超级电容与轨道交通融合发展的现状与挑战

超级电容作为储能系统在轨道交通系统的应用成为能源交通融合的变革。在全面整合分析超级电容和轨道交通融合发展的最新研究成果基础上,围绕如何高效利用能源、降低能耗等问题,系统地论述了超级电容在轨道交通领域应用的研究进展。特别针对常规储能、再生制动、热管理系统等方面进行了全面综述,分析了能源交通融合发展进程中存在的问题及挑战,并对其未来的发展指明了方向。     

混合递进多目标进化算法及其在flow shop 排序中的应用

提出一种混合递进多目标进化算法(HEMEA):通过在进化搜索过程中引入递进模式的精英保留、群体重构以及可变邻域非劣解局部搜索策略,增强了算法的求解效率.将算法应用于一系列标准双目标flow shop算例及一个典型三目标flow shop问题,研究结果验证了算法的有效性.     

无接触网的轨道车辆动力系统清洁化技术变革与发展趋势

轨道交通系统在现代交通体系中扮演着举足轻重的角色,随着交通系统用能清洁化、绿色化的发展需求,轨道交通车辆动力系统逐步呈现类型多样化、用能绿色化的技术发展趋势。本文首先系统回顾了轨道车辆牵引动力系统的发展历史,调研并分析了源于国家能源安全、交通能源结构绿色化转型与新能源技术融合发展的车辆动力系统技术现状与发展趋势。基于国家“30?60”双碳目标,对我国轨道交通车辆动力系统新能源发展方向开展了SWOT分析,在结果对比的基础上给出了我国轨道车辆动力系统与新能源融合发展的参考路径,并从低碳清洁供给、储能现代化、节能等三方面具体提出了未来轨道车辆新能源动力系统的发展趋势,为相关技术研究与政策制定提供支持。     

递进多目标遗传算法

在现有算法研究基础上,提出了一种递进多目标遗传算法,该方法每进化一定代数后以一定策略对群体进行重构,以提高算法对解空间的遍历性,从而较大程度上避免算法的早熟.该算法采用非劣解等级优先的选择方式复制后代,降低算法的时间复杂性;通过递进层次间对部分非劣解个体执行局部搜索,加快全局非劣解集的进化.采用递进算法与现有两种典型多目标遗传算法NSGA、MOGLS算法对一些典型优化问题进行对比分析,验证了算法求解多目标函数优化问题的有效性;通过调整算法递进层次与每层进化代数的参数设置,进一步研究了参数选取对算法性能的影响.     

带部分回溯的过滤束搜索算法及其在Job Shop 问题中的应用

束搜索(Beam search)方法是在分枝定界方法基础上发展起来的一种启发式优化方法,由于这类方法在确定分枝搜索方向时仅考虑了当前的局部信息,因此易陷入局部极值.在过滤束搜索(filteredbeam search)方法的基础上提出了一种改进思路,即在局部评价和全局评价的基础上增加部分回溯.通过引入有效的部分回溯策略,部分被舍弃的结点被重新评估并最终找到更好的解,从而可避免过早陷入局部极值.通过对48个标准问题的计算和比较,结果显示改进后的方法能有效提高解的质量.     

两类非数值优化方法在飞机方案设计中的比较研究

将遗传算法（GA）和模拟退火（SA）应用于飞机方案优化设计，给出了算法实现过程。对同一算例进行了优化实验，对二者进行了对比分析。实验结果表明SA达到收敛所需迭代次数及方案分析次数远较GA为多，但其优化结果要好于GA。这两类非数值优化方法应用于实际的飞机方案优化问题，必须首先解决由于所需方案分析次数太多而导致的计算效率低下问题。相对而言GA较SA在实际飞机方案设计中有更好的应用前景。     

基于进化算法的多目标生产排序研究进展

利用多目标进化算法求解复杂生产排序问题是近10 a来发展迅速的研究方向.首先调查了国内外采用进化算法求解多目标生产作业排序的研究现状,分别对3类不同策略的多目标进化算法设计思想进行分析,在总结各类方法优劣的基础上,给出了进一步研究的趋势展望.