武器-目标分配问题的分布估计算法及参数设计

建立了武器-目标分配问题的优化模型,分析了分布估计算法与遗传算法的异同.将分布估计算法应用于武器-目标分配问题,该算法通过统计当前群体中优选出的个体信息,给出下一代个体的概率估计,用随机取样的方法生成下一代群体.分析了个体种群数量、选择比例等参数对算法的影响,得出个体种群数量和选择比例取适中时效果最好的结论.仿真结果表明了分布估计算法求解武器-目标分配问题是可靠有效的.此方法具有较好的可扩展性,修改此算法可解决一般组合优化问题.     

基于免疫克隆算法的物流配送车辆路径优化研究

物流配送车辆路径优化问题是近年来物流领域中的研究热点,该问题属于NP难题,较难得到最优解和满意解．在物流配送车辆路径优化问题数学模型的基础上,构造了一种免疫克隆算法来求解该问题,并在算法中引入了克隆选择、克隆删除、受体编辑、体细胞高频变异、抗体循环补充等思想．仿真计算结果表明,免疫克隆算法能快速收敛于全局最优解,克服了遗传算法中易陷入局部最优解和收敛速度慢的缺点,可有效地解决物流配送车辆路径优化问题．     

退火单亲遗传算法求解随机需求VRP问题

为了有效求解随机需求的车辆路径问题,在单亲遗传算法中加入模拟退火选择操作,构建了退火单亲遗传算法;并实现了以虚拟自然数代表中心点,可直接利用求解随机需求VRP问题的有效遗传算子。在选择操作中,采用三复本锦标选择的方式,保持了种群的多样性。计算结果表明,该方法可有效求解随机需求车辆路径问题,算法的搜索效率、收敛概率均得到大幅度提高,取得了比一般遗传算法更优的结果。     

随机需求多车辆路径问题的重优化算法

针对随机需求的多车辆路径问题(MVRPSD),提出了一种简单有效的重优化新算法.该算法先用预优化策略给出一个预优化的单车辆路径,然后重复使用rollout算法对该路径进行进一步优化,将其划分为满足约束条件的多条子路径,不仅能满足实际需求,而且极大提高了优化性能.与现行方法对比实验结果表明,本算法可以对多车辆路径更为合理的优化,明显减少行驶费用,是求解随机需求的多车辆路径问题的一种有效算法.     

带时间窗车辆路径问题的混合粒子群算法

将粒子群优化算法与模拟退火算法结合,提出了一种求解车辆路径问题的混合粒子群算法.实例计算及与遗传算法比较的结果表明:应用混合粒子群算法可以快速地求得带时间窗车辆路径问题的优化解;该算法是一种求解离散组合优化问题的有效方法.     

车辆路径问题的蚁群算法研究

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,给出蚁群算法在车辆路径问题中的应用,针对蚁群算法存在的过早收敛问题,引入节省量以及车辆载重利用率两种启发式信息对蚁群算法加以改进,并加入2-opt方法对问题求解进行局部优化,计算机仿真结果表明,这种混合型蚁群算法对求解车辆路径问题有较好的改进效果.     

求解车辆路径问题的改进蚁群算法

为解决基本蚁群算法的过早收敛的缺陷,提出一种将遗传算法和蚁群算法融合的改进的蚁群算法.即使用蚁群算法求解出完成所有配送任务的车辆行驶路径,并将其作为局部最优解;然后,使用遗传算法的交叉变异算子对第一步搜索出来的局部最优解进行优化,筛选出全局更优解.仿真实验证明:改进后的蚁群算法与现有的求解车辆路径优化问题的蚁群算法相比,具有更快的运行速度,找到最优解的概率更高,且避免了基本蚁群算法的过早收敛.     

基于改进蚁群算法的车辆路径选择研究

给出了考虑软时间窗的物流配送车辆路径选择（VRP）模型,提出了一种改进的蚁群算法来求VRP模型的近似最优解。为了以最少的计算时间得出VRP问题的近似最优解,首先用贪婪算法产生初始蚁群,然后通过蚁群算法的评价、信息素释放、蚂蚁移动、信息素消散、判断收敛的循环过程对初始解进行优化。实践表明,在求解软时间窗物流配送车辆路径选择问题方面,改进蚁群算法具有更好的收敛性。该算法算法是求解VRP问题的较好方案。     

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.     

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.     

含分布式电源和电动汽车的配电网可靠性评估

针对目前大规模分布式电源和电动汽车接入配电网后,给配电网可靠性带来一定影响的问题,提出了一种含有分布式电源和电动汽车的新型配电网的可靠性评估方法。首先,考虑到风光出力的不确定性和相关性,选择拟合性最优的Frank-Copula函数,建立了风光联合出力概率模型。其次,分析了电动汽车用户行为特征,提出了基于动态分时电价的电动汽车有序充放电控制策略。最后,基于改进IEEE-RBTS Bus6测试系统的主馈线F4,对系统的可靠性指标进行计算分析,结果表明所提的风光联合出力模型和有序充放电控制策略可以有效降低对配电网可靠性的影响。     

基于FlexRay的线控制动系统的研究

FlexRay极有可能成为下一代车用网络标准,为了研究FlexRay在汽车线控系统上的应用前景,本文提出了基于FlexRay的线控制动系统解决方案。这个原型系统由4个轮速传感器、3个ECU单元,1个步进电机,1个制动踏板位置传感器组成,开发流程采用了V模型。从运行情况看,系统实现了在高速的情况下进行双通道容错实时通信,相对其它总线系统,本系统具有良好的数据传输稳定性及可靠性,线控制动效果显著。     

