城市交通网络路径寻优模型及其求解

路径寻优问题是交通网络优化中的基本问题.由于现实交通网络中的交叉口存在不同程度的转向延误,使得一般的最短路模型与算法并不适合城市交通路网,针对这类问题,设计带交叉口转向延误的交通网络路径寻优模型,并根据模型解的特征,将路径寻优模型转化为只含有0,1变量约束的非线性规划问题,随后采用基于增广Lagrangian法的遗传算法来求解该模型.仿真结果表明该模型和算法是有效的.     

一类区间2次-线性双层规划的解法

针对上层目标函数含有区间系数的2次-线性双层规划问题,提出了区间2次-线性双层规划的最优值区间的定义,在此基础上把区间2次-线性双层规划模型转化为求解最好最优值和最差最优值的2个确定性模型,进而利用混合整数规划方法求解.最后给出数值算例验证该方法的有效性.     

群岛型组团城市陆路交通网络多目标优化模型

为优化设计群岛型组团城市的陆路交通网络,提出一个双层规划模型.其中,上层模型从效率、环保和公平三个方面,优化陆岛和岛际间的由陆路通道和水运线路构成的交通网络,是一个总出行时间最小、单位出行者碳排放最低和各岛屿经济发展潜力最均衡的多目标网络优化问题.下层模型在陆路和水路构成的综合交通网络上均衡分配交通流.设计基于帕累托优化的遗传算法求解模型,并通过实例研究验证模型的适用性和有效性.     

弹性需求下的双向混合交通需求预测组合模型

基于我国城市道路双向混合行驶现状及实际交通网络的运行特点,借助Logit路径选择模型,建立弹性需求下双向混合交通需求预测组合模型.证明了模型的一阶条件等价性,给出其具体的求解算法并用算例说明该模型是有效的.     

输入受限不确定线性时滞系统的混合镇定

针对一类不确定线性时滞系统,同时考虑其暂态性能和稳态性能,提出了混合稳定的概念和控制策略,使得闭环系统在满足输入约束条件下,在给定的时间区间内有限时间稳定,在无穷时间区间上渐近稳定.将混合稳定控制问题转化为线性矩阵不等式(LMI)约束非凸优化具有可行解问题.通过锥补线性化算法求解状态反馈控制器使得闭环系统混合稳定.最后,通过一个无人机仿真来验证控制器设计方法的有效性.     

基于可靠性的随机交通网络约束最优路径问题

为了仿真交通网络中资源约束条件下的路径选择行为,建立了随机交通网络约束最优路径问题数学模型并进行求解.采用期望-方差为路径目标函数,将约束最优路径问题建模为混合非线性整数约束优化问题,构造基于线性规划的分支定界算法以求解该问题.针对Sioux Falls网络展开数值试验,将无资源约束和不同资源约束条件下的交通网络最优路径计算结果进行比较分析.试验结果表明:无资源约束和有资源约束条件下交通网络中相同起迄点之间的最优值和最优路径是不同的;在不同资源上限的约束条件下,相同起迄点之间的最优值和最优路径也是不同的,约束上限值与最优值成反比例关系.交通网络中资源约束条件对最优路径的选择具有重大影响.     

高速公路出入口选址双层规划模型研究

针对高速公路出入口选址,建立了双层规划模型.上层规划以高速公路出入口的用地和建设成本、改进交通网络的成本和区域内的出行成本最小为目标函数,下层规划考虑了交通网络车辆弹性需求用户均衡配流.最后设计了一个迭代优化算法对模型进行求解.     

随机均衡配流下的连续性交通网络设计

针对交通出行者的出行行为存在不同属性的实际情况,在网络设计双层规划理论的基础上,研究基于随机均衡配流的连续性交通网络设计问题.综合考虑路网可达性和随机用户均衡交通分配建立了双层规划模型,并在路网可达性中引入节点的重要度计算.下层规划采用拉格朗日乘子法求解,同时对上层规划设计粒子群优化算法,并借助Matlab编程计算.在实际算例中,选取道路饱和度对扩建后的交通网络进行效果验证.结果表明,文中模型具有一定的实用性,既可以提高交通网络中的道路利用率,又可以在一定程度上缓解交通网络中的拥堵问题,使网络中的平均饱和度降低28.4%.     

