响应动态需求的灵活型公交路径优化调度模型

为解决灵活公交乘客需求差异性大、实时变化性大的问题,提出一种考虑乘客动态需求的灵活公交路径优化调度模型.在已知乘客预约需求量、车辆载客容量、车队规模等条件下,根据乘客需求动态变化特征对接驳行程时间进行实时迭代更新,将车辆的运营成本(车辆行驶时间)和乘客的时间成本(乘客上车前等待车辆的时间、实际到达时间与期望到达时间之间的差值)最小化作为目标,构建了考虑乘客动态需求的灵活型公交路径优化调度模型,并采用基于引力模型的启发式算法进行求解.最后,通过实例分析验证了模型和算法的可行性.结果表明:对随机产生的15个需求点的102个出行需求,全部服务完成所需车辆为17～21辆,平均每辆车的旅行时间为24.59 min,100组数据的求解时间均在25.00 s以内,计算耗时平均为12.04 s.可见该优化模型能够在实时调整接驳规划时间的前提下,更大程度满足乘客动态需求,有效减小规划路径的误差,缩短行车距离和乘客出行时间,相比忽略接驳行程时间变化的灵活公交调度模型结果更优.     

考虑乘客个性化出行的需求响应型接驳公交调度模型

为了将轨道站点周边的居民吸引至轨道交通出行,提出一类需求响应型接驳公交调度的混合整数线性规划模型,当居民通过手机APP或网站下达他们的出行起讫点、时间窗及最大在车时间后,考虑车辆的额定载客量、最大行驶里程等约束,确定车辆访问居民的顺序及其到达时间,追求总运输里程最少.利用Cplex求解模型的精确解,结合一个算例,给出了不同车辆数的接驳公交调度方案,比较了有无乘客在车时间限制的方案差异,并分析了参数灵敏度对调度结果的影响,从而验证模型的正确性.     

基于城市轨道交通的福州常规公交线网优化研究

随着福州地铁线网的陆续建设和运营,地面常规公交系统规模不断调整优化。在介绍福州市公共交通建设与发展现状的基础上,对轨道交通和常规公交进行功能定位;结合居民出行方式的特点及影响因素,采用RP/SP调查法获取样本数据,建立基于多项Logit的客流分担率模型,运用SPSS软件进行统计分析实现多种交通方式客流分担率的计算,并在此基础上进一步提出轨道交通线路建设运营下常规公交网络优化调整的目标。     

灵活型接驳公交路径优化及协同调度模型

在已知乘客需求和车队规模的条件下,以综合考虑出行者(包括最小化乘客等待接驳公交车时间、最小化乘客实际乘坐与期望乘坐主线公交的时间差值)和运营者(最小化车辆运营时间)双方利益为优化目标,建立了灵活型接驳公交路径优化和协同调度的同步优化模型。由于该模型目标函数为非线性,本文为求解方便将其进一步转化为混合整数规划模型,并采用基于重力模型的一种启发式算法对模型进行求解,最后通过实例验证了该调度模型的可靠性和实用性。     

需求可拆分下城轨关联的公交接驳线网优化

基于典型的公交接驳线网优化问题,将每一公交站点具有唯一线路服务这一假设扩充到每一个公交站点可由多条公交线路服务,使公交站点与公交接驳线路间具有多对多的关系,即拓展到需求在多条线路间具有可拆分性的情形,形成需求可拆分的公交接驳线网优化问题.依据该情形下的公交接驳线网特性构建约束条件,分析换乘网络上乘客出行费用,并构造客流选择函数,建立需求可拆分条件下的接驳线网优化模型.通过在遗传算法中引入公交重复站点生成和插入策略,求解该模型.算例结果表明,需求可拆分情形下,公交接驳线网优化问题的求解时间显著增长,允许公交线路间具有重复站点可改善公交线网,随着网络客流量的上升,重复站点数量增加并集中于客流较多的站点.     

