一种新型的MVB非周期信息优化调度策略

多功能车辆总线(MVB)是列车上通用的内部通信网络总线,对实时性有较高要求.通过分析MVB非周期信息的通信机制和调度策略,针对非周期信息存在仲裁延时的状况,提出了一种新的非周期信息调度策略,避免了仲裁过程.并将设备优先级加入信息模型中,保证紧急非周期信息的优先发送.案例仿真计算分析表明,所提调度策略能有效提高网络总线的实时性,在不同设备数的条件下优势明显.与其他方法比较,在同设备多待发信息的情况下可以有效减小信息的最大响应时间,保证非周期信息的实时性.     

基于改进差分进化算法的MVB周期调度表优化设计

多功能车辆总线(MVB)周期调度表的优化设计对提高列车通信网络实时通信的可靠性和均衡网络负荷具有重要作用.考虑到已有的多功能车辆总线周期调度表优化方案存在的不足,提出了一种基于改进的差分进化算法的优化设计方法.首先建立调度问题的数学模型,根据IEC61375-1国际标准和可调度性要求建立了优化目标和约束条件;然后根据周期调度表的生成特点对原差分进化算法的变异和选择阶段进行了改进,提出了适用于MVB周期调度的优化方法;最后通过仿真实验与现有优化算法进行比较,验证了本文所提的改进的差分进化算法对周期调度表的构建具有更佳的优化效果.     

基于遗传算法的MVB周期调度表优化

提出一种基于遗传算法的多功能车辆总线（MVB）周期信息实时调度算法. 先根据IEC61375 1国际标准确定约束条件和优化目标, 再以MVB周期信息群体为操作对象, 通过调整调度表的宽度和梯度等参数, 获得优化调度表, 以解决现有调度算法在数据传输能力和总线利用 率方面存在的不足. 仿真实验表明, 该算法相比其他算法对周期调度表的构建具有更佳的优化效果, 并提高了总线利用率.     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.     

基于蚁群算法的配电网重构

配电网络重构是一个非线性组合优化问题。本文提出了一种新颖的基于蚁群算法来求解正常运行条件下的配电网络重构问题,以达到线损最小。蚁群算法ACA（Ant colony Algorithm）是一种新型通用内启发式算法,研究表明该算法具有并行性、鲁棒性等优良性质。结合配电网的特点,本文应用蚁群系统算法来解决配电网重构问题,建立了相应的数学模型,并给出求解过程。最后通过一个IEEE33节点算例验证了本文所提出的算法的可行性和有效性。     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.     

多功能车辆总线事件仲裁实时调度算法

针对列车通信采用多功能车辆总线(multifunction vehicle bus,MVB)网络传输数据的实时性要求,提出一种动态优先级时间片轮询算法.该算法根据非周期数据的优先级进行仲裁调度,通过优化算法复杂度、减小数据等待延时和阻塞延时,解决了MVB网络实时性的问题.并对MVB总线非周期数据的实时性、公平性等进行仿真分析,结果表明,该算法能提高MVB总线非周期数据传输的实时性与公平性,可满足列车通信网络标准ICE61375-1对实时性的要求.     

基于抗体的蚁群优化算法研究

针对蚁群优化（ant colony optimization,ACO）容易陷入局部最优,提出一个基于抗体的新型蚁群优化算法(ant colony optimization based on immune algorithm,ACOI)。ACOI是利用免疫算法中抗体的概念来改善人工蚂蚁搜寻解空间的方式,使人工蚂蚁不仅会依随费洛蒙的指引,还会受到抗体的影响去搜寻解空间;而抗体也会随着环境的改变,使抗体成为有效的及无效的2种情形,有效的抗体对人工蚂蚁会有影响,无效的抗体则没有影响。用旅行销售员问题（traveling salesmen problem,TSP）验证ACOI的效能,并与ACO做比较,证明了在蚁群系统中加入抗体要比单纯的蚁群系统效率更高。     

基于蚁群优化算法的钢架结构优化设计

采用蚁群优化算法对3跨24层168杆件的钢架结构重量进行优化计算,并对此结构采用美国钢结构规范(ASCI)、英国钢结构规范(BC5990)、国标钢结构规范(GB50017)3种规范体系进行对比分析。分析结果表明,基于TSP模型的蚁群优化算法对钢框架结构优化设计具有很好的适用性,尤其是对复杂钢结构的优化设计具有更快更强的适用性。     

基于改进蚁群算法的优化设计

为研究结构优化设计问题,以二进制为基础,基于图解的蚁群系统,提出伪并行蚁群算法,以改善蚁群算法性能,并将其应用于结构优化设计中参数的求解.算例表明,改进的蚁群算法可求解连续优化问题,收敛速度快,计算精度高,并具有满意的优化效果,可用于工程优化设计.     