基于正弦熵的均值-风险模型

就不确定环境下投资组合问题探讨了最小化正弦熵模型.基于收益服从不确定分布,从投资者利益出发建立带有收益和风险的投资组合模型.为求解在不确定环境下的模型,通过数值积分法设计了混合智能算法,最后通过数值例子验证模型和算法的有效性.     

基于约束规划的焊接车间多资源约束调度研究

为求解焊接车间多资源约束调度问题,以最大完工时间最小化为目标,根据该问题特性首先建立了该问题的混合整数规划(MIP)模型,然后提出了求解该问题的约束规划(CP)模型.在该CP模型中,以区间变量和顺序变量为决策变量,使用累计函数建立共用焊机约束以及峰值功率约束.通过使用CPLEX的CP引擎对具体实例进行求解,验证了该模型的可行性和有效性.试验结果表明:在最大完工时间变化不大的情况下,可以有效控制峰值功率.     

基于服务水平可靠性的连续交通网络设计模型与算法

传统路网设计很少同时考虑交通供需的随机性和服务水平可靠性对交通运行效率的影响,难以获得鲁棒性好、可靠度高的路网设计方案。针对此缺陷,假定路网中的交通需求服从对数正态分布,通过双层规划理论构建了考虑需求随机性及路网可靠性的连续均衡交通网络设计模型;其中上层规划是在满足投资预算的约束条件下使得系统期望的总阻抗最小,下层规划通过用户均衡交通分配模型来刻画出行者的路径选择行为。根据模型特点,设计了一种带罚函数的、基于蒙特卡洛仿真的多种群遗传求解算法;并用算例验证模型和算法的有效性。结果表明该模型能较好地解决交通供需的随机性和服务水平可靠性对交通运行效率的要求。     

基于掩码匹配的报文双抽样方法

基于掩码匹配的报文抽样算法是一种实用性较强的分布式流量抽样算法,但是该算法在测量报文到达时间间隔的分布这一重要网络流量特征时性能较差。首先根据误差理论分析了产生这一问题的原因,为了降低测量的系统误差,在原算法中引入了双抽样的改进方案。考虑到改进后的算法会给测量系统带来额外的负担,提出了增加了抽样掩码位数的解决办法,并且论证了其可行性。最后基于实际的网络流量数据进行了实验验证,结果表明：改进后的算法测得的报文到达时间间隔的分布符合真实的分布情况,并且对其它网络性能指标的测量精度影响较小。     

基于GATS算法的城市交通网优化问题研究

遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法是求解大规模任意目标函数优化问题的强有力工具,二者各有优势,又都存在不足,本文根据香港城市交通网优化问题的特点及遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法自身的优势与不足,提出一种将二者混合使用的求解网络优化问题的算法．这是第一次将遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法应用于实际的网络设计问题．最后用香港２００６ 年规划数据进行实例研究．     

带转向延误的拥挤交通网络配流模型及算法

为了更加真实准确地反映道路网络的交通流状态,该文综合考虑拥挤交通网络的特点,建立了带转向延误和通行能力限制的交通网络配流模型,模型中路段和转向通行能力约束条件的Lagrange乘子等于因交通拥堵而产生的排队延误。该文采用动态罚函数算法,将原问题转化为一系列不带通行能力限制的传统交通分配问题进行求解,随后以Nguyen Dupuis网络为算例进行测试。计算结果表明:当流量达到通行能力时,排队延误就会产生,平衡流量满足Wardrop均衡准则。该模型能够很好地反映拥挤交通网络流量特点,提出的算法也具有很好的收敛性能。     

基于灰狼算法优化深度学习网络的网络流量预测

针对深度学习网络在网络流量预测建模过程中的参数优化难题,以改善网络流量预测结果为目标,提出一种基于改进灰狼算法优化深度学习网络的网络流量预测模型.首先,收集网络流量历史数据,并对数据进行相空间重构、归一化等预处理;其次,引入灰狼算法快速搜索到全局最优深度学习网络的相关参数,并根据最优参数对预处理后的网络流量历史数据进行...     

