改进蚁群算法在旅游路线规划中的应用研究

在研究了基本蚁群算法后提出了偶遇算法,提高了蚁群算法蚂蚁一次周游的质量。针对旅游路线规划的问题,改进了路径的求法,使蚁群算法可以实现动态规划,从而实现旅游景区的负载均衡。提出一种基于改进蚁群算法的旅游路线规划问题求解的有效方法。实验结果表明该方法具有较好的有效性和实用性。     

旅游路线规划研究综述

旅游业的快速发展和用户分享内容的激增使得旅游领域的信息过载问题日益突出，如何帮助游客在快速制定个性化游览路线的同时提升旅行体验，成为当前旅游路线规划问题研究的关键。首先，给出旅游路线规划问题的形式化定义；然后，将文献中的旅游路线规划求解方法分为基于精确数学建模的求解、基于用户生成内容的求解两大类，对各类方法的关键技术和存在的主要问题进行了较为详细的考察；最后，给出一个旅游路线规划系统整体架构，对其中存在的重点和难点问题进行了分析，为旅游路线规划问题的研究提供理论支持的同时指明了下一步的研究方向。     

基于e-制造模式的动态工艺规划技术研究

e-制造工艺系统要求及时准确地根据资源动态信息进行工艺路线的实时决策。该文将工艺规划过程划分为零件信息输入、特征工艺选择和工艺路线的决策等3个阶段，采用神经网络BP算法解决了特征工艺链模糊匹配问题，将资源动态信息与工艺规则共同作为约束条件，采用GA算法实现基于资源动态信息的工艺路线优化选择，有效地解决了调度中的资源冲突问题。采用Java技术开发了软件原型系统，通过实例分析验证了设计方法的可行性。     

基于多属性优先级的动态路径规划方法

针对现存大多数动态路径规划算法目标单一问题进行研究,提出基于理想点的多属性决策方法解决该问题,属性的选取融合时间、路程及现代最为重视的安全因素,使得动态路径规划的结果更加均衡。同时在多属性决策过程中引入优先级这一概念,使得驾驶员可以根据自身的需求及驾驶技术对交通信息的重要度进行排序,得到匹配度最高的驾驶方案。仿真结果表明,基于多属性优先级的动态路径规划算法既能够起到多目标均衡的路径规划效果,同时又能够实现个性化驾驶。     

递阶动态规划在大规模火力规划中的应用

在基本火力规划模型的基础上,建立了一种大规模火力规划问题的递阶模型,并运用大系统的递阶优化算法和动态规划优化算法,提出了一种新的求解该模型的递阶动态规划算法。该方法层次清晰,降低了计算复杂程度,并且适合并行计算,能迅速找到火力规划问题的最优火力分配方案和最优解。仿真算例表明了该方法的实用性。     

基于混合感知信息的路径规划模型

针对动态未知环境下的自主虚拟人实时避障问题,提出一种基于混合感知信息的路径规划模型。该模型由全局规划器和局部规划器组成,全局规划器依据已知环境信息先行规划出优化的运动路线,局部规划器通过对人类的规划行为进行分析,建立用于局部动态规划的运动代价评估函数,实现虚拟人在动态未知场景中的智能规划行为。实验结果表明,该模型能保证实时性,模拟符合人类特征的规划 行为。     

起重吊装多机器人系统协作避障规划研究

针对起重吊装多机器人系统实际作业情况,进行了该机器人系统协作避障规划研究.首先,基于栅格法提出了优化姿态转角--动态栅格法的路径规划改进算法;其次,设计了基于传感器技术的自适应协作系统.该协作避障方法具备了寻找全局最优路线的能力,同时实现了多机器人系统内部的稳定协调合作;最后,建立了Matlab与LabVIEW联合仿真系统,仿真结果表明该系统是可行且高效的.     

