船舶自动舵和自动避碰算法仿真测试平台的研究

采用MatLab的Simulink工具箱和实船实验测试船舶自动舵和自动避碰算法，存在风险大、调试周期长、费用高的缺点。基于全任务船舶操纵模拟器，研究可用于测试船舶自动舵算法和自动避碰算法的仿真测试平台。详细介绍了该测试平台的体系结构、系统功能、接口设计，并以船舶航迹保持算法为例仿真测试了该算法对一艘商船的控制效果。该平台已成功应用于船舶自动舵和自动避碰算法的测试。     

基于粒子群优化算法的USV集群协同避碰方法

针对无人水面艇(unmanned surface vessel, USV)集群在路径规划中的协同避碰问题,提出了基于滚动优化策略结合粒子群优化算法的USV集群协同避碰方法。首先,通过已有雷达、光电等传感器参数指标建立综合视域模型;其次,采取基于正切函数的惯性权重调整结合线性调整学习因子的方法来提高粒子群优化算法的全局搜索能力,同时,在适应度函数中加入转艏角控制来提高路径的平滑性;最后,利用改进后的粒子群优化算法规划出每个综合视域内的路径。仿真实验结果表明,该优化算法能实现USV集群的实时避碰,并快速为USV集群规划出平滑、安全的全局最优无避碰路径。     

基于蚁群算法的多属性路径选择模型

针对交通网络中多属性条件下的路径选择问题,本文基于蚁群算法讨论了给定起讫点对之间综合最优路径的实现步骤.首先将蚁群按照所给的属性集合分为若干个子蚁群,每个子蚁群给定不同的属性目标.然后在每一次循环的过程中,子蚁群按照既定的属性进行路径选择,在所有的子蚁群完成一次循环后,全局更新信息素.可知,各个子蚁群既按照自己的目标搜索最优解,同时各个子蚁群之间又互相影响,使得所得的结果不仅对于每个属性目标较优,而且综合效果也很好.最后进行了仿真实验并分析了结果.     

基于前视声呐信息的AUV避碰规划研究

在复杂海洋环境中,利用前视声呐获取的障碍物信息指导自治水下机器人（AUV）进行局部避碰。主要采用强化学习的方法对AUV进行控制和决策,综合Q学习算法、BP神经网络和人工势场法对AUV进行避碰规划。强化学习的方法强调AUV在环境的影响中学习,通过环境对不同行为的评价性反馈信号来改变行为选择策略。并且在环境发生变化时,AUV通过学习来实现对新环境的适应,不断改进其自治能力,进而实现在不确定环境下的避障任务。开发了AUV运动规划的虚拟仿真软件系统,仿真实验证明了算法的合理性与可行性。     

不同路径选择策略的城市疏散仿真研究

结合Agent模型和GIS系统构建了城市大范围人员疏散仿真系统,采用A*算法建立了Agent的路径选择模型,讨论了基于最短距离、最短时间和混合型的三种路径选择策略.还基于实际的城市道路和人口数据,构建了疏散场景进行模拟.模拟结果表明:步行方式下不同路径选择策略下总体疏散时间差别不大,而车辆方式下则差别很大.不同路径选择策略下交通流的分布呈现不同特征,道路的拥挤路段和节点也不一致,因此需要采取合适的诱导策略进行引导.     

基于蚁群算法和禁忌搜索的部队机动路径选择

新形势下的部队作战规划对机动路径选择这个问题提出了新要求,需要同时达到机动时效和机动分散的双重指标.针对问题建立了数学模型,引入信息熵理论作为目标评价准则,借助改进的蚁群算法和禁忌搜索算法相结合的启发式方法对问题进行求解,给出了该方法的具体计算步骤.对仿真结果的分析表明,算法是切实有效的.     

相异路径选线问题的模型与算法

相异路径选线问题考虑的是,给定一运输网络,找出某对源宿节点之间的空间上有差异的路径。多个相异路径对于军事后勤供应、有害物品运输等在异常情况(如原来的最佳路线因气候等原因不可用)下的决策,具有重要意义。本文着重对已有的4种生成空间相异路径的算法进行了分析和评价,在此基础上构建了一个复合模型。     

变动补偿的多模糊选址-路径机会约束模型及算法

针对同时具有模糊需求和模糊旅行时间,且有车辆容量、配送中心容量和时间窗约束的选址-路径问题,基于预优化和实时调整的两阶段策略,引入变动成本的概念,建立变动补偿的机会约束预优化模型.在实时调整阶段,考虑多模糊参数的联合影响,定义变动成本为因车辆剩余容量不足返回配送中心卸载的额外配送成本和因车辆实际到达时间超出客户时间窗的时间惩罚成本总和.鉴于多模糊参数影响的时间窗可信度计算复杂,且已将时间惩罚成本作为变动成本的一部分修正目标函数,去掉时间窗机会约束,设计一阶段模拟退火算法求解,贪婪聚类构建初始解,随机模拟法估算变动成本.测试算例验证了模型和算法的有效性.得出,该模型可弱化偏好值的影响,生成实时调整变动幅度小且整体最优的预优化方案,提高对不确定环境的风险抵抗力,且求解简单;该算法是求解此类问题的较好算法;研究成果为多模糊选址-路径问题提供新的求解思路.     

