城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

变化海流环境下AUV能量最优三维路径规划

为获取变化海流环境下自主水下航行器(autonomous underwater vehicle, AUV)的能量最优路径, 基于最优控制理论提出一种用于AUV的三维能量最优路径规划算法。首先, 为了有效抑制海流对路径规划的影响, 将海流向量加入到AUV运动学模型中。其次, 在已知俯仰角及AUV位置的情况下, 利用庞特里亚金极小值原理, 获得能量最优控制律。最后, 利用线性定常系统的状态空间理论, 计算得到初始艏向角、航速以及能量消耗。在仿真环节, 通过与负反馈控制策略相比较, 说明所提算法能够规划出三维能量最优路径, 而且可以有效降低AUV的能量消耗。     

改进蚱蜢算法在电动汽车充换电站调度中的应用

电动汽车充换电站调度优化问题一般采用群智能优化算法求解，但现有算法存在陷入局部最优、早熟收敛等缺陷，因此提出一种改进的蚱蜢算法:采用边界反弹机制，提高算法效率;引入正余弦搜索机制，加强算法的全局搜索能力;采用Lévy飞行对粒子进行随机扰动，防止种群陷入局部最优;采用非线性收敛策略加快算法后期的收敛速度.实验结果表明，该算法在电动汽车充换电站调度优化问题上，性能优于原始蚱蜢算法以及其他现有群智能算法.     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。     

提高无调中转比重 确保侯北枢纽畅通

侯马铁路北站担负着南同蒲、侯月、侯西线到发货物列车的改编和中转作业，随着南同蒲、侯月、侯西线不断增量，侯北站堵塞情况时有发生。强化调度指挥，优化运输组织，提高无调中转比重，对侯北枢纽畅通至关重要。     

导航系统视觉快速跟踪方法

提出了一种图象搜索的方法 ,适用于变化的环境 ,通过灰度值偏移校正二维阈值化和噪声滤波的方法能有效排除由于光源所引起的各种干扰 .本方法处理速度快 ,满足自引导车实时跟踪和导航的需要     

高速磁浮曲线地段简支轨道梁墩体系动力响应仿真

应用桥梁动力学、车辆动力学和电磁相互作用原理建立了高速常导磁浮交通车-梁-墩体系动力分析模型,利用数值积分求解了大规模非线性耦合动力方程.在此基础上结合具体线路条件进行了车线耦合动力学检算,得到了曲线地段车辆及梁墩体系动力响应基本规律.该部分的研究为制订合理的高速磁浮线路设计标准提供了理论依据.     

列车调度指挥信息系统实施分析

介绍了列车调度指挥信息系统的网络结构和功能以及信息数据流程，分析了系统实施后存在的问题，并提出了相关建议。     

汽车碰撞事故的速度分析

通过对交通事故中汽车的碰撞问题的简化 ,运用动量守恒定理和能量守恒定律着重研究了正面碰撞、追尾碰撞和侧面碰撞三种情况下 ,汽车碰撞前动量和速度的求解方法 ,为交通事故模拟和再现提供了一种更为实用的方法 ,并为科学处理交通事故、明确事故责任提供了重要参考。     

大规模复杂决策问题求解的2+3模型及其分形性质

<正> 决策过程的任务是,选择一组互相联系的决策变量(决策行动、决策函数),在给定的环境条件或初始条件下,使一组互相冲突的要求得到某种意义上的满足。 研究决策方法的目的,是为了发现控制成功的复杂决策过程的一般规律,尤其是涉及开放的复杂巨系统的决策过程的一般规律,以便能