基于自适应惯性权重优化后的粒子群算法优化误差反向传播神经网络和深度置信网络（DBN-APSOBP）组合模型的短期旅游需求预测研究

旅游需求的精准预测对于旅游景区资源调度和管理有着重要作用。单一的浅层学习算法无法很好地拟合旅游客流量的特征,针对上述问题,本文通过组合深度学习和浅层学习算法,同时结合网络搜索行为数据,建立深度置信网络和利用自适应惯性权重优化后的自适应惯性权重优化的粒子群算法(APSO)去优化误差反向传播神经网络(BP)神经网络——APSO-BP的组合预测模型,用深度置信网络(DBN)模型对原始非线性客流量数据预测,再对DBN模型预测所产生的残差建立APSO-BP模型进行预测,将二者预测值合成后得到最终的预测值。通过实验证明了该组合模型能够较为准确的拟合客流量数据特征,有效地提高了预测精度。     

基于自适应惯性权重优化后的粒子群算法优化误差反向传播神经网络和深度置信网络(DBN-APSOBP)组合模型的短期旅游需求预测研究

旅游需求的精准预测对于旅游景区资源调度和管理有着重要作用。单一的浅层学习算法无法很好地拟合旅游客流量的特征,针对上述问题,本文通过组合深度学习和浅层学习算法,同时结合网络搜索行为数据,建立深度置信网络和利用自适应惯性权重优化后的APSO去优化BP神经网络——APSO-BP的组合预测模型,用DBN模型对原始非线性客流量数据预测,再对DBN模型预测所产生的残差建立APSO-BP模型进行预测,将二者预测值合成后得到最终的预测值。通过实验证明了该组合模型能够较为准确的拟合客流量数据特征,有效地提高了预测精度。     

基于提高服务水平的公交发车频率优化模型研究

随着社会经济的发展,公交行车调度的重点逐渐由先前的单纯注重公交企业经济效益转向其服务水平的进一步提升.在此基本思想指导下,建立了基于以乘客利益最大化为主要目标的非等效实时优先协同优化公交网络调度模型的,并采用了遗传算法与模拟退火算法相结合的混合遗传-模拟退火(GA-SA)算法对公交行车调度发车频率进行优化,同时采用上海市公交调查数据对其进行了验证.结果表明该优化模型有较强的实用性.     

分时电价下梯级水电站间短期优化调度仿真

将蚁群优化算法用于求解分时电价下梯级水电站间短期优化调度模型,考虑市场竞争下的电价和电量、水库存水价值、水流时滞以及设备折旧等因素,建立了利益最大化为优化准则的短期优化调度模型.给出了蚁群算法求解梯级短期优化调度模型的数学描述及算法的求解步骤.最后以某梯级流域中三个水电站的相关数据建立了相应的优化调度模型,运用蚁群算法进行了计算仿真,并与传统的动态规划法进行对比.仿真结果证实了所采用算法的有效性和可行性.     

基于粒子群算法的公交调度优化研究——以广州为例

为解决城市交通拥堵,发展公交优先策略、建设公交都市等方法和手段不断得到重视,其中,公交调度优化问题是核心技术问题,而公交发车时间间隔对于人们的出行影响非常大.该研究依据广州市公交线路的实测数据,以使社会成本最低为目标,以乘客的满座率和公交企业的盈利为约束条件,在科学可行的假设条件下建立公交调度模型,并基于粒子群算法确定最优的发车时间间隔,运用仿真程序检验模型的准确性和算法的可行性.仿真结果表明该模型可以有效优化公交调度发车时间间隔,减少不必要的公交延误.     

基于项目拆分决策的多模式资源投入

结合一类实际生产决策需求,提出了基于项目拆分决策的多模式资源投入调度问题,并以资源投入最小化为优化目标,建立了问题的数学模型.针对模型特点,提出了包含项目拆分算法和多模式资源投入型项目调度算法的双层优化算法,其中项目拆分算法通过将作业在不同子项目之间有效移动获得合理的拆分方案,多模式资源投入型项目调度算法通过分析不同作业对时间约束和资源约束的影响来确定优先级规则,进而得到最佳调度方案.应用PSPLIB标准算例进行数据实验,结果证明了算法的有效性和可靠性.     

