投资分配的神经网络求解

本文用神经网络的方法来探讨投资分配问题,即探讨怎样将有限的投资资金合理地分配到相互关联的各个领域,以使投资收益最大的问题同时也涉及了多元投资预测和最小投资方案等优化问题。     

基于神经网络的交通信息融合预测方法

为了更加准确地预测动态变化的交通信息，通过分析城市道路交通流量变化的特点，提出一种基于神经网络的融合预测方法。这种方法根据预测数据各属性的特点，将数据构造为多个相关的时间序列。在此基础上，对各序列采取不同的处理方法，然后利用神经网络进行融合，得到最终的预测结果。这种方法可用于数据动态预测的各种领域。实验结果表明，采用这种方法可以有效地改善数据预测的误差。     

基于交通瓶颈的动态交通分配模型

在动态交通分配模型中,假定在交通均衡状态下司机不可以通过改变出发时间和行驶路径而降低出行费用.经典的Vickrey模型作为一种基于交通瓶颈的动态交通分配模型,假设出行者选择不同的时间上班(下班)所面对的出行费用(含旅行时间和延误惩罚)相等.针对在Vickrey模型中,长期以来人们均假设瓶颈的通行能力是不变的,即从瓶颈离开的累计车辆数为直线,将对Vickrey模型的这一缺陷做出改进,建立瓶颈通行能力随时间变化时的交通均衡模型和求解算法.     

基于模糊神经网络的电梯系统交通模式识别

介绍采用模糊神经网络进行电梯群控系统交通模式识别的方法。用3步混合训练方法对用于模式识别的两个模糊神经网络进行训练,测试结果表明此方法可以准确地辨识出各种交通模式所占的比例,可以指导群控器优化派梯策略,提高电梯群控系统的服务性能。     

用投影收缩算法求解考虑排放的交通分配模型

给出一种考虑排放约束条件下的交通分配均衡模型,在所定义的广义出行费用中明确考虑排放因素,通过将变分不等式问题转换成等价的非线性互补问题,采用一种自适应的投影收缩算法求解该模型,所给出的数值算例得到广义费用下的UE最优解,在同样收敛精度的要求下,和其他投影算法相比,采用该算法收敛速度较快.     

离散时间动态随机交通分配模型

提出了一种离散时间的动态随机交通分配模型。该模型以离散时间形式提供在一天或高峰期间内路网交通流的变化。模型中路段交通条件假设为两部分：一部分为自由流,一部分为排队车流。模型中考虑了先入先出的原则和路段拥挤效应。运输需求调整采用马尔克夫动态模型。当每个出行者不能再通过改变出行选择而增加其效应时达到动态随机用户平衡。     

一种新的路径生成式Logit交通分配算法

Logit方法是一种重要的非平衡交通分配方法，但由于需要路径枚举，限制了它在大型路网上的应用。本文提出了一种新的路径生成式Logit交通分配算法。每次迭代中，利用Logit方法在已产生的路径集上进行变通分配，并更新路段交通量度路段运行时间，然后在此基础上利用最短路算法求出新的最短路并更新路径集，如此变替进行．直至不再产生新的最短路，最后完成交通分配。由于不需进行路径枚举，从而使本算法适用于大型路网的交通分配。实际计算表明．该算法是有效和可行的。     

基于神经网络的仿真优化算法设计

为降低传统仿真优化方法所需的仿真次数,从而缩短仿真优化时间,提出了基于广义回归神经网络(generalized regression neural network,GRNN)的仿真优化算法设计。首先,利用仿真生成一定数量的样本集,利用GRNN进行训练,得到初始回归曲面,并在该曲面上利用模式搜索算法找出全部可能的局部极小,由于可能会找到一些假局部极小点——噪声点,设计了剔除噪声点的方法,得到全部局部极小;在各局部极小点周围增补少量仿真样本,再次利用GRNN进行训练,得到新的回归曲面。重复增补样本,直到得到仿真优化的最优解。实例表明,所提方法能够有效降低所需样本的数量,实现仿真优化问题的求解。     

交通溢流智能协调控制算法

交通溢流是典型过饱和交通现象。为解决交通溢流情况下的相关联路口的协调控制问题,提出人工智能的解决思路,研究了单路段双路口交通溢流智能控制算法。在对交通溢流进行描述的基础上,分析了控制器的逻辑功能,提出控制目标函数,针对控制系统的溢流控制相位差推理器,路口交通流量神经网络预测,相位相序设置专家系统以及相位时间三维模糊推理器逻辑进行了详细研究,最后进行了仿真分析,结果表明,提出的算法较好地实现了溢流的控制,在相同的初始条件下,与强制控制相比,路口总延误相对误差降低13.19%和6.65%,总平均延误相对误差分别降低了0.67%和2%,智能控制方式优于强制控制方式,验证了算法的有效性。     

基于小波分析和SOM网络的交通事件检测算法

本文提出一种结合小波分析和SOM（自组织特征映射）神经网络的交通事件检测算法。论文首先利用小波分析检测交通流初始信号的奇异性．然后将小波系数作为SOM网络的输入．对信号奇异点进行分类,再根据分类标准判断交通流状态，并运用Matlab进行了仿真分析。结果表明提出的交通事件检测算法利用较少样本数据即可快速实现交通事件检测，具有潜在的应用价值。     

动态用户均衡配流模型的研究

提出一个动态用户均衡配流模型 ,它能够预测多 OD对交通网络中交通流的动态变化 ,利用最优控制理论得出该模型最优解的条件 ,并证明了该条件与动态用户均衡相一致 ,该模型可以调控交通网络中的交通流量 .     

