一种支持状态优劣的路径搜索算法

文章描述一种支持状态优劣的高效增量搜索算法。在大规模状态空间的搜索算法中,通过探询节点间状态的优劣来剪枝,可以极大的提高搜索算法的速度。本算法保留了D*Lite的算法简单性和增量搜索能力,还极大的提高了对大规模状态空间的优劣排序速度。     

动态路径诱导交通阻抗优化方法与实现

基于实时交通采集数据,获取合理动态规划最优路径,提出了考虑驾驶员出行行为因素的交通阻抗优化方法.研究了基于实时交通状态因素的动态路网优先等级指数的确定方法,重构了动态路径诱导交通网络模型,大大降低了路网的复杂度;基于多源实时数据,研究了动态路径诱导交通阻抗优化的计算方法,实现了路网的动态路径诱导,并通过GIS平台进行了仿真分析.该方法更符合驾驶员行为习惯,对于改进Dijkstra算法在动态路径诱导中的应用具有操作优势和显著意义.     

一种多目标增量启发式搜索算法

提出一种多目标增量启发式搜索算法, 该算法结合启发式搜索与增量搜索的思想, 当多目标问题搜索图的状态格局发生改变时, 该算法并不是对变化后的问题进行完全重新求解, 而是部分利用了先前搜索保留的信息求解新问题的最优解集, 从而提高了问题求解的效率. 通过Gridworld标准测试问题上的实验测试, 验证了算法的效率.     

基于遗传算法多目标非重叠路径诱导算法

依据遗传算法基本原理,提出一种多目标路径诱导算法. 染色体编码采用可变长度节点序列方法表示,以减少染色体编码长度. 设计了相应的多目标适应度函数. 该算法在给定多个目标约束条件下,能够解出多个近优路径. 实验结果证明,该算法能有效解决多目标非重叠路径选择问题,和目前已有其它方法相比,路径相似度更小.     

基于交通信息的个性化路径集成规划方法

为了更好地满足交通诱导系统用户的路径规划需求,判别了理想路径的影响因素,并分析了个性化路径需求的属性与特征.分别针对距离、时间、服务水平及综合属性提出了相应的路径规划方法,在此基础上,设计了个性化路径集成规划框架.通过一个示例路网给出了个性化路径集成规划的算例,验证了该方法能够集成多种模式的路径规划方法,并提高诱导系统用户的满意度.     

一种基于遗传算法的机器人加工路径规划方法

针对传统机器人加工路径规划采用示教再现方法很难适应复杂变化任务的问题 ,提出了基于遗传算法的路径规划方法 ,研究了遗传算法中的编码方式、交叉算子和变异算子的改进方法 .仿真实验表明 ,采用遗传算法进行机器人加工路径规划是可行的和有效的 .     

基于遗传算法的动态路径诱导

动态路径诱导（DRGS）是智能运输系统研究的一个重要方面，旨在通过向驾驶员提供基于实时交通信息的最佳行驶路径在来达到诱导出行行为，减少车辆在道路上的逗留时间，进而实现改善城市交通和避免交通拥挤、阻塞的目的。路径牵引算法是DGRS中的重要研究内容，它能计算出给定起讫对之间的的最优或准最优路径，路径牵引算法要考虑一全局准最优和实时性问题，而遗传算法具有全局寻优和潜在的并行性特点，将遗传算法应用于动态路径诱导系统中求解最佳路径，设计了特定的有序选择、交叉和遗传算子，并通过实例验证了算法的有效性。     

基于物理规划的路径诱导方法

针对路径诱导过程中驾驶员的个性化需求,提出一种基于物理规划的路径诱导方法。首先,基于物理规划方法的基本思想,构建能够反映驾驶员个性偏好的路径诱导模型,包括构建路径评价的指标体系、设计偏好函数的数学表达式以及设计相应的偏好因子,为路径诱导提供了模型基础;然后,在构建交通路网数据库的基础上,通过设计合适的代价函数,利用A*算法搜索得到一条能够反映驾驶员个人偏好的最优路径。仿真结果表明:本文所设计的路径诱导方法能够满足驾驶员的个性化需求。     

