行管理提供了理论依据.     

交通信号自适应遗传控制算法及其仿真研究

针对传统的交通信号控制方法时效性不强、运算量大等缺陷,提出了一种基于自适应遗传算法的单点交通信号控制策略。首先构建了多相位单交叉路口的数学模型,并推导出平均延误时间目标与绿灯配时之间的关系,在此模型的基础上采用自适应遗传算法进行优化,并对该方法的有效性以及相对于传统遗传算法的快速收敛性进行了仿真验证。结果表明,相对于固定配时方案和传统的遗传算法配时方案,该方法有效的提高了控制效果和时效性。     

单路口信号灯模糊-遗传算法优化配时研究

介绍了一种单路口信号灯模糊-遗传算法优化配时方法,把路口一个周期内车辆平均延误作为目标函数,用线性预估方法,根据上一周期和本周期的车流量预估下一个周期的车流量,把预估车流量和前两个周期的车流变化作为输入量,用模糊控制器推算出下一个周期的时间长度,然后用遗传算法优化目标函数,从而得到最优配时方案。计算机仿真结果表明,模糊-遗传算法优化性能良好。     

基于遗传算法的交通信号动态优化方法

针对典型的城市多车道双向交叉路口的交通流分布，以四相位信号控制为例，建立了以控制周期内路口的总延误车辆数最小为控制目标、以信号相位绿灯持续时间和信号周期时长为控制变量的交通信号动态配时模型。并用基于实数编码的遗传算法对信号周期和相位4绿信号时间等控制变量同时进行优化。为检验算法的优化效果，针对实际交叉路口高峰小时的实测交通流量数据，进行了大量次数的仿真计算，并对仿真结果进行了分析。     

考虑学习率的人工作业系统批量加工模式优化

分析了订单式生产、中小批量、手工工序作业系统的作业组织模式优化问题,包括:小组集中作业模式、生产线作业-平行移动模式、生产线作业-平行顺序移动模式.以产品批加工周期为目标函数,分析和比较了三种作业组织模式下的产品批加工周期,得到了与传统分析方法不同的结果:小组集中作业模式具有最短的加工周期.接着,结合手工工序作业系统的特点,分析了基于工人学习率的不同作业模式的产品批加工周期.并对不同作业模式下的产品批加工周期与工人学习率、生产批量、工序时间差等因素的关系进行了敏感性分析.结果表明:当工人学习率大于一定值时,小组集中作业模式为最优;而当工人学习率小于一定值时,则生产线作业-平行移动模式为最优,而产品批量对作业组织模式决策影响不大.     

一种交叉路口信号优化控制模型的研究与仿真

交通信号优化是智能交通控制中的难点。对单交叉路口信号控制提出了一种优化控制模型,该模型先以三层BP人工神经网络对交叉路口的车辆到达进行预测,并根据交通流饱和度理论,用模糊控制器对路口各方向的绿灯时间进行调整。仿真研究表明提出的控制模型可以提高交叉路口通行能力,减少车辆延误,达到交通信号优化的目的,同时比传统方法能更好地适应变交通流的情形。如果做进一步的研究可将该控制方法应用于多路口的区域交通控制,有较强的实用性和推广价值。     

卫星编队构形多冲量调整优化研究

建立了卫星编队多冲量构形调整的优化模型,给出了期望构形约束的表达和处理方式。在约束处理方式和优化方法的不同组合下,对两个示例问题进行了多次优化求解和对比分析。结果表明:传统优化方法不能有效搜索复杂多冲量构形最优调整问题的最优解,而进化算法在期望构形约束满足精度上存在不足;先基于进化算法作全局搜索、再利用传统优化方法提高解的局部最优性是很好的方法,能够获得燃料最优性和约束满足精度都很高的解;对于期望构形约束的处理,传统优化适宜采用最终时刻状态偏差方式,而进化优化采用全周期最大状态偏差方式较好。     

时间敏感性产品供应链超网络均衡模型北大核心CSSCI

以时间敏感性产品供应链网络为研究对象,通过时间函数和损失率表示时间敏感性产品随着时间变化的特征,在集中考虑多方共赢,供需成本优化,供需价格竞争和产品流量不守恒问题的基础上,构建了包括时间敏感性产品生产商、零售商和需求市场的三层时间敏感性产品供应链超网络均衡模型;通过变分不等式表示时间敏感性产品供应链超网络的均衡解,并采用修正投影算法来求解,通过数值算例验证方法的可靠性和合理性,解释了某个厂商在非最优决策时其他厂商的最优决策及趋近均衡点的过程,并比较了个体优化和全局优化下的结果。     

不确定下项目投资时点的优化模型研究

在项目收入流不确定的假设下，研究如何寻找最优投资时点问题，建立了问题的最优停止模型，利用高切原理求解一个自由边界问题，得到候选解，运用最优停止理论验证了其的确为最优解，显式地给出最优投资时点并进行了比较静态分析，研究结果修正了传统投资准则，特别包括了传统的Jorgenson投资准则作为其特殊情形，论文的方法不需要完全金融市场和市场无套利的假定。     