多目标列车节能调度模型及模糊优化算法

在保证行车安全、满足乘客需求的基础上,以节能为目标的列车调度模型及算法得到了广泛研究与应用。伴随着欧盟制定了全球首个碳排放交易体系,碳排放指标交易费用受到越来越多的重视,并逐步成为列车运营成本的重要组成部分。本文建立了以能耗成本、碳排放成本、列车运行时间为优化目标的单线列车调度模型,并采用多目标模糊优化算法进行求解。算例以一条铁路线路为研究对象,在Lingo下对算例进行求解分析,结果表明了多目标模糊优化算法具有很好的优化能力,并能达到节能减排的效果。     

基于K近邻模式匹配的地铁客流量短时预测

为准确预测地铁客流量,以便更好地进行车辆调度和站点管理,提出一种基于K近邻模式匹配的地铁客流量短时预测方法.通过分析地铁客流数据,发现地铁的日客流发展模式具有一定规律;针对该发现,提出一种基于误差变化率计算的自适应K值获取算法,自动获取合适的K值以提高预测算法的普适性.最后以广州火车南站地铁站为例进行实例分析,结果表明:所提出的方法同时适用于节假日与非节假日两种不同交通模式的地铁客流预测,平均预测精度在90%左右,具有较好的应用推广价值.     

基于时间序列的铁路客流量预测及票额优化配置

铁路客流量受多因素影响,其时序特征明显,因此,基于平稳时间序列构建客流数据预测模型及单车次多区间票额分配模型,有利于掌握客流动态变化,改善铁路运营压力。实现特征数据抽取系统开发,进行累加、循环、筛选算法等数据预处理;运用多因子方差分析评价多种因素的显著相关性影响,通过ARMA模型进行短时旅客客流量预测,进行模型优化并检验,同时,基于线性规划构建客座率最大化的区间票额分配优化模型。     

公交运营调度优化的评价指标模型研究

针对公交运营调度优化的效果,提出了评价优化效果的评价指标模型,并给出该模型相应的算法。评价指标包括运能匹配度、平均换乘次数、有效时间利用率,并运用层次分析法(AHP)将指标融合成一个综合的评价指数,建立了运营调度优化的评价指标模型。并以广州市中的几条线路为例,运用指标模型算法对线路的调度优化评价提出简单算法。该模型的三个指标都属于定量的技术性指标,克服了线网优化指标不能评价动态调度方案的问题,对于评价运营调度优化方案,具有较强的实用性。     

网络搜索数据和GWO-SVR模型的旅游短期客流量预测

利用皮尔森相关系数法处理网络搜索数据,用灰狼算法（grey wolf optimizer,GWO）优化支持向量回归（support vector regression,SVR）中的参数,提出并实现一种基于网络搜索数据和GWO-SVR模型的旅游短期客流量预测模型,并用参数优化后的SVR对客流量进行建模预测. 以四川省九寨沟和四姑娘山两个景区为例,构建GWO-SVR、ARIMA、BPNN、SVR、CS-SVR、PSO-SVR和无网络搜索数据等客流量预测模型进行实证分析. 结果表明,GWO-SVR模型均优于其他模型,具有更高的预测精度.     

基于改进遗传退火算法的高速公路巡逻车路径优化调度

为了合理分配有限的高速公路巡逻车资源,构建了确定型高速公路巡逻车路径及调度优化模型。探讨了有限巡逻车资源路径、调度优化建模问题;构建了以全覆盖模型为基础,以事故响应时间最小为目标的优化模型。将连通的路径作为染色体,基于MATLAB对改进的遗传退火算法进行编码,采用动态交叉及变异概率,在交叉变异后子代更新中引入模拟退火算法Metropolis准则;并在改进的遗传退火算法中加入动态规划算法对巡逻车进行分配。以Sioux Falls路网及数据,对MATLAB编码的遗传退火算法进行验证,计算结果与两种情景假设及模拟退火算法优化结果作比较。结果表明:改进的遗传退火算法求解结果比相应的情景假设求得事故响应时间分别减少了23. 35%与28. 28%;与模拟退火算法求解结果相比,该方法具有更好的寻优效果及计算效率。MATLAB编码的改进遗传退火算法对中大型路网路径、调度寻优效果较好。     

基于结构模型的调度员工作负荷优化研究

高铁调度指挥中心承担着对铁路上运行车次的运行状态监督和综合调度工作,同时还需负责控制铁路上的车流,确保各项平衡,在保障行车安全方面发挥着不可替代的作用。在高铁铁路非正常行车的应急场景下,调度人员需要迅速、正确地针对突发事件进行应急处置的操作,对列车的安全运营起着决定性的作用。本文以高铁调度员在应急处置时认知决策过程为研究对象,利用实验室仿真实验平台,面向非正常行车的应急场景,设计了认知决策机理模型的结构及对应测量模型的数据采集方法。基于信息处理模型,结合知觉负载理论和情景意识概念,增添脑力负荷元素,建立面向高铁调度员的认知决策机理模型。针对脑力负荷的评估,设计并采用了一种特征选择和支持向量回归(Support Vector Machine, SVM)参数选择联合优化的粒子群算法,对基于多源生理信号的支持向量回归模型的训练过程进行优化,综合运用信号处理理论及数学方法,针对脑电、心电和眼动三类生理信号提取各自的数据特征。对结构方程模型进行拟合,研究脑力负荷与注意力和工作记忆之间的关系,对后期调度员工作负荷及适岗能力优化更具实用价值。     