基于时空序列搜索的最优个性化旅游规划

随着人们对高效、个性化服务的日益关注,其对旅游规划的要求也越来越高。然而,目前制定一个完美的、个性化的旅游规划很困难。一个合理的旅游规划应该包含以下特征:1)基于游客兴趣爱好的个性化推荐;2)覆盖尽可能多的兴趣景点;3)走最少的路程,花费最少的时间。由于每次旅游包含多个景点,因此该问题变成了每个景点都附有权值的时空序列优化问题。为了实现最优个性化旅游规划,首先,针对每个城市为每位游客提供一系列带有权值的景点;然后,综合考虑距离、权值、旅游时间和景点特色等因素,为游客推荐一个最优旅游序列。为此,提出了4种有效算法,使游客在旅游时间范围限制内走最少的路程来游览最想游览的景点。在社交网络的真实数据集上,通过实验验证了所提算法的有效性。     

基于仿真和蚁群算法的公交动态交通规划研究

针对越来越复杂的道路交通系统，研究其中的动态交通规划问题。以达到对交通进行合理规划的目的。采用计算机仿真技术构建动态交通规划模型，应用蚁群算法解决基于仿真的动态交通规划优化问题。在所建模型的基础上，通过蚁群算法进行求解。实验结果令人满意。仿真方法可以将普通动态交通规划模型无法反映的随机因素考虑在内，使得动态交通规划的结果更加具有现实中的指导意义。将优化技术嵌入到仿真过程中。在仿真环境下使输出响应不断地得到改进，从而实现道路交通系统性能的优化。数据实例表明，该方法是正确的、可行的、有效的，可以为实际的道路交通规划提供有力地决策支持。     

基于神经元动态规划的可重入生产系统调度的仿真框架

提出一个基于神经元动态规划解决可重入生产系统调度问题的仿真框架．根据可重入生产系统的特点建立状态集，并将调度问题表示成相应的马尔可夫决策过程．选择合理的性能指标，采用神经元动态规划产生每一步的调度，并在仿真中优化策略．仿真算例验证了该方法的有效性，三种调度策略的结果比较表明了神经元动态规划方法的优越性．本仿真框架还可拓展至其他类型的生产调度问题．     

基于深度强化学习的节能工艺路线发现方法

由于传统基于固定加工环境的工艺路线制定规则,无法快速响应加工环境的动态变化制定节能工艺路线。因此提出了基于深度Q网络(deep Q network,DQN)的节能工艺路线发现方法。基于马尔可夫决策过程,定义状态向量、动作空间、奖励函数,建立节能工艺路线模型,并将加工环境动态变化的节能工艺路线规划问题,转化为DQN智能体决策问题,利用决策经验的可复用性和可扩展性,进行求解,同时为了提高DQN的收敛速度和解的质量,提出了基于S函数探索机制和加权经验池,并使用了双Q网络。仿真结果表明,相比较改进前,改进后的算法在动态加工环境中能够更快更好地发现节能工艺路线;与遗传算法、模拟退火算法以及粒子群算法相比,改进后的算法不仅能够以最快地速度发现节能工艺路线,而且能得到相同甚至更高精度的解。     

Design of robust cellular manufacturing system for dynamic part population considering multiple processing routes using genetic algorithm

In this paper, a comprehensive mathematical model is proposed for designing robust machine cells for dynamic part production. The proposed model incorporates machine cell configuration design problem bridged with the machines allocation problem, the dynamic production problem and the part routing problem. Multiple process plans for each part and alternatives process routes for each of those plans are considered. The design of robust cell configurations is based on the selected best part process route from user specified multiple process routes for each part type considering average product demand during the planning horizon. The dynamic part demand can be satisfied from internal production having limited capacity and/or through subcontracting part operation without affecting the machine cell configuration in successive period segments of the planning horizon. A genetic algorithm based heuristic is proposed to solve the model for minimization of the overall cost considering various manufacturing aspects such as production volume, multiple process route, machine capacity, material handling and subcontracting part operation.     

Coteries轨迹模式挖掘及个性化旅游路线推荐

Coterie是一种异步的组模式,要求在不等时间间隔约束下找出具有相似轨迹行为的组模式.而传统的轨迹组模式挖掘算法往往处理具有固定时间间隔采样约束的GPS数据,因此无法直接用于Coterie模式挖掘.同时传统组模式挖掘存在语义信息缺失问题,降低了个性化旅游路线推荐的完整度和准确度.为此,提出基于语义的距离敏感推荐策略（DRSS）和基于语义的从众性推荐策略（CRSS）.此外,随着社交网数据规模的不断增大,传统组模式聚类算法的效率受到了极大挑战,因此,为高效处理大规模社交网轨迹数据,使用带有优化聚类的MapReduce编程模型来挖掘Coterie组模式.实验结果证明,MapReduce编程模型下带优化聚类和语义信息的Coterie组模式挖掘,在个性化旅游路线推荐上优于传统组模式旅游路线推荐质量,且能有效处理大规模社交网轨迹数据.     

