基于遗传算法的聚类分析及其应用

通过把C-均值法中的距离平方和准则函数作为遗传算法的适应度函数，把各个聚类中心编码成染色体，来讨论一种基于遗传算法的聚类分析方法，目的是利用遗传算法的全局性来提高聚类算法找到全局最优的可能性。实验结果证明，该算法可以很好地解决某些聚类分析问题。     

基于遗传算法的有向铁路空车调度的仿真研究

采用有向图来表示空车调度问题的行车方向约束，根据提出的方向函数建立了该问题的数学模型，并采用 基于精英选择模型的遗传算法解决该问题，使得空车分配在尽量满足流向约束时达到最优或近优。仿真实例验证 了该方法的有效性。     

基于遗传算法的交通信号控制多目标优化

针对城市交通信号控制面临的多目标优化问题,提出了利用遗传算法实现多目标优化的方法.分析了城市交通信号控制多目标优化的本质及特点,采用基于遗传算法的多目标优化方法,提出了信号控制多层模糊控制模型,以平均延误和停车次数作为优化目标,采用遗传算法中的随机权重方法来进行该模型的多目标综合优化,给出了各模型参数的计算方法和优化步骤,最后进行了仿真试验.仿真结果表明,给出的多目标优化方法优于传统的多目标固定权重方法,可以获得更好的交通信号控制效果.     

基于可拓学的设计方案进化推理方法

在分析现有概念设计求解策略的基础上，提出了基于可拓学理论与遗传算法相结合的概念设计求解模型。利用遗传算法模拟物元变换过程，建立了产品方案物元描述的内部模型和外部模型，探讨了内、外模型的转换关系并通过关联函数将内、外部模型联系起来。根据内部模型给出了遗传算法的编码形式以及与之相适应的交叉、变异策略，并通过可拓评价方法建立了遗传算法的适应值函数，基本解决了产品概念设计中的知识组合爆炸和矛盾冲突问题。最后通过求解减速器方案验证了该方法的可行性。     

一种混合遗传算法在云计算负载均衡中的应用研究

遗传算法(GA)被广泛用于解决科学与工程中的复杂问题,然而传统的GA在求解高维函数优化问题时存在很多限制因素,因此无法在云计算中直接应用.提出了一种多智能体与遗传算法混合的多Agent遗传算法(MAGA).首先论证了MAGA较传统GA的优越之处,然后采用MAGA建立了基于虚拟化资源管理的负载均衡模型,解决云计算中的负载均衡问题.与Min_min策略对比实验结果表明,多Agent遗传算法能够达到更加优越的负载均衡效果.     

基于NSGA-Ⅱ考虑性能的烧结矿配料优化

针对传统只考虑成本的烧结矿配料优化问题,研究了考虑性能的烧结矿配料优化模型,将性能指标还原度、转鼓指数(机械强度)、利用系数作为目标函数.利用非支配排序遗传算法NSGA-Ⅱ在解决多目标优化问题上的优势对该目标进行优化,结果表明,NSGA-II解决多目标问题很有效,为考虑性能的烧结矿配料优化提供了一种新方法.     

基于遗传算法的车间调度技术研究

分析了车间调度问题，通过设计解空间的编码方式，提出基于置换的遗传交叉算子并讨论适应度函数的实现方式，给出了解决车间调度问题的基于遗传算法的模型。     

批量及路径可变时机器ROBUST布置问题

应用混合遗传算法(HGA)解决了生产批量及路径可变时的车间ROBUST布置问题，即用遗传算法找到一种车间布置，它在各个生产时期都是最优或接近最优的．对遗传算法操作中产生的违反约束的个体采用修补和动态惩罚相结合的处理方法，即对变异操作产生的违反约束的个体采用修补的方法，同时在目标函数中引入惩罚函数控制种群中违反约束的个体数目，并设计了一个模糊控制器动态地调整惩罚系数，以解决遗传算法中的约束满足问题，提高了遗传算法的效率．仿真结果表明，所提出的动态调整惩罚系数的思想及方法是提高遗传算法效率的一种有效途径．     

