出租车空车搜索多主体仿真模型

出租车运营中空车与乘客的相互搜索是一个动态、随机的复杂交互过程,解析方法难以刻画这类行为.采用多主体技术设计城市出租车运营仿真架构,模拟出租车与乘客在路网上相互搜索的动态过程.出租车主体采用慎思结构实现,乘客决策依据随机效用理论,路网分解为道路、交叉口和站场三类Agent.模型能够描述出租车运营中常见的路边随机上下车行为,并考虑了出租车运营的动态交通环境,可以为解决我国出租车问题提供理论支持.     

基于Q学习的星地融合协作传输中继选择策略

协作网络中的中继技术能够实现空间分集,但中继选择会对系统性能产生较大影响。针对这一问题,本文提出了一种基于Q学习的星地融合协作传输中继选择策略。首先,所有中继节点在经过放大转发协议的情况下,在接收端得到最大比合并后的输出信噪比表达式。然后,设定Q学习的状态、动作和奖励函数,选择累积回报最大的中继节点。接着,为了遍历所有状态,引入了Boltzmann选择策略,用概率的途径来选择动作,使源节点探索所有状态并利用最优状态。最后,在所选中继节点与源节点之间进行功率分配得到最优传输功率。仿真结果表明：与随机中继选择算法相比,所提出的Q学习中继选择策略对系统性能有较大地提升。     

一种基于向量差的粒子群优化模型

针对传统粒子群优化技术存在易陷入局部最优解而导致的收敛速度变慢、多样性差的缺点,对参数设置进行研究,并提出一种基于向量差的粒子群优化模型,将2个随机选择的不同向量差加权到粒子速度更新公式中,能够使粒子摆脱局部最小值而向全局搜索.经对几个典型函数的测试,表明该模型效果较好.     

基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

改进的蛙跳算法在库存匹配中的研究

针对生产订单库存匹配问题,提出一种改进的混洗蛙跳算法(SFLA)进行求解.采用随机分组策略,平衡各子群的寻优能力,保持种群多样性;打破最差蛙只向最优蛙学习的模式,引入Minkowski距离,使最差蛙借助更多同伴信息选择进化方向,增强种群适应性;针对最优蛙进化机会少,引入精英策略和变异思想更新其位置,避免陷入局部极小,加快收敛速度.仿真实验表明所建立模型的正确性和改进后算法的有效性.     

基于排队论的机场出租车上客区优化

针对机场优化出租车上车点的问题,从政府部门的视角出发,根据《上海市出租车客运行业企业数据报告2018版》的相关数据,实证了为提高乘车效率的双车道上车点的设置问题.结果表明,出租车服务系统为全忙期,且系统的服务利用率小于1,排队系统最终会进入稳定状态,该时期设置3个上车点就可以使乘客的乘车效率达到较高程度.     

基于信息智能化的机场出租车供求匹配系统优化

针对机场出租车调度管理中乘客与司机之间的信息不匹配,运用二叉树决策模型等方法,构建了司机决策的均值模型和收益模型.给出不同影响因素下司机的决策方案,并设计机场出租车上车点的具体位置,同时利用信息智能化技术设计了导乘屏,以优化出租车智能供求匹配系统,解决了乘客与司机之间的信息不匹配问题.设计不同方案并加以分析,得出了有益于短途司机的最优化方案,该方案可供其他交通运营机构借鉴.     

基于ACO算法的危险化学品车辆运输路径优化方法

城市中危险化学品的运输直接影响人民人身安全,为了合理规划运输路线,提出了一种基于蚁群优化(ACO)算法的多目标路线规划方案.首先,将运输路线图和相关属性建模成一个有向图.然后,根据路线距离、车辆负载和人口分布等属性,构建运输风险和运输时间的计算方法 .最后,综合考虑运输风险和运输时间构建一个目标函数,通过ACO算法来寻找最优路线.仿真结果表明,该方法能够得到最优路线,有效降低运输风险.     

一种改进的遗传算法及其在电梯群控中的应用

以电梯群为群控对象,提出了基于改进的遗传算法系统解决方案;采用权向量整体优化方法,得到最优目标函数值,并由此确定了群控对象目标评价函数,提出了一种基于保存策略进化模型（ElitistModel）的遗传算法求解电梯群拉问题的方法．算例及仿真结果对比表明,该方法在小规模应用中,与以往算法相比并无明显优势;但在较大规模的电梯群控仿真中,能效降电梯乘客的等待时间和电梯系统能耗．     

机械手时间-能量综合最优轨迹规划

利用B样条函数逼近机械手运动轨线,并通过引入样条曲线的伪距离和伪速度参量化解轨迹,进一步利用动态规划法进行二维动态寻优,最终获得机械手时间能量综合最优轨迹.     

