基于改进CTM模型的城市快速路交通流仿真

为了探讨城市快速路交通流特征,针对快速路的4个模块进行了交通流仿真。以经典元胞传输模型(CTM)为基础,根据相邻元胞间流量传输相等的基本原理,引入元胞长度参数,推导出了元胞间流量传输公式,由此提出改进的元胞传输模型。利用改进元胞传输模型对城市快速路交通流进行仿真,主要包括道路环境和交通环境两个方面,即上匝道之间的间距以及主线和匝道流量比,仿真包括构成城市快速路的4个模块:基本路段、合流区、分流区以及交织区,以车辆延误作为分析指标。仿真结果表明,基本路段和分流区的延误增加量一致,合流区和交织区的延误增加量一致。     

基于CTM的干线信号模糊控制优化方法在大型活动中的应用

为了提高城市干道在大型活动交通消散过程的控制效率,利用能够反映交通流动力学特性的元胞传输模型CTM实现消散干道交通信号优化控制.基于CTM建立了消散干道单向交通动力学模型,提出了基于滚动周期的干线模糊控制优化方法,通过实时调整主路绿灯时间从而实现绿波控制路段总延误最小的优化目标.对一个由4个路口组成双向六车道干线道路算例进行仿真,在消散干道主路输入流量随时间变化的情况下,采用各路口绿灯时间一致的控制方案与各路口变化绿灯时间即优化控制方案2种情况下,主路消散方向上车辆总延误分别为4 254和3 825 s.算例结果表明,优化方案对于减少主路消散方向的交通流总延误具有较好的控制效果.     

基于元胞传输模型的高速公路可变限速控制

针对高速公路交通拥挤、整体服务水平降低、车辆延误增加等问题,提出了一种基于元胞传输模型的高速公路瓶颈区域可变限速控制方法.将可变限速控制方法同元胞传输模型进行融合,使其对限速条件下高速公路交通流变化进行描述,并以提高通行效率和缩短车辆平均延误为控制目标,建立了高速公路瓶颈区域可变限速最优控制模型.实验证明:在高流量条件下,基于元胞传输模型的高速公路可变限速控制方法具有良好的控制效果,能够有效地提升高速公路整体服务水平.     

分路段交通状态模式元胞传递模型

对城市快速路元胞传递(CTM)模型进行了研究.根据不同路段交通状态模式下,路段交通流动态特性的"可观测性"会由于交通信息传播方式差异而不同,提出了城市快速路分模式元胞传递模型.该模型更新了流量传输模型,将其表示为不同路段交通状态模式下的分段函数形式,并针对城市快速路构建了下匝道流量传输模型.以上海南北高架部分路段实际检测数据为例,测试比较了3种宏观元胞自动机模型,结论为分模式CTM模型性能最好.在将其应用于大规模数据测试时,密度估计结果平均百分比误差为20%左右,流量估计结果平均百分比误差为10%左右,仿真效果比较理想.     

考虑机场、航空公司与空管需求的机场群离场航班时刻优化

随着我国航空流量的不断增加,机场群内航班延误时间长、延误架次多、机场时刻紧张等问题逐渐暴露,这些问题主要是航班时刻设置不合理所导致。为解决这些问题,需要对机场群内航班时刻进行优化。本文通过从机场、航空公司、空管三个角度综合考虑,分别以延误时间、航空公司航班时刻调整总方差、管制员总调整量作为优化目标,建立了机场群航班时刻优化模型,并使用权重线性递减的粒子群优化算法实现对模型的求解。以京津冀机场群为例进行分析,使用Matlab对模型进行寻优。结果表明优化后机场群内总延误时间由77 580分钟至46 260分钟,航空公司航班时刻调整总方差由447.076减少至63.141,管制员总调整量由467 次减少至253 次,三个目标均得到了优化。可见该模型权衡了机场、航空公司与空管之间的公平性,为机场群航班时刻的优化提供了理论参考。     

基于粒子群算法纯电动汽车传动系统参数的优化

为提高纯电动车电机工作效率,以一款固定减速比电动汽车为原型,改为两档传动比方案,对传动比参数进行优化以提高电机工作效率。分别以汽车原地起步加速时间和ECE(欧洲经济委员会)十五循环工况下续驶里程作为纯电动汽车的动力性和经济性两个分目标函数,经过加权因子建立新的评价函数。采用线性递减惯性权重的粒子群算法(LDWPSO)对传动系统参数进行优化,利用Logistic混沌映射来初始化种群以避免粒子群算法早熟收敛和局部最优的问题,并将优化结果带入动力学模型中验证。结果显示,优化后的两档传动比方案较固定速比方案加速时间减小0.3 s以上,续驶里程提高8.51 km。表明通过采用粒子群优化算法优化汽车传动系统参数,汽车的动力性和经济性得到有效的提高。     

基于GIS的CA-PSO多出口场景疏散模型研究

参考当前所处位置的人员密度以及所选出口的密度大小,融合元胞自动机与粒子群优化算法,建立了一个新的CA-PSO人员疏散模型模拟教学楼中学生的疏散过程.通过对同一疏散环境中教室的学生进行模拟疏散实验对比,结果表明:在元胞自动机模型基础上结合粒子群优化算法,模拟疏散过程的结果更加符合实际,疏散效率高.将其结合地理信息系统,模拟教学楼某楼层学生疏散行为,具有较好的实用性和通用性.     

