基于深度学习神经网络和量子遗传算法的柔性作业车间动态调度

针对柔性作业车间动态调度问题构建以平均延期惩罚、能耗、偏差度为目标的动态调度优化模型,提出一种基于深度Q学习神经网络的量子遗传算法。首先搭建基于动态事件扰动和周期性重调度的学习环境,利用深度Q学习神经网络算法,建立环境■行为评价神经网络模型作为优化模型的适应度函数。然后利用改进的量子遗传算法求解动态调度优化模型。该算法设计了基于工序编码和设备编码的多层编码解码方案;制定了基于适应度的动态调整旋转角策略,提高了种群的收敛速度;结合基于Tent映射的混沌搜索算法,以跳出局部最优解。最后通过测试算例验证了环境-行为评价神经网络模型的鲁棒性和对环境的适应性,以及优化算法的有效性。     

过饱和信号交叉口的多目标控制模型

过饱和条件下信号交叉口优化控制往往是采用可以接受的最大信号周期,忽略了其他性能指标,并非真正意义上的最优.以典型的十字交叉口、四相位信号控制为例,根据车辆初始排队长度、车辆实时到达率和离开率,通过对各进口道的延误、通行能力及排队长度分析,建立了过饱和条件下以平均车辆延误最小、通行能力最大、平均车辆排队长度最小为目标函数的多目标信号优化控制模型.该模型以实时交通流的到达情况为依据进行实时优化,不仅考虑了交叉口的交通效率,还考虑了其效益指标,为研究过饱和条件下交叉口的多目标分析提供了有用信息.     

过饱和信号交叉口的多目标控制模型

过饱和条件下信号交叉口优化控制往往是采用可以接受的最大信号周期,忽略了其他性能指标,并非真正意义上的最优。本文以典型的十字交叉口、四相位信号控制为例,根据车辆初始排队长度、车辆实时到达率和离开率,通过对各进口道的延误、通行能力及排队长度分析,建立了过饱和条件下以平均车辆延误最小、通行能力最大、平均车辆排队长度最小为目标函数的多目标信号优化控制模型。该模型以实时交通流的到达情况为依据进行实时优化,不仅考虑了交叉口的交通效率,还考虑了其效益指标,为研究过饱和条件下交叉口的多目标分析提供了有用信息。     

基于二流理论的拥挤交通流当量排队长度模型

为描述拥挤交通流中的排队现象,根据二流理论,提出了将交通流实际运行状态转化为二流运行状态的思想.利用流量守恒方程,建立了单车道路段当量排队长度模型,并在此基础上,推导出多车道路段平均当量排队长度模型.为验证模型的有效性,采用VISSIM软件设计了拥挤交通流的模拟方案.对比模型计算的当量排队长度与软件统计的实际排队长度发现:当量排队长度均大于实际排队长度;当量排队长度比较稳定,而实际排队长度有所波动.结果表明,当量排队长度模型能够定量地、更好地描述拥挤路段的交通流拥挤程度.该模型计算方法简单,便于工程实践,可以为城市交通控制系统优化等提供理论依据.     

基于遗传算法的单向路网配时优化

为求取单向路网整体配时优化方案,实现路网排队长度最小,构造了路网排队长度模型作为评价函数。考虑到单向路网信号配时的整体性和相关性较强,计算复杂度较高,为降低计算的复杂度,采用遗传算法对路网排队长度模型进行计算,得到优化的配时方案。通过评价指标的对比,表明利用遗传算法进行最优值的计算可以取得很好的优化效果。     

考虑交通管理策略的交叉口信号控制多目标优化

面向复杂多变的交通系统控制需求,提出一种考虑交通管理策略的交叉口信号控制多目标优化模型及算法,其步骤为:首先,构建城市道路交叉口多目标优化模型;然后,引入交通管理者的交通控制策略,基于模糊分析法确定各优化指标权重;最后,考虑Q学习算法简单方便且具有快速收敛性,基于Q学习算法对多目标优化模型进行求解,从而实时产生考虑交通管理者策略的交叉口信号控制方案。仿真结果表明,所提出的方法不仅能够充分反映交通管理者的控制策略,而且能够有效提高交叉口通行效率,相比传统方法具有缩短排队长度、降低延误时间和减少停车次数的优势,并且这种优势随着交通流量的增大而更加明显。     