基于B-RRT*FND算法的移动机器人路径规划

针对RRT*FN算法获取路径解的速度慢,且无法应用于动态环境等问题,提出固定节点数的动态双向渐近最优快速随机扩展树算法(bidrectional RRT* fix-node dynamic, B-RRT*FND),用于解决移动机器人在二维空间内快速实时获取无碰撞路径的问题.所提出算法基于RRT*FN算法,采用双向贪婪搜索方法加快路径搜索速度,解决单向RRT算法由于随机采样的盲目性造成的搜索速度慢、在狭窄环境下难以搜索到解的问题;利用固定节点算法在规划过程中不占用过多计算量的特点,在路径迭代优化过程中,实时更新地图信息,并对被破坏的原始路径进行修复重连,以完成算法的动态规划.将所提出算法与RRT、RRT*FN等算法在3种环境下进行对比仿真,验证结果表明,所提出算法在规划速度、路径解长度以及动态规划性能方面具有较好效果.     

一种改进的综合生产计划动态规划优化方法

提出了一种改进的综合生产计划动态规划优化方法。以1999年甘应爱主编的《运筹学》第227~230页给出的一类综合生产计划问题为研究对象,深入分析了原综合生产计划问题、数学优化模型、动态规划求解过程、计算方法存在的不足并提出了相应的改进措施。通过案例分析验证了所提方法的有效性。     

Combined Activity/Travel Choice Models: Time-Dependent and Dynamic Versions

To fully understand and predict travel demand and traffic flow, it is necessary to investigate what drives people to travel. The analysis should examine why, where and when various activities are engaged in, and how activity engagement is related to the spatial and institutional organization of an urban area. In view of this, two combined activity/travel choice models are presented in this paper. The first one is a time-dependent (quasi-dynamic) model for long-term transport planning such as travel demand forecasting, while the other one is a dynamic model for short-term traffic management such as instantaneous flow analysis. The time-dependent model is formulated as a mathematical programming problem for modeling the multinomial logit activity/destination choice and the user equilibrium route choice behavior. It can further be converted to a variational inequality problem. On the other hand, the dynamic model is aimed to find a solution for equilibrium activity location, travel route and departure time choices in queuing networks with multiple commuter classes. It is formulated as a discrete-time, finite-dimensional variational inequality and then converted to an equivalent zero-extreme value minimization problem. Solution algorithms are proposed for these two models and numerical example is presented for the latter. It is shown that the proposed modeling approaches, either based on time-dependent or dynamic traffic assignment principles, provide powerful tools to a wide variety of activity/travel choice problems in dynamic domain.     

基于CUDA的梯级泵站调度算法实现

动态规划方法求解梯级泵站调度问题十分经典,但在计算上存在“维数灾难”问题,GPU并行计算技术能对重复性计算进行加速,提高算法计算性能。本文对梯级泵站调度问题进行动态规划方法分析,利用CUDA（统一计算设备架构）对调度算法进行改进,给出改进动态规划方法的算法实现,并比较不同计算规模下调度算法计算耗时。实验结果表明,基于CUDA改进动态规划方法实现的梯级泵站调度算法能够降低计算维度,在计算规模较大时,加速效果较好。     

翻滚目标逼近的虚拟域逆动力学轨迹规划

针对追踪星自主逼近和跟踪翻滚目标特定部位的最优规划问题,提出了一种基于虚拟域逆动力学的多约束最优逼近轨迹规划方法.首先,在翻滚目标本体系下建立追踪星相对于翻滚目标特定部位的相对轨道动力学方程,并建立追踪星本体系相对于翻滚目标期望固连坐标系的相对姿态动力学方程;其次,考虑目标星外形、敏感器视场和执行机构控制能力等约束条件,建立时间/能量最优规划模型;然后,采用序列二次规划(sequential quadratic programming,SQP)方法求解时间/能量最优规划问题;最后,数值仿真验证了该方法在满足多约束条件下,可实现对翻滚目标自主逼近与跟踪的最优轨迹规划,同时与高斯伪谱法进行了对比,验证了本方法在计算效率方面的优势.