一种改进粒子群优化算法在车辆路径问题的应用研究

基于集合的粒子群优化算法(set-based particle swarm optimization,S-PSO) 主要用于解决离散域的组合优化问题。但S-PSO只考虑了当前粒子的最优对速度更新的影响,易陷入局部最优解。提出ES-PSO (enhanced S-PSO)算法,重新设计速度更新策略。在速度更新策略中加入了全局最优和邻域最优的影响,同时,修改权重系数,使粒子在更新时优先考虑服务时间较早的粒子,更加合理地安排了节点的服务顺序。使用ES-PSO算法求解带时间窗的车辆路径问题(vehicle routing problem with time windows,VRPTW),提出了ES-PSO-VRPTW算法。实验结果表明,基于Solomon数据集,ES-PSO-VRPTW算法在最优路径数目(number of vehicle-route,NV)和总里程(total distance,TD)上的表现比S-PSO-VRPTW更加优越。将ES-PSO-VRPTW用于求解带时间窗的垃圾回收车辆运输问题,得到的路径数目NV和总里程TD相对于S-PSO-VRPTW以及传统的遗传算法(genetic algorithm,GA)和蚁群算法(ant colony optimization,ACO)均有大幅度降低。     

基于粒子群算法的航天器控制参数优化设计

针对大角度姿态快速机动的航天器姿态控制器进行参数优化设计.采用四元数方法描述航天器的姿态运动,针对一类基于Lyapunov方法设计的姿态控制器,设计了描述控制器全局姿态调整能力的指标,量化了控制器参数对控制性能的影响,采用粒子群算法对控制器参数选择进行优化,避免了传统设计中基于经验选择设计参数,通过引入粒子间信息共享的机制求解优化问题.仿真结果表明:粒子群算法采用简洁的位置和速度更新实现系统寻优,在有输出力矩约束的条件下,进入最优解67 s所需的进化代数为31,可较快收敛到系统全局最优解.     

基于元胞传输理论的航空器进场优化模型

随着空中交通流量的增长航班延误问题日益严重,终端区的情况尤为突出。为了缓解这一状况,利用标准雷达引导航线建立了基于元胞传输理论的终端区进场航班优化模型,结合实际案例,与当前实际进场运行情况进行了对比,求解得到系统运行最短时间、起点处延误时间。案例分析表明,该优化模型既能够反映终端区进场航班的动态特性,又在一定程度上减少了航班延误,可以为终端区进场航班的路径选择提供参考,满足实际的运行需求。     

基于组合智能算法的无线网络信道分配机制

针对当前无线网络信道分配方法易出现干扰, 网络吞吐量小等缺陷, 设计一种基于组合智能算法的无线网络信道分配方法. 首先对无线网络信道分配的原理进行分析, 构建无线网络信道分配模型; 然后采用遗传算法产生无线网络信道的初始分配方案, 并引入粒子群优化算法对无线网络信道的初始分配方案进行精细搜索, 得到合理的无线网络信道分配方案; 最后在MATLAB 2016平台对无线网络的吞吐量、 网络延迟、 数据传输丢包率进行仿真测试. 仿真结果表明, 该方法大幅度提升了无线网络的吞吐量, 网络延迟和数据传输丢包率远小于单一的遗传算法或粒子群优化算法, 改善了无线网络的通信性能.     

基于电压稳定度的分布式储能选址定容规划

本文针对配网中引入高比例风电、光伏等新能源引起的电压波动问题,提出基于电压稳定度的优先选址和改进粒子群算法的储能系统选址规划。首先以电压稳定度为指标,选出配网中部分相对稳定性较弱的节点,进行优先选址;然后以系统日有功损耗最小为目标,由改进的粒子群算法对储能系统的容量优化配置问题进行求解。最后对改进的33节点配电网系统进行仿真,验证该方法在储能选址定容工作中的有效性和可行性,为含高比例新能源的配网进行储能电站选址定容问题提供参考。     

基于混合粒子群优化的电网优化规划

在电网规划优化过程中,考虑了投资费用、可靠性和对环境的影响等三个因素.首次将粒子群优化(PSO)技术引入电网优化规划,克服了传统优化方法易陷入局部最优和维数灾难等弊端.通过一个工程实例验证了该算法的可行性和有效性.同时,与现存的电网规划方法相比,粒子群优化方法的搜索时间短而且优化结果更接近最优解.     

