面向鲁棒性的高速铁路网络列车运行调整计划优化模型

针对高速铁路路网中出现区间封锁事件,考虑事件持续时间的不确定性,以列车运行时间和安全间隔时间为约束条件,引入路径选择唯一性约束保证列车运行调整计划的鲁棒性,以所有列车晚点时间之和的期望值最小为目标函数,建立高速铁路列车运行调整计划优化整数规划模型.设计基于优先级规则的启发式算法,求解原模型的可行解.运用拉格朗日松弛算法和最短路径算法求解该模型的松弛模型,得到原模型最优解的下界.根据可行解与最优解下界之间的距离,可以定量地衡量可行解的质量.结果表明,相较于CPLEX数学求解软件,算法求解效率较高;模型与算法能够有效生成鲁棒的列车运行调整计划,为调度员提供必要辅助决策信息.     

危险品车辆路径规划的双目标模型与算法研究

本文在交通流量、行程时间、受影响的人数等不确定条件下,研究了危险品运输车辆的可靠性和安全性双目标路径规划模型.对于可靠性目标,考虑了路段的随机通行时间、路口等待时间以及路段和路口通行时间相关性的3个因素的可靠路径搜索问题.对于安全性目标,不仅考虑危险品运输车辆所经过路段附近受影响的人数,还考虑了事故发生后该路段上的车辆中受影响的人数以及其相关性.由于目标函数的不可加性,本文提出了一个新的基于不等式放缩技巧和K短路算法的启发式算法,对双目标函数进行求解,节约了计算量,并给出了搜索非支配解(non-dominated solution)的方法.数值算例的结果说明与传统的模型相比,若忽略信号交叉口的随机延迟和相关性会导致寻找可靠最短路径和最优安全路径的结果存在偏差,导致路径选择不准确,有可能造成严重的经济损失和环境危害.最后,通过数值演示了该算法在现实道路交通网络中的潜在应用前景.     

带通行限制的加权A*算法及其数据库实现

当A*算法应用于带有通行限制的路网时,算法得到的最优解中含有不可通行的路段,而人们期望的搜索结果是可通行路段的集合。为找到符合限制条件的最优解,本文通过建立合适的数据库表结构,对 A*算法进行改进,实现了带通行限制的A*算法,并对启发函数进行加权,使算法能够根据存储在数据库中的限制条件扩展节点,减少算法遍历的节点数目,降低执行时间,达到搜索出符合条件的最短路径的目的。     

突发性灾害中高速公路分流体系的设计

从交通流速度—密度的理论与实证关系入手,考虑天气对高速公路交通流的影响,进而有效地进行突发性灾害下分流体系的设计.在灾害性天气出现时导致交通流堵塞的主要原因是关键点的通行能力发生变化,借鉴HCM的方法和Banks的方法对瓶颈点的通行能力进行分析.最后以2008年初中国南方地区冰灾造成的高速公路交通阻塞为背景,设计了一个交通分流的算例,以待分流的堵塞车辆到达目的地时间最短为目标函数.在对N辆车进行初始分配时,先找出每条可行路最拥挤的路段,然后将第i辆车分配到所有拥挤段中相对畅通的路段对应的路径,将通行时间最长的路径上的车辆调整到其他路径上,以迭代算法求解最优解.     

基于最短路径算法的用户最优动态配流模型

建立了描述路段交通量变化的状态方程及相关约束,在最短路径算法的基础上,给出了多起点多讫点以及Ｏ－Ｄ量随时间变化路网的动态用户最优配流解（ＤＵＯ）算法．仿真结果验证了模型及算法的有效性．     

基于距离测算的企业物流配送最优路径规划模型研究

针对当前企业物流配送总成本过高、配送距离过长等问题,提出基于距离测算的企业物流配送最优路径规划模型.测算企业物流配送时的车辆行驶时间距离与空间距离,将两者归一化处理实现配送距离测算;借助鲸鱼优化算法,通过包围猎物的形似搜索最优配送路径;为避免陷入局部最优解,融合莱维飞行与鲸鱼优化算法,选择最优配送路径;结合距离测算值与改进后的鲸鱼优化算法,构建企业物流配送最优路径规划模型.通过该模型选择捕猎路径最短的鲸鱼,将该鲸鱼的位置作为最佳鲸鱼位置并输出,实现企业物流配送最优路径规划.该模型可在城市内有大量需求点情况下,规划出最优路径,且规划后的路径能够有效减少配送距离、降低时间消耗.     