基于非等值初始量蚁群算法的矩形优化排料

为提高矩形排料的板材利用率并节约求解时间,提出了非等值初始量蚁群算法,并应用于矩形优化排料问题。在蚁群算法初始信息素量赋值过程中引入矩形面积和长宽比因素以增大各矩形初始信息素的差别,加快算法收敛速度;同时对传统蚁群算法的信息素更新规则作适当改变,以便于信息素快速更新,缩短求解时间。采用改进的最低水平线法作为排料方法,能充分利用已产生的闲置区域,减少板材浪费。对比实验的结果表明,与传统蚁群算法和其他几种典型算法相比,本文算法能进一步提高板材利用率,且求解时间较短。     

基于蚁群算法的虚拟企业生产任务调度优化研究

描述了虚拟企业生产任务调度的层次框架,该调度框架包括虚拟企业全局调度和合作伙伴局部调度两个层次.针对虚拟企业调度层的优化问题,综合考虑虚拟企业生产任务的时序逻辑关系、作业时间和生产任务集等影响因素,建立了以任务总作业时间最小化为目标的数学模型,并基于蚁群算法对上述优化模型进行了求解.应用实例与算法比较验证了优化模型与求解算法的有效性.     

基于蚁群算法的粗糙集知识约简

给出了一种新的粗糙集知识约简方法,即结合粗糙集理论的依赖度定义,先给出知识约简转化定理,然后运用一种改进型蚁群算法,采用局部和全局搜索相结合的方法,对知识表达系统进行约简.同时,在适值函数中引入罚函数,从而保证所求的约简在包含最少而非零个属性的基础上有较大的依赖度.通过Matlab计算实例可看出,本文算法对求解知识约简问题快速有效.     

基于改进蚁群算法的应用与研究

针对传统蚁群算法在构造解的过程中收敛速度慢且容易陷入局部最优问题,提出了一种改进蚁群算法。在蚁群搜索路径过程中,通过建立信息素启发式因子α和期望启发式因子β的互锁关系,动态自适应调整α和β;结合车辆运输调度问题,对距离启发式因子ηij（t）进行重新定义,引入不同客户间的“偏好力”,提高算法的搜索效率及实用性。将改进蚁群算法分别应用到机器人路径规划及车辆调度问题并进行仿真,取得了较好实验效果,验证了该方法的可行性和有效性。     

蚁群算法研究进展

人工蚁群算法是受到蚂蚁在觅食过程中能发现蚁巢到食物的最短路径这种搜索机制的启发而发展起来的一种群体智能算法、蚁群算法在求解一系列困难的组合优化问题上取得成效，成为解决TSP，VRP，QAP，JSP等典型问题的一种新型的强有力算法．对蚁群算法的起源和发展历史、算法理论研究的主要内容和方法、基于算法的改进以及应用范畴等，进行了系统的总结与综述，并对这一新型现代启发式算法的发展方向进行了展望．     

蚁群算法求解迷宫最优路径

提出了基于蚁群算法求解迷宫最优路径的算法。设定两组蚂蚁分别分布在迷宫中距离入口、出口路径长度为尼的前沿位置,根据移动规则,相向爬行。迷宫中各位置记忆蚂蚁信息素量和至迷宫入口、出口的路径长度。蚂蚁爬行至一新位置后,根据当前位置的信息而修改周边位置至入口或出口的路径长度,从而形成一条宽度为3的路径信息带。蚁群在迷宫中爬行使得迷宫中记忆了大量的路径信息,从而容易实现两段路径的拼接,提高了蚂蚁寻找到达目的地最优路径的效率。不同规模迷宫的试验结果显示,该算法是一种求解迷宫最优路径问题的有效解法。     

基于蚁群算法的军用飞行器航迹规划

为了提高军用飞行器的作战效能,在实施远程精确打击之前,必须利用地形和敌情等信息,规划出生存概率最大、作战效率最高的飞行器突防轨迹.针对这一问题,讨论了基于蚁群算法的航迹规划方法,并经过坐标变换将算法的候选解集合、航路选择规则以及信息素更新规则进行了改进,获得了一种更有效的航路规划方法,且取得了较好的计算机仿真结果.