基于流量熵的道路交通网络脆弱性优化

道路交通系统是社会物流实现的重要支撑,其中重要站点的故障可能造成交通系统的运营限于瘫痪,甚至产生重大的经济影响.针对道路交通网络中的相继故障问题,从动静结合的角度分析了道路交通网络的脆弱性.为了检测道路交通网络在相继故障下的脆弱性动态变化,首先建立了道路交通网络的级联反应动力学模型;然后提出该模型中脆弱性的优化设计方案,并利用算法进化得到网络的最优设计;最后利用复杂网络理论得到道路交通网络的网络结构图,通过该算例验证了提出的模型和优化方法的有效性和实际应用性.仿真实验表明该模型和方法能有效地降低交通网络的脆弱性.     

基于层次性的交通网络资源优化配置方法

利用交通网络层次性这一基本特征,研究随机交通配流算法与交通网络资源优化配置方法。在分析算法的设计基础上,定义层次因子,并提出利用复杂网络拓扑特征或交通关联度来确定交通网络的层次数目和层次因子,在Dial算法的基础上利用层次性设计层次随机交通分配算法(HSTAA);通过算例验证与分析HSTAA算法,提出基于层次性的交通网络资源的优化配置方法。研究结果表明:由HSTAA算法得到的交通网络总阻抗在层次因子的某一合理取值范围内小于Dial算法所得的总阻抗,且交通网络的总阻抗随较高层次路段层次的提高而减小,但交通网络的尾气排放总量却随较高层次路段层次的提高而增大,但它始终小于由Dial算法所得到的结果;将网络层次状况控制在合理范围内就能有效地调节和优化交通网络资源配置。     

蚁群算法优化RBF神经网络的网络流量预测

传统RBF神经网络在网络流量预测过程中存在收敛速度慢、极易出现局部最优等缺点,从而导致预测精度低。采用蚁群算法优化RBF神经网络参数来进行网络流量预测。利用蚁群优化算法来训练RBF神经网络的基函数宽度和中心,简化网络结构,加快收敛速度,防止局部最优的出现,改善RBF神经网络的泛化能力。实验结果表明,相对于GA-RBF以及PSO-RBF流量预测模型,模型预测准确度更高,能够很好地描述网络流的变化规律。具有泛化能力强、稳定性良好的特点,在网络流量预测中有一定的实用价值。     

中国南部交通流量预测模型研究

交通流量预测是智能交通系统技术应用的重要组成部分.为提高预测水平,引进基于区间二型模糊神经网络的交通流量时间序列预测模型,给出了基于二型模糊神经网络的仿真算法.并结合广州市某高速公路为例对交通流量进行预测,对比计算了该方法与一型模糊神经网络预测方法的预测结果,仿真表明该系统具有精确性和高可信度,预测准确性明显高于传统的一型模糊神经系统.     

WMSNs中粒子群优化的多径流量分配路由算法

针对无线多媒体传感器网络(WMSNs)节点能耗问题,提出了一种基于粒子群优化的多路径自适应流量分配路由MATDR-PSO算法。通过建立能效优化模型,将最小能耗和能耗均衡2个特性转化为多目标优化问题;利用粒子群优化算法动态分配多路径上各条链路流量来实现网络的能效优化。仿真实验表明:MATDR-PSO算法能够在降低全网节点消耗总能量的同时保证能耗的均衡特性,显著提高了网络的生命周期。