优化算法在动态路径诱导系统中的研究综述

城市交通拥堵问题已成为阻碍我国城市经济发展的主要问题之一,动态路径诱导系统在城市道路交通流的均衡动态分配中起着举足轻重的作用,并对缓解我国现阶段的城市交通拥堵问题具有重大现实意义。文章对应用于动态路径诱导系统的智能优化算法进行研究,对其进行了分类和综述,并对其各自的优缺点进行总结,同时对下一步的研究进行了展望,为今后的研究提供参考和借鉴。     

面向驾驶员个性化需求的动态路径诱导方法

基于物理规划的思想,研究面向驾驶员个性化需求的动态路径诱导方法.首先,分析个性化动态路径诱导问题,构建路段交通阻抗的个性化评价指标体系;然后,基于物理规划思想,进行个性化动态路径诱导:面向驾驶员对道路的“可行性”需求动态确定交通路网搜索的几何空间;面向驾驶员对道路的“偏好性”需求,对几何空间内的交通路网阻抗进行个性化评价;面向驾驶员对道路的“最优性”需求,基于Dijkstra算法在动态交通路网中进行最优路径搜索;当路网中的交通阻抗发生变化时,及时更新路网信息,重新搜索从车辆当前位置到目的地的最优路径.研究结果表明:该方法既能体现驾驶员的个性化需求;仿真算例验证了该方法的有效性和可行性.     

饱和度导行控制及其方法研究

分析了交叉口饱和度变化对路段行程时间和交叉口延误时间产生影响的灵敏性 ,在实现SO/UE(系统最优 /用户均衡 )混合均衡模式的系统目标时 ,确立路网中交叉口饱和度为导行控制依据 .建立了以饱和度为导行依据的导行方法 ,给出了导行路线优化流程图 .在非拥挤状态下 ,建议实施多路线导行 ,以均衡路网交通需求 .在拥挤 /交通异常存在状态下则实施饱和度导行策略 ,并对饱和度导行方法中的控制变量进行了分析说明 .     

智能检索及跨库检索技术在数据库建设中的应用研究

从图书馆数据库建设入手，比较了各公司数据库软件，着重探讨了智能检索技术、跨库检索技术及数据关联技术在数据库的应用，提出了元数据的概念。     

一种基于区域搜索的平面度误差评定方法

以给定平面度误差的评定为例,分析最小二乘法和最小包容区域法的算法模型,并提出一种基于区域搜索的评定平面度误差的方法.在三坐标测量机上,对被测平面进行采样点坐标数据提取,分别用基于搜索逼近法的最小二乘法和最小包容区域法实现给定平面度误差的评定.结果表明,基于搜索逼近法的最小包容区域法与最小二乘法相比,其评定结果精度提高了5.97%,且符合最小条件.     

英文词汇的近形检索和通配查找

是对一个课程设计实践的小结,讨论了在电子词典中含一定模糊度和近似性的查找所采用的算法,面向这种方法的词汇表的组织和依据;叙述了所采用的软件工程的设计方法     

智能交通系统中的智能方法

运用智能方法对智能交通系统进行设计和管理, 重点解决了体系化发展、 智能化和资源共享问题, 使智能方法成为智能交通体系发展的重要核心. 它以现代人工智能及神经网络为基础理论, 围绕智能交通系统服务目标, 智能统筹各学科的优势资源, 实现应用体系各专业系统的和谐高效运行及服务. 它覆盖系统评估、 设计、 实施、 核心技术、 核心算法、 决策管理、 服务方式和关联应用各方面. 引入智能方法, 将使智能交通体系具有突出的公众服务特性, 更智能化、 体系化、 更安全和高效, 高度兼容的移动应用特性和便利信息共享将为智能交通系统体系提供新的发展空间.     

基于模型预测的快速交通网络路由诱导方法

为了达到均衡城市快速路网交通负荷,提高交通运行效率的目的,提出了模型预测路由诱导控制方法,控制任务描述为一个动态的、离散时间、空间的、带有约束控制变量的最优控制问题.采用宏观、确定型的、离散时间、空间、适合基于模型预测交通控制的宏观动态交通模型来构建网络交通过程模型,通过在未来较长的时段内求解每一个控制周期的最优问题来实现反馈控制.仿真实例研究结果表明,模型预测路由诱导控制方法能够考虑时变的交通状态,取得良好的控制效果,可为先进的交通管理系统构建提供依据.     

搜索法评判沉降监测点的稳定性

分析了静态分期平差法处理建筑变形监测数据的特点,提出了评判建筑物沉降监测点稳定性的一种改进方法－搜索法,并通过算例验证了其精确性。