可变线路式公交的两阶段车辆调度模型

针对可变线路式公交设计了一种可同时处理预约需求和实时需求的两阶段车辆调度模型.第1阶段模型以预约需求为服务对象,建立了以乘客出行成本和车辆运营成本最小为目标的路径优化模型,采用模拟退火算法对模型进行求解,获得车辆初始行驶路径方案.第2阶段模型以实时需求为服务目标,在原定行驶路径方案上利用启发式插入算法将4类乘客排入车辆行车计划中.基于实例的仿真试验验证了两阶段车辆调度模型的可行性,结果表明:通过提高乘客预约出行比例的方式可提升系统性能,本例中当乘客需求量达到25人/h、预约出行比例达到70%时,系统整体性能相较于纯动态需求条件下提升近10%.     

多集散点车辆路径优化的混合算法

为使多集散点车辆路径优化结果全局最优,以订单为基准建立多集散点车辆路径优化模型.采用粒子群算法与改进蚁群算法组成的混合优化算法求解模型.由粒子群算法的粒子位置向量得到每辆车所需运送的订单号,用蚁群算法优化单车路径,根据优化的总路径评价和筛选粒子,直到满足终止条件.该模型和混合算法是所有车辆对所有订单节点的路径优化,突破了多仓库问题直接或间接转化为多个单仓库车辆路径优化问题中的局部节点求解的限制.实例求解结果表明,用该混合算法优化的车辆总路径长度小于用蚁群算法求得的结果.     

定位-车辆路径问题的两阶段混合启发式算法

定位-车辆路径问题(LRP)集成了设施定位分配和车辆路径决策,属于NP-hard难题.为有效求解实际大规模的具有设施容量约束和车辆容量约束的LRP问题,设计了基于禁忌搜索及双种群蚁群算法的两阶段混合启发式算法.算法第1阶段采用禁忌搜索算法确定设施定位及客户分配,算法第2阶段采用双种群蚁群算法优化车辆路径,蚁群间的通信与协调通过信息素共享来实现.通过仿真试验并与其他启发式算法进行对比,结果表明,该算法是可行和有效的.     

动态车辆路径问题的优化方法

设计了在动态环境下进行车辆路径优化的导向局域搜索算法.算法在产生初始解以后的动态求解过程中,不再做车辆之间的顾客调整,而只应用2-opt局域搜索算子更新车辆服务顾客的顺序,即针对每辆车辆的旅行路线求解一个旅行商问题.建立了在动态环境下车辆执行运输任务过程的仿真模型.仿真过程中,应用算法根据交通路网实际情况实时优化车辆路径,并采用4种接受准则判别是否接受新的车辆路径.仿真结果表明:算法具有实时、高效的特点,满足动态车辆路径问题的求解要求.     

应急救援物资车辆运输路线多目标优化

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型,并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手,设计适合本文模型的算法,并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念,将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用,并在辅助函数构成的搜索空间上寻找最优解,是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法,测试结果与本文的理论分析一致,证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果.     

多车场多目标开放式物流配送车辆路径问题

针对多车场多目标开放式物流配送车辆路径问题的特点,选取车辆数、行驶距离2个主要优化目标,以完成任务成本最少为目标,建立了多车场多目标组合的开放式物流配送车辆路径优化模型。运用改进的线性加权算法将多目标函数转化为单目标优化模型,结合遗传算法全局搜索能力较强和节约算法局部搜索能力较好的优点,提出了遗传节约综合搜索求解算法,并将所建模型及设计算法应用于实例。研究结果表明,本研究所提出的模型与方法能够有效地解决多车场多目标开放式配送车辆寻求最优路径问题,且较一般遗传算法高效,收敛速度更快。     

多中心半开放式同时送取货的车辆路径问题研究

研究了带软时间窗约束的多配送中心半开放式同时送取货的车辆路径问题,所有客户点均存在送取两种需求,并采用同一辆车同时提供送取服务.车辆服务完路线上所有客户点后,不一定返回起始配送中心,可就近返回任意配送中心.在此条件下,构建了以车辆运输成本、车辆租赁成本、时间窗惩罚成本等总和最小为目标的优化模型.根据问题特征,设计了自适应精英遗传算法对该问题进行求解,引入自适应机制,根据个体的适应度动态地调节交叉和变异概率,采用精英保留策略将优秀个体进行遗传保留,不仅增强了算法的全局优化能力,还均衡了算法的局部搜索能力.通过案例仿真,验证了模型和算法的可行性和有效性.研究成果丰富了车辆路径问题的相关研究,为物流企业提供了一种决策参考.     