公共交通智能化调度系统实时网络优化模型与方法的研究

公共交通智能化管理系统的核心是公共交通智能化调度系统,智能化调度系统可以动态地获取实时公共交通信息,实现对公交车辆的实时监控和调度,是公共交通实现现代化管理的重要标志,能够完成乘客在出行时达到最优换乘,本文研究了城市公交交通智能化调度系统实时网络优化模型的建立与实施,旨在推动我国智能公交系统的快速发展。     

基于乘客换乘需求的重叠线路公交调度优化

为提高重叠公交线路间协同性、减少公交运力资源浪费,提出了考虑乘客换乘的重叠线路公交调度优化方法.根据乘客起讫点与重叠区段的位置关系将乘客划分为三类,深入研究了重叠区站点各类乘客公交出行过程;针对重叠公交线路上乘客换乘行为,以乘客总出行时间最小和公交运营成本最小为目标,车辆发车间隔、始发站首车发车时间及车厢容量限制为约束...     

公交票价比对公交结构的影响及方式选择模型

为了确定轨道交通和地面常规公交的建设规模,利用宏观调控政策合理分配客流,研究了公交票价对公交结构的影响.通过在北京市进行交通方式选择问卷调查.分析了影响居民选择轨道交通和地面公交的因素.结果表明,出行时间、出行费用、出行者的性别、年龄、职业、收入、出行目的对于出行方式选择结果有显著影响,在对变量分类合并的基础上确定代入模型的变量,并结合非集计模型的理论建立了出行方式选择行为模型,给出了出行费用和交通方式选择之间的关系,为利用票价政策调节公共交通结构提供了依据.     

不确定需求下的公交线路发车频率优化

为了反映不确定的公交出行需求对线路发车频率的影响,融入公交网络鲁棒性能指标优化线路发车频率.采用双层规划模型进行优化,首先分析需求的不确定性在公交网络上的传递过程,使用解析法给出上层模型的构造形式,其目标涉及两项内容,一项含乘客和公交运营部门费用的公交网络系统效益,另一项考虑公交网络鲁棒性能;其次,基于公交出行策略理论,采用公交网络客流分配模型作为下层模型;最后设计遗传算法求解.小型网络测试和六盘水市公交网络的应用结果表明,鲁棒性能指标可以提高线路发车频率的可靠性.     

轨道接驳客流预测模型研究

轨道交通作为多模式复合交通体系主导的出行模式,准确有效地预测接驳客流,可为提高轨道交通吸引力及运营组织能力提供参考依据。文章从轨道车站的发展定位、周边道路及辐射小区的通达服务特征出发,提出了基于轨道可达性和道路可达性的接驳客流吸引强度指标,运用经典Logit模型构建了轨道交通接驳客流预测模型,并借助长沙市滨江新城轨道交通接驳客流调查数据,对其进行了验证。结果表明:轨道车站的接驳客流吸引强度取决于轨道车站类型和辐射小区的可达性;车站的轨道可达性指标值、道路可达性指标值分别为0. 5～1. 6和2. 68～10. 0,可达性越强,车站接驳客流吸引强度和客流规模越大,模型预测效果越好。     

微粒群算法在结构优化设计中的应用

结构优化设计对于实际工程具有重要的意义.通过对现有优化方法进行分析,将微粒群算法应用到结构优化设计中,提出了结构优化设计的微粒群算法,并建立了相应的优化模型.介绍了微粒群算法的基本思想、结构优化微粒群模型及其实施的具体步骤,最后通过一个算例验证了该方法的效率和有效性.结果表明该方法科学可行,具有很好的应用前景.     

微粒群算法在结构优化设计中的应用

结构优化设计对于实际工程具有重要的意义．通过对现有优化方法进行分析。将微粒群算法应用到结构优化设计中，提出了结构优化设计的微粒群算法，并建立了相应的优化模型．介绍了微粒群算法的基本思想、结构优化微粒群模型及其实施的具体步骤，最后通过一个算例验证了该方法的效率和有效性．结果表明该方法科学可行，具有很好的应用前景．     

Drilling Path Optimization Based on Particle Swarm Optimization Algorithm

This paper presents a new approach based on the particle swarm optimization (PSO) algorithm for solving the drilling path optimization problem belonging to discrete space.Because the standard PSO algorithm is not guaranteed to be global convergence or local convergence,based on the mathematical algorithm model,the algorithm is improved by adopting the method of generate the stop evolution particle over again to get the ability of convergence to the global optimization solution.And the operators are improved by establishing the duality transposition method and the handle manner for the elements of the operator,the improved operator can satisfy the need of integer coding in drilling path optimization.The experiment with small node numbers indicates that the improved algorithm has the characteristics of easy realize,fast convergence speed,and better global convergence characteris- tics.hence the new PSO can play a role in solving the problem of drilling path optimization in drilling holes.     

