行驶受扰延迟下配送车辆调度的干扰管理决策模型

针对行驶受扰延迟下配送车辆的调度问题,提出了基于多相量子粒子群算法的两阶段干扰管理决策方法.首先以最小化用户时间窗偏离度和最小化配送成本为目标,建立了问题的数学模型;然后对车辆配送发生干扰事件可能采取的干扰管理模式进行了归纳和分类,并在选定模式基础上提出了用多相量子粒子群算法进行路线选择的方法;最后在Solomon算例的基础上通过实验仿真,对所提出方法的性能进行测试,并与全局重调度方法进行对比分析,验证了本文方法不仅达到了优化目标的目的,还满足了干扰管理的实用性要求.     

基于一维数据逐段均匀条件下的参考分布研究

聚类分析中一个重要的问题是估计聚类数,GS方法通过参考分布对聚类数进行合理的估计,解决了其他聚类方法无法对应分为一类的数据进行分类的问题,具有更好的分类效果;目前已通过理论证明得出,在分布为对数凹且一维情况下,GS方法的参考分布为均匀分布,而有关其在其他条件下的参考分布研究较少;针对这一情况,提出解决一维且逐段均匀条件下GS方法的参考分布问题,以类内平方和为评价标准,通过拉格朗日乘数法求解与问题等价的优化问题,理论证出条件下总体均匀分布是类内平方和最大的情况,进而得出对于一维数据,逐段均匀条件下的参考分布仍为均匀分布的结论。     

基于统计分析的温度控制系统改进研究

在常用设备的温度控制系统中,温度传感器主要有两类,即数字型和模拟型。模拟型传感器因成本低、体积小而被大规模使用,但是其在使用时需要做数据、算法的处理。本文针对传统算法中线性回归的理论弊端,提出基于统计科学的控制方法,先对模型的数据分析进行改进并结合控制模型计算出95%的置信区间,然后计算出整个温区的预测区间。与传统的线性回归算法相比,基于统计分析的温度控制系统改进方法得到的温度更加准确,精度更高。     

后桥主减速器壳体轴承座材料裂解性能数值分析

对基体组织为25%P+75%F和50%P+50%F的后桥主减速器壳体轴承座材料QT450的显微组织进行比较,以研究组织与裂解性的内在联系.首先,对不同金相组织的QT450试件进行拉伸试验,获取数值模拟所需的材料参数,并与模拟相结合,分别确定两种基体组织的临界断裂韧度J_(IC),利用ABAQUS模拟获得不同显微组织的QT450的裂解载荷及应力集中程度;然后建立回弹模型,分析两种组织的塑性变形及失圆;最后进行裂解试验对数值分析的有效性进行验证.结果表明:基体为50%珠光体+50%铁素体的QT450相比基体为25%珠光体+75%铁素体的QT450更适于裂解;QT450材料的强度和刚度取决于珠光体的含量,随珠光体含量的上升,材料的脆硬性好,缺口敏感性好,其裂解性能更佳;采用基体组织为25%珠光体+75%铁素体的QT450生产的轴承座的失圆度大于0.2 mm,无法完成后续精加工及装配,而采用基体组织为50%珠光体+50%铁素体的QT450材料生产的轴承座的失圆度小于0.2 mm,裂解产生的塑性变形小,更符合实际生产的工艺要求.     

基于用户偏好的最优路径搜索

本文研究基于用户偏好的最优路径搜索,在预算约束下寻找一条满足用户偏好即关键字和权重偏好的最优路径.此研究问题是NP-hard.为了高效地解决这类查询问题,本文提出新的索引建立方法,在查询阶段利用索引结构过滤出候选节点集.另外,提出基于A*的路径搜索算法来做路径查询,并利用几个有效的剪枝策略加快算法的执行速度.在两个真实的签到数据集上的实验结果证明了本文提出方法的有效性.当预算时间设置为4～7h时,与已有最好的PACER算法相比,本文的路径搜索算法消耗的查询时间更短.     

基于弹簧质点模型的自由曲面四边形网格平面化研究

为实现对自由曲面的平面四边形网格划分,提出了一种基于力学模拟的网格优化算法,建立了包含杆件长度的约束力、边界固定质点约束力、曲面对质点的吸附力、网格平面化作用力的弹簧质点计算模型.首先,采用映射法或其他方法对曲面进行初始四边形网格划分,在获得曲面的初始网格划分的基础上根据不同网格性能的侧重要求,计算出相应的弹性系数k_(ij)、边界约束刚度k_c、对网格点的吸附刚度k_m、平面化控制系数p_c,建立以平面化为目标的网格弹簧质点模型,通过动力松弛法,经多次迭代得到平面化网格;然后结合四边形平面化指标,以流畅性指标和均匀性指标对网格进行质量综合评价,同时引入网格偏离指标对网格的形状进行控制;最后,进行了算例验证,算例表明,弹簧质点平面化网格计算方法可以很好地适应自由曲面,通过调整参数,在一定条件下可使网格平面化的许允误差限制达到合理范围,同时可以兼顾流畅性和均匀性的要求.     

基于改进蚁群算法的智能小车路径规划仿真研究

提出一种改进的蚁群算法,解决传统蚁群算法在路径规划时容易陷入局部最优解的问题,改进的蚁群算法具备更优越的搜索最短路径的能力.MATALAB仿真实验表明,改进的蚁群算法能够节约寻找到最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

结合蝙蝠算法改进的密度峰值聚类算法

密度峰值聚类算法(Denisity peaks clustering,DPC)具有聚类速度快、实现简单、参数较少等优点,但该算法的截断距离参数需要人工干预,并且参数的选取对于该算法的结果影响较大。为了解决这一缺陷,该文提出了结合蝙蝠算法改进的密度峰值聚类算法。该算法利用蝙蝠算法较强的寻优能力,寻找合适的截断距离取值,同时对蝙蝠算法的速度更新公式加入了自适应惯性权重来加强全局搜索能力。该算法选择多种数据集进行了实验仿真,并与其他同类算法进行对比。经过对比验证,结合蝙蝠算法改进的密度峰值聚类算法在聚类准确率上要明显优于其他算法。