关联运输调度问题的模糊机会约束规划模型

提出了针对多车场多车型的关联运输调度问题(Multiple-depot and Heterogeneous-vehicle Incident Vehicle Routing Problem)的模糊机会约束规划模型,将问题模型中各个客户的需求量及各供货点库存看成是模糊参数,讨论了如何处理模糊目标函数,并讨论了改进的遗传算法和免疫克隆选择算法,比较其优劣。实验证明,对于求解该模型,免疫克隆选择算法能够快速收敛于全局最优解,优于改进的遗传算法,能有效地解决关联运输调度问题。     

基于GA-SA组合算法的山区复杂环境无人机起降点选址

针对山区复杂环境下的物流链前端无人机货运起降点选址和任务分配进行研究。首先以建设成本最小和运输时间满意度最大为目标,综合考虑无人机自身性能和禁飞空域等因素,构建多约束条件下多目标函数的起降点选址和任务分配模型。采用遗传算法(genetic algorithm, GA)和模拟退火算法(simulated annealing algorithm, SA)的组合算法进行求解,首先通过遗传算法得出较优的可行解,再以此解作为退火算法的初始解进行模型求解。仿真结果表明,构建的多约束模型能够实现预期效果,并且采用的算法解决此类问题时具有良好的适用性。     

基于深度强化学习的大型活动关键交叉口信号控制

大型活动举办时期,场馆周边路网的交通压力与日常交通运行状态存在差异,活动场馆周边关键交叉口的正常运行是保证大型活动顺利举办的重要因素之一,应采取动态的管控方式以达到提高关键交叉口通行效率、满足参与大型活动出行者交通需求的目的。为此,文中基于A2C（Advantage Actor Critic）的强化学习算法,考虑大型活动背景下出行者数量大且大多采用公共交通出行的特点,在奖励函数构建过程中将车辆排队时间细分为出行者不同出行方式的车辆等待时间,通过引入参数,修正不同车型的奖励计算方法,使智能体在信号配时优化的过程中优先考虑大型活动参与者的出行需求。最后,以北京市首都体育馆周边大型交叉口为例,借助交通流仿真软件SUMO进行仿真实验,仿真实验结果证明,修改奖励函数结构后的A2C信号控制方法在控制效果上优于定时信号控制以及基于DQN（Deep-Q-Network）算法的控制方法,可以达到提高交叉口公共交通以及整体车流通行效率的目的。     

考虑排放因素的城市交通信号配时建模

针对传统交通信号控制方法忽视环境效益的不足,研究考虑排放因素的城市交叉口信号控制方法. 根据城市道路机动车行驶过程,考虑不同行驶工况下污染物排放特点,分别建立了城市道路污染物和标准污染物排放模型;分析了交通信号评价指标的相关性,选取面向排放因素的性能指标,并采用相对评价指标体系,建立考虑排放的交通信号的配时模型;利用基于黄金分割的改进粒子群算法对配时模型进行求解;在不同交通状态下,采用3种算法对实例进行大量的数值计算和仿真验证. 结果表明所设计的算法求解精度高,且提出的模型在降低排放、提高路口通量方面具有良好的控制效果.     

多目标城市道路交叉口信号配时优化算法研究

采用细胞传输模型对城市道路的交通流进行建模,提出了该模型中各项交通流运行指标的计算方法.将交通流模型嵌入到多目标优化算法中,替代以往传统的目标函数,采用非支配排序遗传算法NSGA II(none-dominated sorted genetic algorithm II)进行多目标的求解.通过算例分析不同输入条件和控制策略下的优化结果及与其他类似配时计算方法的比较,证明了此算法的结果较令人满意.     