车载导航系统中动态最短路径研究

以城市动态交通网络为背景,以路段通行时间作为计算最短路径的依据,在A*算法的基础上引入动态路阻函数,在全局范围内动态确定车辆最优路线,提高出行效率.     

激励机制改进蚁群优化算法用于全局路径规划

为提高优化算法搜索能力,分析了基本蚁群优化算法和心理学家斯金纳的强化激励方法的基本原理,将正、负激励原理应用于改进基本蚁群优化算法,提出了基于激励机制的改进蚁群算法,并给出了其数学描述。将改进的算法应用于求解旅行商问题和避碰约束下的最短路径规划问题,并与基本算法进行比较。仿真试验显示,改进的蚁群算法有效搜索到最短路径,实现全局路径优化。由于采用了激励机制,使得种群中所有个体都能够积极向最优解移动,从而更快地找到最优解,其较之基本蚁群算法具有较快的收敛速度,整体性能优越,能够应用于求解路径规划等问题。     

基于遗传算法的联合运输路径优化

联合运输是在能源危机、交通拥堵及环境污染约束下的一种理想运输模式。随着国际贸易的飞速发展,联合运输成为了一个热点问题。而联合运输的运输路径优化问题又是联合运输中的重点和难点之一。将综合运输的运输路径优化问题转化成为一个最短路径问题,以成本和时间为优化目标建立了选择最优路径的模型,并应用交叉、变异概率的自适应机制等实现技术设计了一个遗传算法作为求解算法对实例问题进行了求解验证,结果表明该算法具有良好的性能。     

人工鱼群算法在孔群加工路径优化中的应用研究

将人工鱼群算法应用于孔群加工路径优化的研究,建立以最短加工路径为目标的路径优化数学模型,阐述算法实施的具体过程并进行算例分析.结果表明,该方法求最优解的性能优于Hopfield算法、进化蚁群算法、人工免疫算法以及改进的遗传算法,获得的最优路径可以节省71.47%的行走路程.     

基于遗传-蚁群优化算法的QoS组播路由算法设计

为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的QoS组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。     

一类带性能约束的二维几何布局优化

提出一类带性能约束的二维几何布局优化问题模型及其求解算法．该算法分三个 阶段处理，即嵌入阶段、可行初始布局阶段和优化布局阶段，并给出每个阶段相应的几 何布局质量的评价标准函数、算法和结束准则。在具体的求解过程中；综合运用了拟 物原理、广义力矢量松弛法原理、有向树搜索原理来构造布局优化的算法．给出一种 在可行布局范围内不断压缩几何体布局的范围同时进行迭代改善布局过程的方法来寻 找最聚集的优化几何布局．用Ｆｏｒｔｒａｎ语言编制了相应算法及图形显示的程序，文 后给出了算例的验证结果。     

点、边带约束成本的最短路问题及其算法

提出了点和边都带有成本约束的最短路问题，证明了该问题是NP－完全的，建立了这类问题的数学规划模型，并采用拉格朗日松弛算法对模型进行求解，给出了次梯度优化求解算法的一般步骤，考虑到算法在实际求解过程中收敛速度较慢的问题，进一步对拉格朗日松弛算法进行了2个方面的改进，一方面确定适当的迭代步长，另一方面选择较好的迭代方向，算法实例表明，改进后的拉格朗日松弛算法迭代步数显著较少，证明算法是有效的。     

基于改进粒子群优化的多无人机协同航迹规划

由于航迹规划可以为多无人机飞行控制提供参考指令,且当前粒子群航迹规划算法存在收敛速度慢,成功率不高的缺点,故提出了一种综合改进粒子群的多无人机协同航迹规划算法,考虑了无人机性能约束、障碍与威胁约束、空间协同与时间协同约束。首先,通过对学习因子线性化调整,实现了粒子惯性和最优行为的平衡;其次,引入混沌初始化,改善了粒子分布质量;然后,基于遗传变异思想设计了取代策略,同时提出了调速机制,提升了算法收敛速度。最后,将综合改进粒子群算法进行仿真验证,规划结果成功率高、收敛速度快且航迹代价小,可见改进算法的有效性。     