一种改进的单纯形算法

针对无约束函数最优化问题,提出了一种能有效加快收敛速度的改进单纯形算法。在N-M单纯形算法的基础上,利用目标函数值的信息对反射中心重新定位,使反射方向更靠近目标函数最优值的方向,提高了搜索效率。函数寻优的对比测试结果表明,改进算法明显提高了单纯形算法的收敛速度和寻优质量。     

自适应信号处理中稳健估计的变步长仿射投影

本文研究自适应仿射投影中的最优步长准则,提出一种新的指数型步长控制方法。针对APA类算法抗粗差能力差的缺点,通过三权法等效误差函数,将稳健M估计引入APA类算法,提出了稳健M估计变步长自适应仿射投影方法。理论分析和数值计算结果表明,MVAPA算法稳态失调小,抗粗差能力高于近来提出的仿射投影算法。     

阈值分红策略影响下的最优投资和再保险

针对跳扩散风险模型,研究使保险公司期望红利最大的最优投资和最优再保险问题。在期望值保费原理以及阈值分红策略下,运用随机最优控制理论和扩散逼近理论得到了满足该模型的HJB方程,最后获得了最优策略、值函数以及分红策略的显示解,并用数值模拟分析了一些参数对最优策略的影响。     

一种带差分进化策略的多分布进化算法

结合分布估计算法的强全局收敛能力和差分进化算法的快速收敛性能,提出了一种带差分进化策略的多分布进化算法（multi-distribution evolutionary algorithm with differential evolution,MDEA_DE）。为了进一步提高算法的全局收敛性能,MDEA_DE采用了基于分布种群的多分布进化机制,并通过三种高斯分布模型生成具有较好多样性的高质量解种群。同时,利用搜索空间调整策略来提高高斯分布模型的精度,并执行解空间中的改进差分进化搜索以获得增强的局部开发能力。对基准测试函数的数值试验结果表明,MDEA_DE能够在全局探索和局部开发之间取得较好的平衡,能快速收敛到复杂优化问题的全局最优解。     

基于DEA模型的最优基金投资策略研究

为慈善基金提出了最优投资策略,定义了投资回报率的度量,投资回报率分别由主成分分析以及数据包络分析模型测量得到,并根据投资回报率选择了10个最优投资的大学.根据马克维茨投资组合理论确定高校投资额,用目标院校近5年投资回报率的平均值和标准差构建了投资组合模型,资金分配的具体比例能唯一确定.根据规模报酬估计投资时间,帮助慈善基金实现利益最大化.     

几何Levy市场下的最优投资与超额损失再保险

研究了跳扩散模型下的最优超额损失再保险与投资问题,其中以最大化保险公司终端财富的期望指数效用为目标.假定保险公司可以将资产投资到风险市场和无风险市场,风险资产的瞬时收益率由几何Levy过程刻画.利用随机控制理论,得到了最优策略及其值函数的精确表达式,并通过算例分析得到了最优策略与相关参数的关系.     

基于改进优先经验重放算法的游戏控制研究

为了使得高优先级被重放的概率进一步得到提升,并得到更重视最大优先级的函数表达式,对以往的研究中运用随机经验重放算法和一般的优先经验重放算法确定经验重放的优先级进行对比。通过改变优先级到概率的映射函数,利用小车爬山游戏模型表明改进优先经验重放算法可以使智能体快速的学习到最优的游戏策略,并可以大幅减少完成游戏所用的时间。结果表明新算法使游戏学习最优策略的速度提高了49.28%。     

基于MILP的云计算数据中心扩张策略优化模型

随着云计算系统的日益发展,云服务提供商需要对大规模数据中心进行不断扩张,为此,提出一种基于混合整数线性规划(MILP)的数据中心扩张策略优化模型.综合考虑了流量负载、能耗、电力成本、土地成本、税率、服务器利用率等多种约束,构建MILP模型,在满足用户的服务级别协议(SLA)下,求解最优扩张策略,使服务商利润最大化.其中,扩张策略包括扩建现有数据中心和在何时何地新建数据中心等措施.仿真实验结果表明,该模型能够根据实际情况获得最优扩张策略,提高了利润.     

约束最优化问题的一种进化规划方法

用进化规划对约束最优化问题提出了一种新的惩罚函数方法,该方法含有一个自适应惩罚参数校正方法,可以随个体的总数变化进行调整,它可以很快地脱离局部最优解而收敛于全局最优解.算法中只有很少的几个参数需要校正,故其比较简单且计算便捷.给出的仿真例子表明算法具有很好的收敛速度和很高的精确性.     

固定设计点情形下回归函数的非线性小波估计

在固定设计变量但不一定等距,误差为一般的随机变量的情况下,构造了回归函数的非线性小波估计以及自适应非线性小波估计。证明了非线性小波在Besov空间中可达到最优收敛速度,自适应非线性小波估计在一大类Besov空间中可达到次最优收敛速度(即和最优收敛速度只相差lnn)。这样,在固定设计变量情况下,构造的回归函数的非线性小波估计和Donoho等人在等距固定设计点对回归函数的非线性小波估计几乎具有同样的优良性质。进一步,只要求误差为有界三阶距,而Donoho等人要求误差服从正态分布。