基于两阶段求解的动态车辆路径问题研究

采用两阶段求解思想,通过设置定时间隔,将动态信息转化成静态信息,从而实现对动态车辆路径问题的求解.分别建立了初始优化和实时优化阶段的数学模型,以节约算法解为初始解,利用禁忌搜索算法完成初始优化阶段的车辆路径问题求解;在实时优化阶段,分别对节约算法和禁忌搜索算法进行适当修正后再进行求解.利用数值测试实验对客户不同地理位置分布下定时间隔的设置进行测试分析.结果表明,该算法简单明了,易于实现.此外,客户的地理位置分布不同,对定时间隔的敏感性也不同,混合分布最为敏感,其次是随机分布,集聚分布最不敏感;最后,给出了相应的累计服务客户数量曲线,并结合车辆总行驶距离,明确了不同客户位置分布下的较优定时间隔设置.     

基于参考点的时变参数不可测对象PID控制器优化设计

针对参数时变,且含有多个目标函数的PID控制器设计,提出了一种基于参考点的时变参数不可测动态多目标优化遗传算法.该算法在常规动态多目标优化遗传算法基础上,加入了参考点及局部搜索和种群更新机制,以实现对不同环境及环境不可测情况下PID控制器参数的优化,用典型测试函数将该算法与DNSGA2-A算法进行比较,验证了算法的有效性.在PID控制器设计部分,首先建立PID控制器时变动态多目标优化模型,将多目标PID控制器设计问题转化为动态多目标优化问题;然后建立参考点,定义基于参考点占优帕累托支配关系,通过局部搜索和种群更新机制对种群进行处理,优化PID参数;最后将该方法应用于柴油机优化问题实例,将误差和方差作为优化目标,对PID控制器的3个参数进行优化,验证了方法的有效性.     

基于满意优化的多目标车辆调度问题模型与算法

基于满意优化理论,首先提出了客户满意度的概念及评价函数,在此基础上,以最大化平均客户满意度同时最小化运输成本为目标函数,构建了多目标车辆调度问题的教学模型.然后提出了将多目标转化为单目标的方法,并利用禁忌搜索算法对该问题进行仿真.结果表明,基于满意优化的多目标车辆调度问题模型,更能反映物流运输企业的实际情况,其求解算法是快速、有效的.     

双目标时变速度车辆路径问题的模型及算法

提出了时变速度情况下带时间窗与回程的车辆路径问题模型,考虑最小化车辆行驶总时间和最小化总延误时间两个相互冲突目标,将双目标的问题通过加权法转化为单目标问题．由于求解固定速度车辆路径问题的方法在时变速度下不可行,因而对传统优化方法作了改进,提出两阶段方法．从计算的结果看,第二阶段的RTS（reactive tabu search）算法相对第一阶段算法的求解有较大的改进．根据不同的权重的取值,可以在两个目标之间找到一个权衡的区间,决策者根据服务的要求可以在此区间选择合适的权重获得可行的车辆调度方案．     

某轿车车身关键连接点动刚度分析及优化设计

动刚度是系统结构抵抗外部动态激励的参数,通过对车身关键点动刚度分析和优化,可以有效提高车辆NVH性能和舒适性。以某款轿车车身为研究对象,介绍了动刚度的基本概念和相关理论,并针对车身存在振动过大的问题,利用HyperWorks软件建立白车身有限元模型,选取15处车身关键连接点进行振动频率响应分析和动刚度分析,找到动刚度相对薄弱的点和频段。并以发动机悬置左连接点动刚度不足的问题为例,进行局部拓扑优化和提出修改方案,从而达到改善车辆NVH性能以及提高乘坐舒适性的目的。     

基于动态交通分配的实时应急疏散交通管理

实施科学有效的应急疏散策略对提高城市交通应急响应能力、节约救援时间和降低灾害带来的生命财产损失具有重要的作用。实时应急疏散交通管理的目的是紧急疏散情况下制定某种目标如疏散时间最短来对交通流实行动态控制。采用动态交通分配方法来进行应急疏散。首先,提出基于疏散时间最短的系统优化交通分配模型。然后运用庞特里亚金最小值定理来获得模型最优解的优化解。仿真算例表明所提出的模型能较好地进行交通应急疏散。     

基于子结构模态综合法的重型牵引车优化设计

以某重型牵引车为研究对象,采用子结构建模法,建立了包含各悬挂部件和负载的缩减整车动力学仿真模型.分析了该模型的固有特性,并与传统建模方法建立的整车模型的固有特性结果进行对比,验证了该模型的正确性.利用子结构模态综合法,研究了整车的动力学响应,并与实车实验测试结果进行对比.结合六西格玛优化设计理论,对重型牵引车进行稳健性优化.结果表明:所提的动力学仿真模型能有效模拟整车的动力学特性;重型牵引车在满足设计寿命的前提下,系统的抗干扰能力得到了提升,并且实现了整车的轻量化.     