基于路径交通拥堵指数的危险废物回收模型研究

针对交通拥堵对危险废物运输中的成本和风险的影响,引入路径交通拥堵指数,建立了时变道路系统中基于交通拥堵指数的危险废物回收双目标优化模型,并对传统蚁群算法中启发式因子计算公式进行了改进,提出了改进的蚁群算法对模型求解,最后以某环保公司危险废物回收问题为背景进行了案例分析。结果表明,不同出发时间和车辆使用模式对帕累托最优解有显著影响,最短路径不一定是耗能最少的行车路线。本文提出的模型和算法可为决策者制定调度方案提供参考。     

常规公交组合调度优化研究

为满足公交企业管理运营和乘客二者共同的利益需求,达到资源合理配置,结合现场调查数据,借助Matlab进行公交OD客流量的反推计算,同时在确定大站快车开行的站点的基础上,分别得到大站快车和全程车调度的OD客流量,然后建立包含大站快车和全程车两种调度形式的发车间隔优化模型. 以北京某公交线路作为研究对象,选取平均运行速度、开行班次、停车次数、公交运营成本等指标进行敏感性分析. 结果表明,模型在满足乘客的需求的同时,降低了公交企业约25%的运营成本.     

“一罐制”铁水调度优化模型的研究

铁水转运是钢铁生产的一个关键衔接环节,对控制钢铁生产节奏、保证产品质量起着极其重要的作用。钢铁生产新工艺的"一罐制"铁水运输,缩短了钢铁界面流程,使生产的刚性和连贯性增强,对铁水转运系统的要求更高,因此钢铁企业日益重视对铁水转运调度的研究。在对行车起重机+铁水车"一罐制"铁水转运和调度的研究基础上,分析了新工艺流程中铁水转运系统的特点,对钢铁生产的调度计划进行优化,建立了基于"一罐制"铁水转运多目标径路优化模型,并给出了模型算法。算法实现了新工艺下铁水物流运输的智能优化调度,使铁水运输趋于准点,降低生产能耗。     

一种基于多目标优化的混合在线集卡调度方法

为了提高集装箱港口工作效率,在"大作业面"前提下,结合任务触发型和集卡触发型两种集卡在线调度方法,综合考虑系统总作业时间、岸吊等待时间以及集卡空载率问题,建立多目标优化模型,并运用启发式方法提出一种混合在线集卡调度算法。最后,以港口实际数据为例,通过实验仿真例证了模型优化效果和算法工作效率。     

耦合约束柔性作业车间调度优化研究

为扩展工艺约束的存在形式,对耦合约束柔性作业车间调度模型构建与调度优化算法设计进行探讨。在沿用链式约束调度的形式化与图形化描述构建耦合约束模型的基础上,对耦合约束邻域结构进行设计,选取禁忌搜索算法为设计框架,围绕算法执行步骤进行设计,并采用耦合约束案例与Brandimarte测试数据验证调度优化算法的适用性与优化性。耦合约束模型构建与调度算法的探讨为多部件系统作业的调度优化提供解决方案,也为调度相关邻域的深入研究拓宽思路。     

“一罐制”铁水调度优化模型的研究

铁水转运是钢铁生产的一个关键衔接环节,对控制钢铁生产节奏、保证产品质量起着极其重要的作用。钢铁生产新工艺的"一罐制"铁水运输,缩短了钢铁界面流程,使生产的刚性和连贯性增强,对铁水转运系统的要求更高,因此钢铁企业日益重视对铁水转运调度的研究。在对行车起重机+铁水车"一罐制"铁水转运和调度的研究基础上,分析了新工艺流程中铁水转运系统的特点,对钢铁生产的调度计划进行优化,建立了基于"一罐制"铁水转运多目标径路优化模型,并给出了模型算法。算法实现了新工艺下铁水物流运输的智能优化调度,使铁水运输趋于准点,降低生产能耗。     

运用改进的萤火虫算法求解TFT-LCD单元装配调度问题

针对薄膜晶体管液晶显示器(TFT-LCD)液晶板组装制造阶段(Cell)生产调度的复杂性,且在考虑了各种约束条件的前提下,以最小化工件最大完工时间和加权延迟最小为调度目标,建立了TFT-LCD单元装配作业调度数学模型。运用加入混沌搜索的萤火虫算法解决作业车间调度问题,克服了标准萤火虫算法容易陷入局部最优、优化速度慢以及计算量大等困难,并与其他算法比较,仿真结果表明了改进的萤火虫算法求解TFT-LCD单元装配作业调度问题的合理性和优越性。最后,建立了具有学习效应和遗忘效应的TFT-LCD单元装配作业调度模型,分析了不同的学习因子和遗忘率对所求目标函数的影响。