基于改进细菌觅食算法的无功优化

采用改进的细菌觅食(MBFO)算法求解电力系统无功优化问题,引入了步长递减的控制策略,改善了算法前期的全局搜索能力和后期的局部搜索能力;引入了SA-PSO变异算子,从而使个体可以相互交流,并从精英那里得到经验;引入遗传算法的交叉和赌盘选择,保护了精英个体,同时降低了解劣化的概率.以IEEE-30节点为例的算例结果表明,较其他几种优化方法而言,M BFO具有更快的收敛速度和更好的优化效果,故该算法在解决无功优化问题上可行且有效.     

箱型约束优化问题的免疫进化的微粒群算法

通过引入免疫进化项,提出一个求解箱型约束优化问题的新的算法—免疫进化的微粒群算法。该算法利用8个典型的测试函数进行数值实验,且与被动聚集的微粒群算法、全局版本的微粒群算法、局部版本的微粒群算法和具有压缩因子的微粒群算法进行计算比较,计算结果表明免疫进化的微粒群算法是求解箱型约束优化问题的一个高效的算法。     

Synthesized Optimization of Triangular Mesh

Triangular mesh is often used to describe geometric object as computed model in digital manufacture,thus the mesh model with both uniform triangular shape and excellent geometric shape is expected.But in fact,the optimization of triangu- lar shape often is contrary with that of geometric shape.In this paper,one synthesized optimizing algorithm is presented through subdividing triangles to achieve the trade-off solution between the geometric and triangular shape optimization of mesh model.The result mesh with uniform triangular shape and excellent topology are obtained.     

公差设计优化方法

为了合理进行公差分配,需要考虑各种因素,比如加工方法、工艺能力、工艺稳定性、制造成本、产品质量、加工批量和装配方法等,需要在一定的约束条件下进行优化分配公差.一般传统的公差设计没有全面考虑这些因素,在保证产品装配精度和技术要求的前提下,大多采用成本的大小衡量公差设计的优劣,也就是说,以成本最小为目标函数,以产品质量要求为约束条件进行公差设计.     

Synthesized Optimization of Triangular Mesh

Triangular mesh is often used to describe geometric object as computed model in digital manufacture, thus the mesh model with both uniform triangular shape and excellent geometric shape is expected. But in fact, the optimization of triangular shape often is contrary with that of geometric shape. In this paper, one synthesized optimizing algorithm is presented through subdividing triangles to achieve the trade-off solution between the geometric and triangular shape optimization of mesh model. The result mesh with uniform triangular shape and excellent topology are obtained.     

一种求解约束优化问题的微粒群算法

约束保持法是目前求解约束问题时处理约束的主要方法之一,该方法的思想是确保进化过程中所有粒子始终在可行域范围内。本文借鉴复合形法的思想,提出一种求解约束优化问题的新方法。当粒子超出可行域范围时,通过反射、扩张、收缩等操作,为粒子重新产生一个可行位置。通过对标准函数仿真实验表明,该算法实现原理简单,而且能得到较优的解。     

求解CVaR投资组合优化问题之改进PSO算法

研究了基于CVaR约束的的最优投资决策问题,为避免维数障碍,针对Fredrik提出的CVaR投资组合优化线性规划模型还原为非线性规划。通过引入缩进因子,改进PSO算法,使粒子在迭代过程中保持在可行域内。最后,通过算例证明了该文方法的有效性,计算结果表明,投资组合优化后的损失期望收益率、标准差、受险价值、条件受险价值等重要风险衡量指标都有了较大改进。