考虑远端停靠站的交叉口公交优先控制方法

建立了考虑交叉口端停靠站排队的公交到站时间计算模型.在此基础上,提出以交叉口和停靠站构成的系统为对象的信号优先控制总体逻辑和优化模型.模型以公交车辆在出口道停靠站时刻表偏差最小和社会车流延误最小为优化目标,能够响应公交车辆"早到"和"晚点"两种情形,同时考虑了相位长度约束、优先策略适用条件约束、公交停靠站排队长度约束和相位饱和度约束.算例针对不同停靠车辆数下信号优先进行了分析,结果表明,不考虑远端停靠站排队和公交运行状态无条件提供优先,可能导致更大的公交运行时刻表偏移值;缺乏对远端停靠站排队的考虑,可能导致交叉口的信号优先策略失效.而本模型能够较好地解决上述问题,取得信号优先的满意解.     

快通系统排队问题的建模与多目标优化

为减少游乐场游客排队时间并提高其满意度,通过改进通道设计和增加团体游客类型等因素建立快通系统模型,并对其进行多目标优化.首先以平均等待时间、平均逗留时间和游客满意度为因子建立评价系统,并进一步提出初始多目标模型;然后通过改进通道设计和增加现实约束条件,建立了多目标优化模型并给出模拟求解算法;最后仿真结果表明所建立的优化模型能够大大减少游客等待时间并提升满意度.     

基于排队论的实时以太网缓存队列优化算法

提出了基于排队论的实时以太网缓存队列优化算法.首先对数据帧在实时以太网缓存队列中的传输过程进行分析,确定了数据帧排队延时是影响网络延时的主要因素;然后根据随机过程理论得到数据帧进入缓存队列的过程符合Poisson分布.针对该分布模型,用排队论对数据帧排队延时及丢包建立基于通信损失代价的数学模型,以损失代价最小为目标函数,再利用边际法计算出目标函数取极值时的最佳队列长度.仿真实验验证了模型的准确性和优化算法的有效性.     

CSP产线全流程负荷分配策略优化

为了降低热连轧生产能耗,将出炉温度和负荷分配作为优化变量,建立生产能耗目标函数,采用一种参数自学习动态差分进化算法对目标函数进行求解,实现出炉温度和压下负荷分配的最优化。研究结果表明:对于典型规格,与传统的工艺制度相比,能耗降低9%左右,收敛速度快,计算时间能够满足在线使用要求,证明了该方法在线使用的有效性,为现场工艺提供了指导。     

过饱和交叉口信号配时方法的优化及实证研究

在城市道路交叉口交通管理的信号控制常用信号配时方法,对于饱和度较低的交叉口有较好的交通调控作用;但实际交通管理的高峰时段常常会出现过饱和交叉口,信号配时方法就显示出不适应性。针对饱和交叉口的交通特性进行分析,采用了一种考虑进口道排队长度的信号配时模型,通过与传统配时模型的比较并进行了实例验证,得出这种模型更适合对过饱和交叉口的交通控制。     

基于Synchro系统的典型信号交叉口配时优化研究

首先分析了Synchro仿真系统中信号配时优化模型、用于延误计算的百分比延误方法(PDM)模型和服务水平模型,并在调查实际数据的基础上对典型十字型交叉口的当前信号配时方案进行优化研究,同时提出将改善几何条件和信号配时优化相结合的研究方案.案例给出的交叉口经过几何条件改善和信号配时优化后,最大车流量和通过能力比由1.53减小到1.04,平均控制延误由98.7 s减少到37.1 s,服务水平由F提高到D.     

基于熵值法的左转可逆交叉口配时优化方法

为提升左转可逆车道交叉口通行效率,提出一种基于熵值法的左转可逆车道交叉口配时优化模型。从交叉口道路条件和相位条件两方面对左转可逆车道设置进行分析,以交叉口通行能力和车均延误为优化目标,调整交叉口信号配时方案,运用熵值法构建设置可逆车道交叉口配时优化模型选取最优解。以青岛市典型交叉口为例,用该优化模型对交叉口设置左转可逆车道后的配时方案进行优化设计,并与现状配时方案和未优化配时方案进行对比。结果表明,早、晚高峰交叉口通行能力分别提高了3.2%和19.4%,车均延误分别降低17.6%和14.7%,优化方案有效提高了交叉口通行效率。     

