基于车车通信合流影响区外侧车辆决策模型

在入口匝道合流区,驾驶员通过观察运行环境及估计周边车辆行驶特征,做出的相应的驾驶决策,常会使车流紊乱.针对该问题,从车车通信环境下获得的周边车辆运行全信息入手,建立上匝道合流影响区车辆决策机制模型,并更新了新决策机制情况下运行规则.数值试验分析车辆在两种不同环境下的时空轨迹图、合流区及上游换道情况、平均行程速度.结果表明:在车车通信环境及决策机制模型条件下,合流区只有很低水平的换道;平均行程速度最大提高了32.4％,在不同车辆输入情况下速度波动降低了76.7％,通行能力提高了13.3％.     

预算约束情形下新产品报童问题的一次性决策研究

主要运用一次性决策理论研究预算约束下新产品的报童问题。首先提出了约束条件下的一次性决策问题,并指出了有约束条件下与无约束条件下一次性决策问题的焦点之间的区别。然后研究预算约束情形下短生命周期的新产品报童问题,说明带有约束条件的一次性决策问题的决策过程,并与无约束的报童问题进行了比较。     

基于模糊多准则决策法的城市建筑项目风险评估方法研究

城市建设项目具有高度的不确定性和风险性,合理的风险分析模式是风险评估的基础,为工程设计方和施工方决策的制定提供依据,以规避工程施工过程中可能存在的风险.采用模糊层级分析法评估城市建设施工过程中的各项风险因素所造成的影响程度,运用模糊多准则决策法对各项风险因素发生的可能性进行评定.最后,建立城市建设工程主要作业项目风险程度的评估模型,并验证了该模型的适用性,为以后工程建设中的风险管理提供参考依据.     

区间三角模糊软集及其动态决策方法

为完善模糊软集理论,提出区间三角模糊软集的概念,并讨论其相关运算及性质。建立基于区间三角模糊软集的动态决策模型,其中,时间权重采用指数衰减方法进行确定,利用集成的思想定义了区间三角模糊软集算术加权平均算子,将不同时刻的区间三角模糊软集集成为综合区间三角模糊软集。给出不同对象选择值和决策值的求解公式,根据决策值大小来实现最优决策。最后总结出方法的具体步骤,并通过实例说明具体应用。     

带时间窗报童问题的供应链协调优化

为压缩供应链提前期,增加供应链的响应速度和服务水平,扩展了传统的报童问题模型,以带时间窗的报童问题为研究对象,在市场需求函数符合正态分布条件下,分别建立了供应链收益、制造商收益和零售商收益的数学模型,分析了压缩提前期对供应链及其成员收益的影响.通过对比分析压缩提前期前后供应链收益的变化情况,得出带时间窗报童问题的模型相比于传统的报童模型可以增加供应链收益.给出了供应链成员间收益协调的优化方案,分析了最优订货量和供应链可承受的最大成本增加系数的决策问题.最后,通过数值分析对研究结论进行了验证.     

基于梯-潭消能系统的挡流式泥石流排导槽

中国是灾害多发的国家之一,泥石流是山区灾害的主要类型。对于特大泥石流,传统常规的治理办法难以起到很好的效果,于是王兆印等提出了梯-潭系统。但是,梯-潭系统并不完美,仍有许多值得改进的地方。以提高消能效率为出发点,提出一种能在短距离内达到消能、控速功能的挡流式泥石流排导槽。通过设计最佳横断面,使排导能力达到最佳;通过挡板与梯-潭系统达到快速消能的目的;然后通过推导分析,给出了挡流式排导槽的消能率计算公式;最后与传统梯-潭型排导槽消能率计算公式作对比分析,发现提出的排导槽具有高效消能的作用。     

大学生自我效能感及应对方式对职业决策的影响

为了解大学生职业决策的现状及其影响因素,分析一般自我效能感、应对方式和职业决策困难的关系,采用"职业决策困难量表""一般自我效能感量表"和"简易应对方式问卷"调查451名大学生,结果发现:1)大学生职业决策困难处于中等水平;2)职业决策困难的性别差异不显著,学生干部任职和年级差异显著;3)职业决策困难与一般自我效能感、...     

基于情感强度的自动驾驶车辆决策机制探究

随着自动驾驶技术的逐渐成熟,传统人工驾驶车辆和自动驾驶车辆之间的混行将成为常态。为使车辆安全高效行驶,自动驾驶车辆的决策机制须与人类决策一致。危险工况下的驾驶决策复杂,紧张恐惧等情感也是驾驶决策不可忽视的因素。以一典型危险场景为例,利用虚拟驾驶实验还原场景,对场景内驾驶决策的影响因素进行分析,建立了包括情感强度等输入指标的改进PSO-LSSVM驾驶决策模型,探究情感强度对驾驶决策的影响。结果表明,在决策模型中加入情感强度指标可提高预测准确率。     

基于决策树和BN的自动驾驶车辆行为决策方法

交通环境中存在着众多影响自动驾驶车辆行为决策安全的不确定性因素, 准确并及时地处理不确定性因素对自动驾驶车辆安全至关重要。因此, 建立了以人工驾驶行为分类为基础的贝叶斯网络(Bayesian network, BN)行为决策模型。利用决策树分类算法对人工驾驶行为进行分类, 利用BN建模驾驶环境并生成最优驾驶动作, 此方法既可以及时地分析人类驾驶员行为类别, 又能够充分考虑驾驶场景中的不确定性因素。利用仿真工具PreScan设计仿真实验, 仿真结果表明行为决策模型能够给出安全、合理的自动驾驶车辆行为。     

基于数据场联合决策图改进的GMM聚类

针对传统聚类方法在处理复杂电磁环境下的雷达信号时存在的聚类质量低、参数需要人为设置、易受孤立噪声脉冲干扰等问题, 提出一种基于数据场联合决策图改进的高斯混合模型(Gaussian mixture model, GMM)聚类算法。将数据场理论应用于数据对象密集程度的表征, 生成势能距离决策图, 进而自动实现聚类数目和中心点的选择, 最后结合GMM聚类实现对数据对象的聚类划分。仿真实验结果表明, 在脉冲到达角、脉宽、载频等参数存在较大抖动, 测量误差以及存在孤立噪声脉冲干扰和脉冲丢失时, 本文方法相较于现有典型分类方法具有更好的分选效果。