基于粒子群优化的RBF神经网络交通流预测

交通流量预测一直是实时自适应交通控制的关键问题。以城市道路网络中典型的两相邻交叉口为研究对象,提出了基于粒子群优化的RBF神经网络的信号交叉口交通流量预测模型。该模型以RB F神经网络为基础,采用分组优化策略,用粒子群优化算法对基函数的中心、方差和RBF网络权值进行优化,从而提高了网络的预测精度。通过仿真,并与其他算法对比,表明了本文方法的有效性。     

利用粒子群优化算法求解土坡非圆临界滑动面

提出修复策略替换惩罚策略来修复搜索过程中可能出现的不合理滑动面,以更有效搜索最危险的滑动面。将粒子群中每个粒子比拟为滑动面,利用粒子群优化算法求解两个土坡的最小安全系数及其临界滑动面,同已有的结果比较,证明了文中提出的两种策略是合理有效的。     

基于定量分析的公交线路网络优化与粒子群算法

针对公交线网优化问题,利用粒子群算法进行了研究。在考虑城市公交系统多因素的基础上,给出了公交线网的优化原则、优化目标和约束条件,并将优化目标和约束条件定量化处理,给出了相应的数学表达式。在定义6维空间的基础上,利用经济转化系数,将公交线网优化的多目标问题转化为单目标优化问题的情况下,建立了公交线网优化的线性模型,并用粒子群算法进行了求解计算。通过粒子在解空间中搜索,找到最佳的公交线路网络。最后对算法进行了实际应用分析,结果表明该法简单实用、结果可信,有广泛的应用前景,而且该法也为多目标优化问题提供了一种合理可行的方法。     

粒子群算法在配送路径优化问题中的应用

粒子群算法是一种模拟鸟群在觅食过程中的聚群和迁徙行为形成的算法,粒子群算法在物流路径优化问题中有着广泛的应用.根据实际问题背景建立一个物流配送的优化模型,在此基础上,建立解决路径优化问题的粒子群算法,用该算法计算出最优的路径,进而解决问题.     

基于改进二次粒子群算法的汽车零配件配载优化

综合考虑汽车零配件物流运输配载过程中成本、资源及服务质量等决策要素,建立了汽车零配件配载优化模型。引入二次粒子群算法对该问题进行求解,并针对该算法在搜索早期粒子多样性低的缺点,提出了改进二次粒子群优化算法,它采用遗传算法的变异思想和互换更新机制来提高种群的多样性,以避免过早收敛和改进优化效果。仿真实例表明,与原算法相比,改进后算法的计算效率显著提高,且搜索到全局最优解的概率也更高。     

粒子群算法研究进展

粒子群算法是一种基于群智能的全局寻优方法,方法简单易于实现,寻优效果好.本文介绍了PSO算法的基本原理和一些算法改进措施,并对其将来的发展进行了展望.     

基于改进粒子群优化算法的多目标自适应巡航控制

跟驰过程中,在保证安全性的前提下为了提升自适应巡航控制(ACC)系统的舒适性和燃油经济性,研究了多目标自适应巡航控制算法.在建立车间纵向运动学模型的基础上,根据模型预测控制理论,设计综合考虑安全性、舒适性、燃油经济性以及车辆自身限制等因素的目标函数和约束条件,并引入松弛因子向量软化硬约束边界解决无可行解问题.进一步在滚...     

基于自适应网格粒子群算法的多目标配送优化模型

对配送方案的选择提出多目标优化,在满足客户需求的前提下,力求成本最低和各配送中心负荷均衡,建立多目标规划模型。运用粒子群算法对解空间粒子进行局部和全局的搜索,再运用自适应网格算法对非劣解外部集进行更新和维护,保持其规模。实证表明,采用基于自适应网格的多目标粒子群算法对该模型进行求解能够得到均匀分布于解空间的Pareto前沿。结果表明两目标具有一定的悖反关系,据此选择满意解。     

基于动态改进遗传粒子群-BP的重型车NOx排放预测模型研究

为了降低重型车NO_x排放速率监测控制中OBD设备异常采集数据和数据耦合问题的影响,基于BP神经网络建立了排放预测模型。为了提高预测模型的准确性,引入了遗传粒子群组合算法,并对其进行动态改进,同时利用PCA分析提取数据特征。结果表明：对比传统遗传算法和粒子群算法,动态改进的遗传粒子群组合算法在适应度函数上提升了5.75%和3.37%;与其他9种预测模型相比,动态改进后的遗传粒子群-BP网络在评价指标MASE、RMSE和R²上表现最优,MASE、RMSE分别为0.024和0.033 6,R²为0.951,预测结果与原始数据基本吻合,所建预测模型具有较高的预测准确性。     