基于群集运动智能的SDN业务传输优化技术

针对软件定义网络(software defined network,SDN)负载全局优化问题,受生物界群集运动的启发,以实现当前分布式全网状态感知、全局优化目标、区域自主协同为目标,研究了基于群集运动智能的SDN业务传输优化技术。为满足上层业务对网络传输性能的需求,根据传输时延、网络吞吐量等性能指标,在多目标优化约束条件下,通过业务聚类定义针对各业务的平稳流,并将平稳流内共同协作的节点相结合定义为平稳流协作场。协作场内的节点通过收集网络状态信息并在协作场内共享,实现网络状态的快速感知及决策。协作场之间各个平稳流以不同的带宽、时延等网络传输需求运行,使得平稳流获得了确定的资源抢占成功率,从而以稳定速率传输。针对基于平稳流的业务传输优化技术,给出了基于群集运动协同方式的流量工程处理体系和业务优化方案,并对该体系下群智节点的感知认知、业务聚类分析、平稳流协作场构建、协同智能决策优化方法、优化流程、节点架构等进行分析阐述。     

粒子群算法在金融风险模型中的研究与改进

在一种非线性金融风险模型中引入粒子群算法,针对粒子群算法在迭代后期搜索能力不高、粒子容易陷 入局部最优的问题,基于对惯性权重的优化以及对每个粒子个体位置变异,提出一种改进后的粒子群算法。 利用粒子群算法选择最优控制参数,以最大程度降低金融系统的总风险值。仿真结果表明,改进后的粒子群算 法在全局最优以及搜索速度方面优于传统的粒子群算法。     

基于改进微粒群算法的单点信控交叉口配时优化

交叉口的信号控制,对减轻城市道路的交通拥挤,提高城市道路通行能力有极其重要的作用。以典型的四相位单点控制交叉口为例,选取每个相位进道口上的总延误时间、车辆的停车次数和道路的通行能力作为优化目标。由于求解约束优化问题的微粒群算法有利于函数型优化问题,所以利用该算法对模型进行求解,得到新的信号配时方案。仿真结果表明,与传统的Webster算法进行比较,由求解约束优化问题的微粒群算法所得到的信号配时方案是更优,更适合于单交叉口进行信号优化控制,为进一步分析研究城市交通线控、面控提供更好的方法。     

不确定需求下考虑混合时间窗的多式联运路径优化

针对多式联运运输网络复杂等问题,提出一种基于不确定的客户需求,引入混合时间窗约束,以总成本、碳排放量最小为优化目标的多式联运优化模型,运用三角模糊数以及机会约束规划理论对模型进行清晰化.考虑粒子群算法的局限性,将模拟退火算法的思想与其结合,对基本粒子群算法进行改进.通过实例分析以及运用灵敏度分析法,分析了运量的不确定性以及节点运输能力与中转能力对路径优化产生的影响.结果表明,基于模拟退火的粒子群算法的寻优能力优于粒子群算法.随着客户对需求量的满意度增加,总运输成本和碳排放量也会增加,增强各种运输方式的运输能力和节点中转能力可以有效降低运输成本,优化运输路径,为决策者选择运输方案提供依据.     

基于粒子群优化的高维小波神经网络及其应用

本文提出一种粒子群优化小波神经网络的新方法.先采用基于梯度下降的误差反传算法调整小波神经网络参数,再使用粒子群算法修正,从而建立了粒子群优化的高维小波神经网络,并将该方法用于构建热连轧产品质量模型.仿真结果表明,此模型提高了预测精度和收敛速度.     

采用改进粒子群的P2P流媒体数据调度算法

P2P技术解决了传统流媒体应用中的不能支持大用户的问题.而数据调度算法一直是P2P流媒体研究领域中的核心问题.为了减轻服务器的负载, 并且有效利用P2P网络中节点的资源.本文提出一种基于改进粒子群算法的P2P流媒体数据调度方法.该算法使用了粒子群算法进行寻优,并对粒子群算法进行改进,算法中定义了 "加法"运算,替换原来的速度方程,并增加变异算子,防止早熟收敛.最后通过对比实验验证了算法的有效性.     

一种可用输电能力量子粒子群优化算法

以量子行为与粒子群优化相融合的量子粒子群算法解决可用输电能力计算的优化问题.利用Matlab软件平台,以IEEE-30节点标准系统为算例进行仿真计算,比较本算法与传统粒子群算法的仿真结果,分析两种算法的寻优性能和收敛速度.仿真结果验证了量子粒子群算法解决可用输电能力优化问题的有效性.