基于强化学习的危化品运输路径选择博弈分析

危化品运输企业常常为追求自身利益最大化而忽略运输安全问题,导致危化品运输安全事故频发.为提高危化品运输安全性,除了行政监管,政府还通过路径税收政策影响危化品运输路径,从而避免安全事故发生.本文根据危化品运输企业具有自主学习的特性,引入强化学习相关理论方法,建立了路径税收政策下基于强化学习的危化品运输路径选择的演化博弈模型;同时通过理论分析及仿真算例,对路径税收政策下危化品运输路径选择问题进行研究.仿真结果显示,路径税收政策可促使危化品运输企业选择收税路段,进而降低危化品运输风险,对于提高国家危化品安全运输管理具有实际意义.     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。     

交通流路线选择行为演化模型

根据司机对不同路线的效用函数 ,本文建立了交通流路线选择行为演化模型 ,并利用 Master方程对该模型进行了随机型描述 .进一步地 ,对该模型进行了分支分析 ,揭示出交通流路线选择行为的一些复杂性规律 ,并应用该模型进行了交通因素对路线选择行为的影响分析 ,以求为建立和评价实时交通诱导系统提供更加全面的理论支持 .     

ATIS混合诱导模式下出行者路径选择仿真研究

简要分析了交通广播、VMS及车载诱导等诱导模式的特点及其对出行者路径选择行为的影响,建立了不同诱导模式下出行费用的计算模型及多种诱导模式混合作用下的出行者路径选择模型,据此提出了相应的仿真方法.对4×4结点路网的仿真结果显示:1)各类交通信息能有效地缩短出行者的出行时间,ⅣS信息的效果更为显著;2)当系统中无其它诱导方式时,IVS的效果比有其它诱导方式时更为显著,且其效果随IVS安装率增加而降低,当存在其它诱导方式时,其效果与IVS安装率的关联不显著.     

可变信息标志诱导下的路径选择行为

随着智能交通技术的发展,可变信息标志(VMS)被广泛应用于动态交通管理中.元胞传输模型(CTM)可以很好的模拟交通流激波、排队形成与消散等交通流动力学特性.应用CTM研究了无信息诱导路径选择、基于VMS的近视转换和有界理性路径选择等三种规则,数值模拟结果表明, 后两种规则可以减少系统 总出行时间,信息服从率越高, 系统的改善程度越大.当有界理性规则的``界'参数设置在一定区间内时,该规则优于近视转换规则, 否则不如近视转换规则.     

一类物流输送网络路由的优化调度研究

针对一类物资配送系统的瓶径效应问题，提出了一种多车多路径输送网络模型及其描述。根据配送系统的特点，采用智能蚂蚁算法优化输送系统网络的路由，给出了优化算法和实现过程。最后给出了实验验证。实验结果表明：该方法能较好的解决输送系统的路径优化和调度问题，提高了系统出入库效率。     

工艺铁路进路规划和控制的实现研究

研究了工艺铁路运输系统的分析设计方法:通过对锚点和衔接点的定义,建立了铁路站场网络的描述方法,并进一步构建了站场元素的详细信息模型.对进路选择建立了模型,在路径最短以及作业晚点最少的约束条件下采用遗传算法进行求解.通过离线仿真、在线并行运行、在线实际运行,解决了实际问题中的多种情况.最终在线建立和实现了进路控制系统.     

宝钢四号高炉区域铁水运输仿真系统研究

铁水运输是一个十分复杂的物流系统，应用离散事件系统的有关概念和方法，采用等效信息源的方法建立了四号高炉(4BF)区域铁水运输局部仿真系统。通过仿真多种方案，对铁路布局进行了论证，其结果已在工程决策中采用。     

虚拟战场环境中武装直升机航路规划算法研究

将直升机三维航路规划分解为水平航路规划和垂直航路规划进行计算。水平航路规划采用改进的蚁群算法,垂直航路采用综合坡度曲率限制平滑算法,有效地提高了解的性能和收敛速度并且能够计算出满足直升机机动性能要求的三维理想轨迹。最后用计算机进行了仿真,取得了较好的效果。     

一类半开放式车辆路径问题及其禁忌算法研究

对半开放式车辆路径问题进行了描述,提出了核心路径的概念和理论,并根据问题的特点设计了基于核心路径的禁忌算法.算法分为初始优化、核心路径的提取和连接以及后期优化三部分,采用自然数编码,用GENI插入法构造初始路径和进行邻域操作,设计了三种邻域以扩大搜索空间,用能力约束控制单条路径的配送点数,以增加惩罚的方式加入配送距离约束.算法利用核心路径的特点阻碍不良路径的生成,并在后期优化的第二阶段拆开核心路径,进行优化路径的调整.最后采用多组数据进行计算并对结果进行了分析,证明了基于核心路径禁忌算法对优化有能力和距离约束半开放式车辆路径问题的有效性.     

灾害扩散实时影响下的应急疏散路径选择模型

应急疏散的目的是要在灾害发生时将处于危险地带的人群尽快转移至安全地带.由于灾害的扩散,疏散网络中各弧段上的路况将不断恶化,且不同的弧段受到灾害扩散影响的程度也将不同.为此,在提出的应急疏散路径选择模型中,将通过疏散路径所需的总疏散时间最短作为优化目标,将各弧段上的通行速度表示为关于时间的连续递减函数,并对不同弧段的速度函数设置了不同的衰减参数.设计了求解这一时变最短路问题的改进Dijkstra算法并给出了算法的正确性证明,仿真实例说明了模型和算法的有效性和可行性.