基于量子粒子群算法的无人水面艇路径规划

为了获得无人水面艇航行的最优路径，提高航行的安全性和航行路径的平滑度，提出一种基于量子粒子群优化的无人水面艇路径规划算法。首先，通过引入动态控制参数来提高该算法的寻优能力和搜索精度，并由测试函数验证其可行性；然后，在航行安全的前提下，以路径长度和路径平滑度为规划目标，在不同环境下对无人水面艇进行路径规划仿真实验。仿真结果表明，该算法在路径长度、路径平滑度及路径安全性方面表现较好，能找到全局最优路径。     

基于速度分配的航空器绿色滑行优化

针对航班量过快增长以及机场容量限制导致的机场滑行道拥堵问题,在航空器滑行路径优化的基础上,提出一种基于遗传算法和Yen算法的速度优化方法。首先规定速度变化剖面,以滑行时间和尾气排放为目标,以最大滑行速度和加速度为决策变量,考虑机场滑行规则和滑行限制设定约束条件,建立滑行路径和速度的优化模型;然后利用Yen算法对浦东机场16架航空器的滑行路径进行预筛选,为每个航空器分配3条路径;最后利用遗传算法进行仿真求解,依据最小滑行成本得到最优的滑行路径和速度分配方案。结果表明,优化后的滑行时间降低21.82%,尾气排放降低27.17%,滑行成本降低25.77%,且未产生冲突。可见本文建立的优化模型和方法对提高场面运行效率和减少航空污染具有一定的可行性。     

多目标遗传算法在机器人路径规划中的应用

针对具有多个优化目标的机器人全局路径规划问题，提出一种改进的多目标优化遗传算法。在初始群体的生成中，采用把随机法和基于问题先验知识的启发式方法相结合的策略，以加快收敛速度；在遗传算子的设计中，引入删除、修复和平滑算子，以提高算法的搜索效率；在选择算子中。加入避免外部存储器中出现相同个体的机制，以防止早熟收敛。仿真结果表明：该文算法运行一次能够有效地产生一组近似Pareto最优路径解。     

动态投入产出最优化控制模型的微粒群算法

对于动态投入产出最优控制模型的以往求解方法,只能求出其局部最优解,而不能求出全局最优解.提出了一个新的动态投入产出最优控制模型,给出一个新的算法-微粒群算法,该算法计算结构简单,具有较强的全局寻优能力、收敛速度快和较高的计算精度.数值实验表明:提出算法的计算结果优于用传统的最优化方法计算的结果,同时也验证了微粒群算法对求解动态投入产出最优控制模型的有效性.     

计及路网权值时变特性的全局最优路径规划

由于静态路径规划（static path planning,SPP）和滚动路径规划（rolling path planning,RPP）思想无法求解全局最优路径,提出了一种计及路网权值时变特性的全局最优路径规划方法（global optimal path planning,GOPP）。利用Vissim软件对重庆大学城某区域路网进行建模与仿真,采用改进的前向关联边数据结构存储路网拓扑关键要素及行程时间仿真数据,以此作为路径规划数据库。在此基础上,推导跨时段路段的实际权值,提出一种基于Dijkstra算法的GOPP方法。最后基于路径规划数据库,在证明经典Dijkstra算法相比智能启发式算法具有全局最优求解能力的基础上,分别采用SPP、RPP和GOPP方法在MATLAB环境下仿真得到3条规划路径,结果表明GOPP累计行程时间为1 158.7 s,相比SPP和RPP分别减少了212.7 s和57.6 s,有效验证了GOPP在缩短交通出行时间的优越性,对今后智能交通系统的发展具有一定的理论指导意义。     

考虑失稳模式的环肋圆柱壳结构优化设计

利用ANSYS参数化建模与遗传算法相结合的方法进行结构优化,研究了总长和半径一定的环肋圆柱壳以质量最轻为设计目标,满足强度和稳定性要求的最优壳体厚度、肋骨尺寸及肋距的优化设计问题.为了解决优化设计过程中难以确定稳定性约束条件而导致优化结果并非全局最优解的问题,提出了基于ANSYS路径映射技术与MATLAB根增量搜索方法相结合的判断方法,以自动判断优化过程中模型的失稳模式,并通过环肋圆柱壳的优化设计实例验证其有效性.结果表明,所提出的失稳模式判断方法有效可行,优化算法能够在较短时间内收敛到全局最优解.