关于合肥市“出租车拼车”问题的优化研究

以合肥市出租车拼车问题为研究对象,着重研究拼车路线优化问题和拼车费用分摊问题;针对拼车路线优化问题,首先,利用模糊层次分析法确定每条边权重,构造出赋权路线图,然后利用分步的Floyd算法并结合类似于最邻近算法的想法给出最优拼车路线方案;而针对费用的分摊问题,将结合按人数定折扣和按路程的远近两种方式,并考虑乘客的优先级指数来解决。     

解不适定算子方程的多层迭代法

将多层迭代法应用于不适定算子方程的数值求解,给出了利用离散偏差原则确定正则化参数进而求出近似解的快速算法。文章对算法误差进行了理论分析,并通过算例说明方法的有效性。     

质子交换膜燃料电池流场设计最佳化的反问题求解方法

为寻求最佳的流道高度参数,利用由简化共轭梯度法(反向求解器)和完整的三维、两相、非等温燃料电池数学模型(正向求解器)构成的质子交换膜燃料电池多参数最佳化反问题求解方法,将流道各弯头处高度作为搜寻变量(最佳化对象),以电池输出功率密度的倒数作为目标函数,通过搜寻目标函数最小值,得到了流道各弯头处最佳高度(最优化设计参数值).结果表明,最佳的蛇型流场除出口流道为高度渐扩型外,其余流道均为高度渐缩型,其性能比传统蛇型流场提高了约11.9%.渐缩型的流道强化了肋下对流,可有效移除肋条下方多孔扩散层中的液态水,提高反应气向多孔电极的传递速率,因而改善了电池性能.渐扩型的出口流道可防止过强的肋下对流导致燃料"短路",直接跨过多孔扩散层从电池出口流出造成燃料浪费.     

膨胀性软岩水腐蚀损伤断裂力学效应实验研究

采用INSTRON1342电液材料伺服试验机和Taylor Horbson Surf CLI2000形貌仪对膨胀性软岩双扭试件进行相同pH溶液(pH=7.7)、不同浸泡时间的亚临界裂纹扩展和膨胀特性的试验研究,分别得到膨胀性软岩亚临界裂纹扩展速度v与应力强度因子KI之间的关系、膨胀性软岩的断裂韧度KIC以及不同浸泡时间下的岩石试样吸水膨胀的变化,通过采用双对数坐标空间对常位移松弛法所测试的不同浸泡时间的膨胀性软岩亚临界裂纹扩展速度v与应力强度因子KI之间的关系进行研究。研究结果表明：lgKI-lgv关系具有良好的线性相关性,膨胀性软岩水腐蚀作用对岩石裂纹的断裂指标影响显著并具有时间效应,而且水腐蚀损伤对膨胀性软岩断裂力学性质有弱化作用,能加快膨胀性软岩亚临界裂纹的扩展。     

变分不等式在弹塑性接触问题中的应用

针对弹塑性接触问题，构造了等价的变分不等式模型，此模式解除了弹塑性本构状态方程及接触状态方程的约束，有效地解决了弹塑性接触问题的变分问题，本采用二次规划法求筲，克服了传统迭代法求解此问题的繁琐过程，具有计算量小，收敛快等优点。     

旅行商问题的一个近似算法

给出了“旅行商”问题的一个近似算法,讨论了误差分析与算法的复杂度。     

恒向线主题直接正反解的高精度算法

为提高精度、统一算法,应用拉格朗日级数理论和计算机代数系统,推导了经线弧长和等量纬度的计算公式,提出基于墨卡托投影的恒向线主题正反算法.该算法不需要迭代,应用数学上角度的定义解决了恒向线主题反解中方位角的解算问题,且不需要进行象限判定.结果表明,该算法计算精度高,具有通用性,特别适用于电算化,对船舶的航迹计算和电子海图中的航线设计具有一定的应用价值.     

具有梯度吸收项和奇性初值的半线性抛物型方程

本文讨论具有奇性初值u(x,0)=A|x|-μ,x≠0的Cauchy问题ut=△u-| u|puq在Rn×(0,∞)上自相似解的存在性和唯一性,其中A∈[0,∞),2＞p＞0,q＞0以及p=q＞1.我们也证明了该自相似解连续地依赖于初值A.     

基于钻柱扭转杆模型的扭矩负反馈减振系统优化设计方法

扭矩负反馈减振是控制和消除钻柱周向粘滑振动较为有效的方法之一。原有的扭矩负反馈减振系统优化设计是在将钻柱系统看作单自由度扭转摆的基础上进行的。针对大位移井中这种简化不合理的问题,通过将钻柱系统简化为连续质量扭转杆,建立了基于钻柱扭转杆模型的扭矩负反馈减振系统分析模型,推导出了其非零虚部极点方程。利用非零虚部极点方程的复数解与模态振动的频率及模态衰减指数间的对应关系,提出了以综合模态减幅系数最小化为目标的新的扭矩负反馈减振系统优化设计方法。数值模拟结果表明,对不适于简化为扭转摆的钻柱系统,采用基于钻柱扭转杆模型的新方法进行设计可以取得相对较好的减振效果。     

Input Data Dependency of a Genetic Algorithm to Solve the Set Covering Problem

A genetic algorithm to solve the set covering problem proposed in the literature had some improvements which gave better solutions, i.e., better chromosomes in the first starting population, taking full account of domain specific knowledge with sound programming skill. We have further investigated the input data dependency of their genetic algorithm, i.e., the dependency on costs and density. We have found that for input problem data sets with densities greater than or equal to 3%, our genetic algorithm is still practical both in computing time and approximation ratio.