考虑区域交通信号配时优化的公交专用道线网规划

在公交专用道线网实际规划时,需要综合考虑交叉口延误与信号配时等因素的影响。为了使公交专用道线网规划更加合理,在考虑区域信号配时优化的条件下,以绿信比作为各个交叉口的信号配时优化变量,建立了双层规划模型,上层模型的目标函数是使网络的总出行时间最小,下层模型由交通方式划分模型、小汽车客流分配模型和公交客流分配模型3部分组成,并采用遗传算法对模型进行了求解,通过算例验证了模型的有效性。结果表明：在进行公交专用道线网规划时,交叉口的延误不可忽略;在考虑交叉口延误的基础上,对区域信号配时优化可进一步降低网络的出行总成本。     

引入谈判博弈的Q-学习下的城市交通信号协调配时决策

由于城市交通路网中交叉口间交通信号决策是相互影响的,并且车联网技术使得交叉口交通信号配时agent间能进行直接交互,此决策问题可用博弈框架来描述。建立了城市路网中相邻交叉口间交通流关联模型,通过嵌入谈判博弈模型来设计Q-学习方法,此方法中利用谈判参考点来进行配时行为的选择。仿真实验分析表明,相对于无协调的Q-学习算法,谈判博弈Q-学习取得更好的控制效果和稳定性能。谈判博弈Q-学习在处理交通拥挤及干扰交通流时,能根据交通条件灵活地改变交通信号配时决策,具有较强的适应能力。     

考虑区域交通信号配时优化的公交专用道线网规划

在公交专用道线网实际规划时,需要综合考虑交叉口延误与信号配时等因素的影响。为了使公交专用道线网规划更加合理,在考虑区域信号配时优化的条件下,以绿信比作为各个交叉口的信号配时优化变量,建立了双层规划模型,上层模型的目标函数是使网络的总出行时间最小,下层模型由交通方式划分模型、小汽车客流分配模型和公交客流分配模型3部分组成,并采用遗传算法对模型进行了求解,通过算例验证了模型的有效性。结果表明：在进行公交专用道线网规划时,交叉口的延误不可忽略;在考虑交叉口延误的基础上,对区域信号配时优化可进一步降低网络的出行总成本。     

粒子群优化算法在交通信号配时中的应用

以交叉口车辆平均延误和停车次数最小为目标,建立信号控制交叉口配时模型,运用粒子群优化算法求解该模型,得到各相位最优配时参数绿信比和周期时长。以某一交叉口为实例,将此方法配时结果与经典配时方法的结果进行比较,交叉口车辆停车次数略有上升,通行能力略有降低,但是车辆的平均延误时间大大降低。这表明运用粒子群优化算法解决交叉口配时问题是有效和可行的。     

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.     

基于改进Q学习的双周期干线信号协调控制方法

针对双周期干线信号协调控制中干线协调与双周期交叉口通行效率存在一定矛盾的问题,提出了一种基于改进Q学习的双周期干线信号协调控制方法,从状态空间和动作空间两个方面对Q学习算法进行了改进。首先,提出了新的交通状态描述指标——排队消散指数,依据该指标的阈值对交通状态进行等级划分,降低了Q学习状态空间的维数。其次,综合考虑相邻交叉口交通状态之间的关联和影响,针对每种系统状态分别设定可行的关联动作,降低了Q学习的动作空间。最后,以北京市两广路为例验证了改进的Q学习算法。结果表明,改进Q学习算法相比于普通Q学习算法、固定配时方案,干线平均延误分别减少10.47%、9.93%,平均停车次数分别减少22.64%、7.96%,双周期交叉口平均延误分别减少21.58%、24.96%,平均停车次数分别减少8.51%、11.64%,表明该算法对减少双周期干线延误,降低停车次数具有较为显著作用。     

单交叉路口智能控制方案的设计与仿真

现代交通控制具有较强的非线性、不确定性,而单纯用传统的理论与方法又很难对其进行有效控制。以标准的单交叉路口作为研究对象,提出了定时控制和模糊控制相结合的智能交通控制方法,非高峰状态下对交叉路口进行模糊控制、高峰时期采用定时控制的方法,这种模糊控制和定时控制相结合的控制方法,发挥了模糊控制和传统定时控制各自的优势,取得了良好的控制效果。