新一代互联网与河北存储发展的研究

以互联网技术的深入研究为基础,论述了云计算是下一代互联网的重要特征,指出了下一代互联网发展需要有大型存储园区支撑;提出了需要在大首都地区建设云存储基地,信息存储基础设施服务应该产业化。结合河北省的区位、资源和人才等方面的优势,提出了河北省应大力推进大型信息存储产业园区建设来带动河北发展的新思路。     

NGN技术的发展趋势

下一代网络将是基于软交换的通信网络.对软交换系统进行了讨论,对下一代网络的智能化进行了分析.指出传统光通信网络向下一代光网络演进的步伐正在加速.在下一代网络中,对电信网来说,服务质量必须保证.     

新一代高性能计算机网络

传统的计算机网络体系结构已经越来越不能满足计算机网络应用领域扩展和网络应用技术发展的需求，另外，电信服务的发展也要求电信网能够融合计算机网的服务，这就使得电信界提出下一代网络的设想，下一代网络是电信网与因特网的融合和发展，在因特网技术领域，与下一代网络发展相适配的是高性能计算机网络的发展。根据计算机网络应用的发展需求，未来计算机网络研究的核心问题包括：大规模网络行为分析及其相应支撑系统、新一代高性能网络体系结构及其基础理论、移动网络技术、语义互联网应用技术等。下一代网络的研究与未来计算机网络的研究紧密相关，最关键的就是要研究和开发具有革命性的应用，并以此为目标，对下一代计算机网络体系结构及其基础理论进行研究，同时，还必须分析和研究大规模网络系统的行为，从而为下一代计算机网络的研究提供依据和性能分析的手段。     

一种改进的遗传算法解决旅行商问题

标准遗传算法在解决旅行商问题时效率不高,容易陷于局部最优解。为了解决这一问题,提出了一种改进的遗传算法。改进后的算法在选择操作时,采取了精英个体保留策略和锦标赛方法,扩大染色体的选择范围,加大了适应度好的染色体被选中的概率;交叉操作时加入父染色体中边的信息;在参数选择上,使交叉概率和变异概率与染色体的个体适应值联系,保护适应度好的染色体进入下一代。用程序实现了两种算法,通过比较,改进后的遗传算法提高了解决旅行商问题的效率。     

下一代网络NGN的技术发展

对下一代网络的发展进行了讨论。近年来,随着数据业务的爆炸性增长,对带宽的需求更加迫切,对网络功能的要求也越来越多。下一代网络将是基于软交换系统的通信网络。探讨了下一代网络的基本概念和特点,对软交换系统进行了讨论,对下一代网络的智能化进行了分析。指出传统光通信网络向下一代光网络演进的步伐正在加速。在下一代网络中,对电信网来说,服务质量必须保证。最后,提出在下一代网络中,多媒体化占据着重要地位。     

求分圆多项式近似根的遗传算法

新提出的求分圆多项式近似根的遗传算法,是取m个个体,在初始群体中随机产生m个初始点,再用适应度函数1/(1 |f(x)|)计算个体适应度,对种群进行选择、交叉、变异操作,将适应度好的个体组成下一代群体,直到达到规定近似根的个数和精度,就输出结果.该算法采用动态自适应技术、重新启动法、多项式除法等措施进行优化,可以有效地防止出现未成熟收敛问题.该算法在求分圆多项式的近似根方面是可行的,并取得比较好的效果,为判定一个多项式是否分圆提供了一种新方法.     

基于Attention机制的CNN-LSTM驾驶人意图识别方法研究

在自动驾驶系统中，系统需要准确识别驾驶人的意图，来帮助驾驶人在复杂的交通场景中安全驾驶。针对目前驾驶人意图识别准确率低，没有考虑优化特征对模型准确率影响的问题，运用深度学习知识，提出了一种基于时间序列模型的驾驶人意图识别方法。该方法基于Attention机制融合了卷积神经网络(convolutional neural networks, CNN)和长短时记忆网络(long short-term memory network,LSTM),引入车辆自身信息和环境信息作为时空输入来捕捉周围车辆的空间交互和时间演化。该方法可同时预测目标车辆驾驶人横向驾驶意图和纵向驾驶意图，并在实际道路数据集NGSIM(next generation simulation)上进行了训练和验证。实验结果表明，所提出的CNN-LSTM-Attention模型能够准确预测高速公路环境下驾驶人的驾驶意图，与LSTM模型和CNN-LSTM模型相比具有明显的优势，为自动驾驶系统的安全运行提供了有效保障。     

Model of Next Generation Energy-Efficient Design Software for Buildings

Energy-efficient design for buildings (EEDB) is a vital step towards building energy-saving. In order to greatly improve the EEDB, the next generation EEDB software that makes use of latest technologies needs to be developed. This paper mainly focuses on establishing the model of the next generation EEDB software. Based on the investigation of literatures and the interviews to the designers, the requirements on the next generation EEDB software were identified, where the lifecycle assessment on both energy consumption and environmental impacts, 3D graphics support, and building information modeling (BIM) support were stressed. Then the workflow for using the next generation EEDB software was established. Finally, based on the workflow, the framework model for the software was proposed, and the partial models and the corresponding functions were systematically analyzed. The model lays a solid foundation for developing the next generation EEDB software.