车路协同环境下城市交通控制研究

在梳理城市交通控制随交通信息进步发展脉络的基础上,结合车路协同环境下交通信息采集的特点,综述分析单点控制、协调控制的研究现状,进一步总结了车路协同环境下城市交通控制的发展机遇和挑战.指出车路协同环境下交通流演变模型、基于实时车载数据的控制策略评价,以及面向特殊模式的控制策略是车辆协同环境下城市交通控制的突破口和发展方向.     

Optimization of Adaptive Transit Signal Priority Using Parallel Genetic Algorithm

Optimization of adaptive traffic signal timing is one of the most complex problems in traffic control systems. This paper presents an adaptive transit signal priority (TSP) strategy that applies the parallel genetic algorithm (PGA) to optimize adaptive traffic signal control in the presence of TSP. The method can optimize the phase plan, cycle length, and green splits at isolated intersections with consideration for the performance of both the transit and the general vehicles. A VISSIM (VISual SIMulation) simulation testbed was developed to evaluate the performance of the proposed PGA-based adaptive traffic signal control with TSP. The simulation results show that the PGA-based optimizer for adaptive TSP outperformed the fully actuated NEMA control in all test cases. The results also show that the PGA-based optimizer can produce TSP timing plans that benefit the transit vehicles while minimizing the impact of TSP on the general vehicles.     

Traffic Signals Control with Adaptive Fuzzy Controller in Urban Road Network

An adaptive fuzzy logic controller （AFC） is presented for the signal control of the urban traffic network. The AFC is composed of the signal control system-oriented control level and the signal controller-oriented fuzzy rules regulation level. The control level decides the signal timings in an intersection with a fuzzy logic controller. The regulation level optimizes the fuzzy rules by the Adaptive Rule Module in AFC according to both the system performance index in current control period and the traffic flows in the last one. Consequently the system performances are improved. A weight coefficient controller （WCC） is also developed to describe the interactions of traffic flow among the adjacent intersections. So the AFC combined with the WCC can be applied in a road network for signal timings. Simulations of the AFC on a real traffic scenario have been conducted. Simulation results indicate that the adaptive controller for traffic control shows better performance than the actuated one.     

基于泛布尔代数的交通流控制模型的设计

针对城市交通控制系统实时性要求,利用已建立的通用的单交叉口交通信号控制的泛布尔模型,进行模型系统的硬件设计。在模型系统实现的过程中,选用CPLD作为交通系统数据处理的核心芯片,用VHDL仿真设计各功能模块,实现无冲突点的交叉路口多相位交通信号的配时控制。     

A Media Access Control Scheme for Service Differentiation in Ad hoc Networks

IEEE 802.11 distributed coordination function(DCF)can alleviate the collision and hidden station problem,but it doesn't differentiate traffic categories(TC).Therefore,it can't provide sufficient quality of service(QoS)support for different TC.Recently,a new contentionbased enhanced distributed channel access(EDCA)scheme is proposed which provides a probabilistic QoS support.In this paper,an improved EDCA scheme for service differentiation in ad hoe networks is proposed.In this scheme,signal channel resistance coefficient is used to adjust the contention window(CW).It proves that the scheme provides the traffic differentiation,high throughput and low delay through simulation.     

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。     

Handover improvement based on cost function and user fairness for cellular relay enhanced LTE networks

In order to optimize handover target selection and achieve better handover performance in cellular relay networks under the long term evolution (LTE) system,a novel handover measurement and decision scheme based on cost function is proposed in the paper.The relay-enhanced network provides user equipment (UE) multiple handover choices from neighbor base stations or relays.This may result in different overhead,resource utility and traffic load which attaches importance to proper handover schemes.Compared with traditional handover measurement and decision schemes,the proposed scheme adopts reference signal receiving quality (RSRQ) in the measurement stage and uses a modified signal cost function considering signal overhead in different handover types and expected long-term throughput of UE.Besides,UE fairness and sector resource utilization are taken into account as well.Theory analysis and simulation results prove that the proposed scheme can enhance cell throughput,decrease handover delay and signal overhead,and improve UE fairness.