无检测器交叉口交通流量预测的灰色神经网络模型

为解决一般预测方法要求原始数据量较大,而无检测器交叉口获得的交通流量数据又非常有限的矛盾,提出了一种基于灰色神经网络的无检测器交叉口交通流量预测方法。通过选择不同长度的历史数据构建不同的灰色预测模型,对于不同灰色预测模型得到的预测结果再使用神经网络进行组合,该方法综合了GM预测所需原始数据少、方法简单,而神经网络具有非线性拟合能力的特点。以107国道新市站2002年观测的交通流量作为原始数据,采用灰色神经网络进行时交通流量预测,结果表明了该方法是有效可行的。     

饱和路网中动态交通分配与路口控制一体化建模研究

基于对动态交通分配和网络信号控制相互作用的研究,以饱和交通网络为研究对象,建立了动态交通分配和信号控制的一体化双层优化模型。在上层模型中考虑系统最优,进行信号策略的优化,在下层模型中反映用户最优,实施交通网络流的配置。模型中考虑了车辆的实际长度,研究了饱和网络中因为流量饱和而导致的路口排队现象及其对路段费用的影响。最后用实例仿真说明了饱和网络一体化研究的必要性和一体化模型的有效性。     

基于模糊神经网络局部强化学习在Robocup中的应用

针对Robocup仿真组比赛中智能体的配合与动作选取,将模糊神经网络（FNN）和局部协调图动态角色分配与传统Q-学习相结合,提出了基于模糊神经网络的局部Q-学习。采用该方法,有效抑制了仿真平台中的噪声干扰,提高了动作选取的精度,解决了传统Q-学习中Q表占用内存空间过大的问题,增强了系统的泛化能力,并进一步缩短了学习时间,更好的满足比赛实时性的要求。将其运用于仿真组比赛的传球和射门模型中,验证了该方法的有效性。     

一种基于路网网格化的微观交通仿真模型

针对采用元胞自动机进行微观交通仿真空间分辨率较差的特点,提出了一种基于道路路网网格的微观交通仿真模型.通过在仿真前或者仿真期间设定一维车道和二维路口网格的大小,对道路路网进行不同空间分辨率的分割,但在仿真车辆运动模型方面,仍采用元胞自动机模型进行仿真.这样既保留了元胞自动机进行交通仿真的优点,又克服了该方法在空间分辨率较差方面的缺点.文中还通过仿真实验,对一维路网网格和二维路网网格大小的设置对仿真结果的影响进行了分析.分析的结果表明：不同的仿真空间分辨率对车辆的平均速度和车道/路口占有率有较大的影响,但对流量的影响不显著.     

用户均衡网络中的敏感度分析方法

以确定性交通网络用户均衡问题为研究对象,在分析了确定性用户均衡模型与优化条件的基础上,从非线性规划理论出发推导出确定性用户均衡模型的敏感度分析方程.与变分不等式的敏感度分析方法相比较,该方法只需要一般的数学规划知识,很容易被交通规划师和工程师所接受;提供一种获得均衡网络路径解的方法,该方法根据路径费用的大小决定路径解集的取舍,最终可以找到与各OD相对应的多条最短路径,该路径解可以直接用于网络敏感度分析.实例说明了该算法的有效性和敏感度分析在交通规划、建设与管理中的应用.     

求解有界约束二次规划问题神经网络模型的收敛性分析

通过深化Lasalle不变原理,建立了判别一般动力系统全局收敛性的一个准则.应用这一准则,详尽研究了一个求解有界约束二次规划问题神经网络的全局收敛性,给出了当目标函数为一类非凸函数时的全局收敛性条件.特别地利用常微分方程理论,证明了该网络对任意凸函数全局收敛性,所获结果深化和推广了现有文献相关结论的相应结论.这些新的结论都表明了该神经网络在求解有界约束二次规划问题时的有效性.数值模拟与理论分析结果一致.     

基于仿真的宽带网络流量特征分析

网络的流量特征对于建网及网络性能分析至关重要。本文基于自相似理论基础，运用计算机仿真技术，对在不同负载情况下，宽带网络流量特征的变化过程进行了研究。实验数据表明，自相似业务流通过汇聚节点进入核心链路之后，其自相似特性仍然保持，但是自相似的程度有所下降，特别是在网络吞吐量较大的情况下，自相似程度明显低于任何一个支路。TCP协议发送窗口的大小变化会引起网络流量自相似程度的变化。     

人工神经网络距离继电器的仿真研究

距离继电保护是高压传输线继电保护的一种主要方法。传统距离继电器的精度受到不同的故障条件以及电网结构变化的影响，容易发生误动,拒动等现象，给电力系统带来重大损失，本文提出一种基于人工神经网络的距离继电器，该方法以三相电压和电流的基波分量幅值作为网络输入，仿真结果表明，与传统的继电器相比，该继电器反应迅速、准确，即使在不同的故障条件和网络条件下也能正常工作。