单双跨梁对平移力与平移质量的响应仿真分析

在仿真分析高速磁悬浮列车悬浮在柔性轨道梁上的动力学行为时 ,一般直观地有两个密切相关的问题 :一是悬浮力是恒定的情况 ,即平移力问题 ;二是气隙是恒定的情况 ,即平移质量问题 .采用模态叠加技术来描述变参数系统 ,给出了将车辆等效为平移力和平移质量两种情况时 ,运行在单跨和双跨弹性梁上的动态位移的比较     

遗传算法在铁路客车横向稳定性多参数优化中的应用

以典型铁路客车的动力学模型为研究对象,以车辆最大可行速度为目标函数,采用遗传算法对其横向稳定性参数进行了最优化的计算研究．结果表明：遗传算法在求解车辆动力学系统的参数优化问题中具有很好的适用性．尤其是对于多参数、多峰的非线性问题,该法提供了求解问题全局最优解的可能性．     

基于目标检测和图割的多目标跟踪算法

多目标跟踪是智能视频监控中的一个具有挑战性的问题.提出了一种基于运动目标检测和图割理论的多目标跟踪算法.首先,利用码本模型对背景建模,检测运动目标.然后,令一个标签对应一个目标,建立能量方程,把多目标跟踪问题转化为能量最小化的组合优化问题.最后,构造网络图,利用最大流-最小割算法寻找最优解.实验结果表明,所提算法能够处理新目标的进入和原有目标的离开,对多目标之间的遮挡具有较强的鲁棒性.     

改进YOLOv5的多车辆目标实时检测及跟踪算法

多车辆目标跟踪时间主要花费在车辆检测模块和对每个车辆表观特征提取模块,一般情况下,车辆检测和车辆表观特征提取是在不同的神经网络中进行的,且一张图中的车辆目标越多,对车辆表观特征提取耗费时间的也越多,推理时间也相应变长。针对这一问题,基于经典的Tracking-By-Detection模式,提出一种改进的YOLO模型：在YOLO网络中添加ReID特征识别模块,使YOLO在输出目标位置信息的同时输出目标特征信息,以提高算法的跟踪速度。针对车辆间彼此覆盖的情况,提出一种基于动态IOU阈值的非极大抑制算法,以提高算法的跟踪精度。最后将YOLO输出的信息进行数据匹配,从而实现多目标跟踪。在UA-DETRAC数据集上验证改进模型的有效性,实验结果表明,将YOLOv5网络进行改进后运用在目标跟踪算法中,相对于经典的YOLO+DeepSORT跟踪模型,在车辆密集的情景下平均推理时间减少了17%;在改进后的网络上添加动态IOU阈值非极大抑制,跟踪精度提高了3.9个百分点。改进后的模型有较好的实时性与跟踪准确率。     

基于近似模型和模式搜索法的履带车辆多体动力学模型参数修正研究

履带车辆多体动力学模型仿真结果的准确度直接影响其动力学性能分析结果的可信性。为提高仿真结果的准确度,研究了多体动力学模型参数的修正方法。首先建立了履带车辆多体动力学模型,通过对比仿真结果与实车测试结果,初步验证了模型的可信性;并给出了参数修正目标函数的表达式。通过参数筛选确定了待修正模型参数。采用克里格插值法,构造了待修正参数与目标函数之间的近似模型;解决了修正效率低、计算量大的问题。针对修正问题的无约束性和非线性,采用模式搜索法进行参数修正的迭代计算。修正结果表明,动力学模型仿真结果的准确度得到了提高,证明了修正方法的有效性。     

基于装载模式的整车物流优化模型研究

研究了物流公司按照客户订单对整车快速配送的问题.通过穷举轿运车装载模式,将投入运输的轿运车按照装载模式进行分类,以每类轿运车数量为决策变量,运输总成本最少为目标,分别对单一目的地和多个目的地的情形建立整数线性规划模型.两种模型分别用LINGO编程在i5/3.10GHz的PC机上求解,前者运行时间不足1s,后者也仅需30s即可得到最优解.