基于Nash-Q的网络信息体系对抗仿真技术

武器装备体系作战仿真研究隶属于复杂系统研究范畴,首次对基于Nash-Q的网络信息体系(network information system-of-systems,NISoS)对抗认知决策行为进行探索研究。Nash-Q算法与联合Q learning算法具有类似的形式,其区别在于联合策略的计算,对于零和博弈体系作战模型,由于Nash-Q不需要其他Agent的历史信息即可通过Nash均衡的求解而获得混合策略,因此更易于实现也更加高效。建立了战役层次零和作战动态博弈模型,在不需要其他Agent的完全信息时,给出了Nash均衡的求解方法。此外,采用高斯径向基神经网络对Q表进行离散,使得算法具有更好的离散效果以及泛化能力。最后,通过NISoS作战仿真实验验证了算法的有效性以及相比基于Q-learning算法以及Rule-based决策算法具有更高的收益,并且在离线决策中表现优异。     

基于产品保修的不可靠生产系统最优生产周期

不可靠生产系统会随机从可控制状态进入不可控制状态或随机发生故障,其产品在保修期内发生故障后,需免费小修.生产系统从零时刻持续生产到时刻t时,或在时间(0,t]内首次发生故障时,则一个生产周期结束.基于每个生产周期内单位产品的成本率最低,在不同条件下讨论了最优生产周期t^*的存在性、范围及关于模型中参数的单调性.最后用数字实例说明了模型中的参数变化对生产周期内的决策变量和目标函数的影响.     

ABMS中基于Q学习算法的空战目标分配方法

Q学习算法由于不需要先验知识即可学习,对于求解复杂的优化决策问题具有广泛的应用前景。本文针对当前空战目标分配算法的优缺点,提出了ABMS(agent based modeling and simulation)中基于Q学习算法的空战目标分配方法。首先介绍了空战Agent建模;然后给出了Q学习算法应用于空战目标分配的方法流程,并严格定义了“状态动作”对的选择规则,最后通过仿真实验证明了该方法的合理性和有效性。本文方法避免了对先验知识的依赖,并且脱离了局部最优陷阱。     

基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法。借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优。实例分析表明,所提算法能够快速准确地收敛到局部最优解,实现以尽可能少的目标函数测算得到问题的满意解或最优解,适合于求解高维离散变量优化问题和仿真优化问题。     

可变定货费用情形下变质性物品经济批量问题

传统的确定性经济批量模型通常都假定每周期的定货费用是固定不变的。放松了这个假定，并在每周期的定货费线性地依赖于定货量的假定下，发展了带有线性增加需求的变质性物品在有限计划期内的经济批量模型。在该模型中，允许短缺发生且假定短缺完全拖后。证明了该模型具有唯一的整体最优解，并提供了一种简单的求解过程和应用实例。     

A New Continuous Production Lot Size Model with Increasing Time Varying Demand and Variable Rate of Production Considering Shortages

ＡＮｅｗＣｏｎｔｉｎｕｏｕｓ┐ＰｒｏｄｕｃｔｉｏｎＬｏｔ┐ＳｉｚｅＭｏｄｅｌｗｉｔｈＩｎｃｒｅａｓｉｎｇＴｉｍｅ┐ＶａｒｙｉｎｇＤｅｍａｎｄａｎｄＶａｒｉａｂｌｅＲａｔｅｏｆＰｒｏｄｕｃｔｉｏｎＣｏｎｓｉｄｅｒｉｎｇＳｈｏｒｔａｇｅｓ⒇ＺＨＯＵＹｏｎ...     

混合变邻域搜索算法求解大规模电动车辆路径优化问题

基于真实的物流场景,研究了带时间窗的多车型和多循环电动车辆路径问题.建立了一个基于路径的混合整数线性规划模型,可精确求解小规模算例.提出了将变邻域搜索算法和标签算法相结合的混合启发式算法,用以求解大规模情形.该算法提出了一种带随机因子的启发式算法构造初始解,并对时间窗和里程约束进行了松弛,使用邻域算子进行变邻域搜索,使...     

基于目标机动模式识别的VSMM算法

针对定结构多模型在高机动目标跟踪算法中存在计算量大、计算时间长、难以满足系统实时性等问题,提出了基于目标机动模式识别的变结构多模型算法。该算法能够选取与目标运动状态相匹配的模型集合,具有时变性、自适应性的优点。通过运用少量的运动模型组成一个模型组,然后不同的运动模型组合形成不同的模型组,以模型组代替原先定结构模型中的多模型,根据跟踪检测到的目标运动模式来选择是否更换模型组,从而用少量运算得到较为精确的次优解。仿真结果表明,该算法在跟踪强机动目标中不但能够有效降低计算量,而且可以使模型集合和目标的运动状态更好地匹配,从而提高目标跟踪精度。     

易腐物品的库存管理研究

研究变质率呈Weibull分布的易腐物品的最优采购与库存策略。有限时域中有关易腐物品的库存问题研究，往往假设需求是线性而且变质率固定，这与实际情况具有较大的差距。通过引入对变质情况具有良好模拟性的三参数Weibull函数来描述易腐物品的变质特性，建立有限时域内易腐物品的最优订购策略模型。用前向迭代逼近的方法，得到求解最优订购策略的方法。