考虑双向变流器的城市轨道交通列车节能运行一体化方法

目的:鉴于目前我国城轨节能压力巨大,节能一体化优化研究受到广泛关注,而双向变流技术作为提高再生能利用率、降低净能耗的手段之一,因此有必要开展考虑双向变流器的城市轨道交通列车节能运行一体化方法的研究。方法:以整条城轨线路作为优化对象,建立了考虑双向变流器的列车运行图与速度曲线一体化模型。针对此大规模优化问题求解效率低的问题,提出一种QPSO(Q学习PSO(粒子群))算法。以北京地铁燕房线上的列车实际运行数据为例,对考虑双向变流器的城市轨道交通列车节能运行一体化方法的有效性进行了仿真验证。结果及结论:相较PSO算法,QPSO算法具有更好的全局搜索特性;相较未考虑双向变流器的模型,考虑双向变流器的城市轨道交通列车节能运行一体化方法可以将再生能利用率由31.2%提高至74.8%,并降低净能耗26.9%。

个体概率估计值极端化校准聚合方法的群体智慧效度研究

群体智慧研究表明,聚合个体判断而形成的群体判断将优于单个个体的判断准确度.为了进一步提高群体智慧效度,改善聚合质量,消除个体在判断和启发过程中存在的系统性偏见,本文构建了极端化转移的多个聚合模型,设立准确度和优胜度两个指标来定量化评价个体概率估计值聚合的群体智慧效度.通过在职工商管理硕士研究生的概率判断实验,获取个体概率估计值数据.基于个体概率估计数据,比较研究个体概率聚合的多种顺序策略和区域策略,完成了极端化函数选择和参数优化.研究发现:1)只对区间[0, 0.45]和[0.55, 1]内的概率估计值进行极端化,局部极端化策略比全局极端化策略的绩效更优;2)先平均后极端化(ATC)策略优于先极端化后平均(CTA)策略;3)在先平均后极端化(ATC)策略中,反S型极端化函数能够对Karmarkar极端化函数做出改善;4)极端化校准聚合比传统的算术平均方法的绩效更优.论文发现了聚合个体概率估计值一种更优的策略方法,在相同个体估值条件下,可显著提高群体智慧效度.

非交互个体的估计值分布研究及其在群体智慧中的应用

进行高风险决策和预测未知事件均涉及到大量估计任务.准确地估计对个体是困难的,群体智慧提供一种在估计任务中辅助决策的方法.群体环境中非交互个体的估计值是随机变量,而现有文献对这一随机变量分布类型的设定存在矛盾.研究群体智慧需要确定个体估计值的分布规律.本文选取五个检验分布,对个体估值数据进行K-S检验,并提出相对差异度准则确定最优拟合分布.结果表明对数正态分布为最佳拟合分布的次数远高于其它分布类型,且其相对差异度显著小于其他检验分布.不论群体规模大小,不论估计值的数量级大小和估计任务难度,对数正态分布均是个体估计值分布的最佳拟合.基于对个体估计值分布的确定,研究设计两个仿真实验:实验一比较聚合统计量的准确性,结果表明几何平均是比算术平均更合理准确的聚合统计量;实验二探究群体多样性和群体智慧效度的关系,结果表明在个体估计不准确的情况下,提高群体多样性是提高群体智慧的有效途径.用对数正态分布可以模拟出各种规模大小人群的估计值,从而为学者深入研究群体智慧提供一种高效率、低成本的研究工具.