高速公路行车安全距离的分析与研究

通过对行驶在高速公路上的车辆在不同条件下，以限定范围内的各种不同速度行驶时；安全距离的计算与分析，寻求既可避免发生追尾碰撞事故，又不影响道路通行能力的安全距离恰当值。     

基于改进粒子群算法的斜拉桥成桥索力优化

为了确定大跨度斜拉桥的合理成桥索力,以塔、梁拉压及弯曲应变能为目标函数,并根据合理成桥状态的要求对塔、梁、索的受力变形进行约束,建立索力优化数学模型.为了解决标准粒子群算法易早熟收敛、局部寻优能力差的问题,将基于局部邻域搜索的禁忌搜索算法与标准粒子群算法结合,提出一种改进的粒子群算法,并将其应用于工程实例,成功实现了斜...     

基于粒子群算法优化支持向量机的公路客运量预测

公路客运量数据受多种因素影响而呈现非线性等特点,为了提高其预测精度,文中提出粒子群算法（PSO）优化支持向量机（SVM）的公路客运量预测模型,利用PSO寻优能力突出的优点,对支持向量机的参数进行优化选择,并用优化后的支持向量机模型对公路客运量进行预测.研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO SVM的预测精度更高.     

基于粒子群理论的干道协调控制优化研究

基于粒子群优化(particle swarm optimization, PSO)算法及车流离散理论,提出了以车流延误最小为目标的相位差优化模型.该模型为共用干道的一系列交叉口组成的线控系统.介绍了车流通过线控系统交叉口停车线后的流率-时间规律,建立了车流通过线控系统交叉口时产生延误的计算方法.仿真试验运行结果表明,该模型能更准确地反映现实的交通运行情况,为干道交通运行提供更好的控制效果,模型的递推形式有利于计算机编程实现,较双向绿波数解法优越.     

基于粒子群算法的公交车调度研究

通过对南京市江宁区21路公交线调查,运用Fisher聚类法对全天运营的时间段进行合理的聚类分析,建立兼顾公交公司与乘客利益的多目标数学模型,并应用粒子群算法求解该模型,得到较优公交调度时刻表。     

基于多目标粒子群算法的智慧城市信号灯配时优化控制

为了顺应智慧城市建设需求,缓解城市道路的拥堵,提高车辆在城市路口的通行效率,本文基于多目标粒子群算法,以车辆实时延迟时间最小、城市路口通行能力最大为优化目标,建立智慧城市路口的多目标优化模型。通过优化计算得到Pareto最优解集,以多属性决策算法得到最优配时方案,并通过更新信号灯参数,实现了信号灯的动态优化。通过SUMO交通仿真平台搭建了城市路口仿真模型,结合粒子群算法进行仿真验证。仿真结果表明,经粒子群算法优化的城市路口配时,路口的通行性能显著提升,平均通行能力提升约3.69%,平均车辆延迟时间降低约21.35%。     

土钉支护结构优化设计中的混合粒子群优化算法

为了在土钉支护设计中寻找一组最佳设计参数,以达到既经济又安全的目的,将混沌搜索的粒子群优化(PSO)算法应用到基坑土钉支护优化设计中,以单位长度土钉墙的土钉材料造价作为优化的目标函数。该方法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度。同时,对不活动粒子的处理使算法避免了早熟现象的出现。工程实例计算表明:该方法是进行土钉支护结构优化设计的有效方法。     

磁粉离合器自适应权重粒子群优化模糊控制的研究

针对传统的模糊控制精度不高、自适应能力有限等问题,为了对车辆起步时磁粉离合器接合过程进行模糊控制,提出一种应用自适应权重粒子群优化算法来优化模糊控制器量化因子的方法。优化的量化因子将根据环境和负载的状况,实时跟踪模糊控制器参数的变化,从而提高了模糊控制器的鲁棒性和控制精度。仿真结果表明,与传统的模糊控制相比,采用自适应权重粒子群优化的模糊控制算法在降低发动机转速超调量的同时,减小了车辆起步的最大冲击度和离合器接合过程中的滑摩功。     

基于混合粒子群算法的土钉支护结构设计参数优化

在土层工程地质情况一定的条件下,如何寻找一组最佳设计参数,以达到既经济又安全的目的,是土钉支护设计的一个重要问题。这是一个复杂的优化设计问题。就此,提出基于混合粒子群优化(PSO)算法的基坑土钉支护优化设计方法,以单位长度土钉墙的土钉材料造价作为优化的目标函数。该方法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度,不活动粒子的处理使算法避免了“早熟”现象的出现。工程实例计算表明,该方法是进行土钉支护结构优化设计的有效方法。