沙尘源区AVHRR数据地表温度时序变化与沙尘干量TSP数据的对比分析——以2001年春季北方强沙尘过程为例

根据沙尘暴起沙、传输与降沉模型系统对参数的需求 ,中日亚洲沙尘暴项目在源区、传输区和降沉区布设了先进的仪器设备 ,其中沙尘干量TSP数据是主要获取的数据 ,同时利用气象卫星获取沙尘过程的云图和反演沙尘过程的地表物理参数。由于不同土地利用 /覆盖对沙尘暴过程中起沙的贡献不一样 ,研究中用局地分裂窗算法反演NOAA/AVHRR热红外波段数据的地面温度参数 ;取得大范围的时序地面温度数据后参照 1∶10万土地利用 /覆盖类型重采样图层选点提取地表温度 ,形成不同点时间序列变化曲线 ;最后将不同地类的地表温度时序变化曲线与观测点沙尘干量 TSP 时序变化曲线对比分析 ,发现两者具有较好的对应关系 ,说明沙尘暴过程地表温度变化现象与沙尘有密切的关系。结果表明 ,利用遥感数据反演地面温度参数可以作为沙尘预报模型的重要参数。

激光散射法测量TSP和PM10的最佳采光角及立体角的研究

通过对光散射理论的数值模拟,分析了影响颗粒散射光通量F和粒径D之间单值关系的采光方向角、采光立体角和被测颗粒折射率等因素. 与光散射颗粒计数器在异轴90°采光不同,用光散射法测量TSP和PM10在45°方向采光,并采用较大立体角(??? > 50°),能得到较好的F-D关系,同时颗粒折射率的影响也较小.

一种改进的自适应蚁群算法求解TSP问题

文章提出了一种改进的蚁群算法,其核心是限制单步路径上的蚂蚁数目,当该路径上的信息素达到一定浓度时,人为的迫使蚂蚁改换路径,从而更好的全局寻优,避免算法陷入局部极优,并使用2-Opt方法对路径进行优化。对旅行商问题(TSP)的实验结果表明:新算法的优化结果和效率都优于基本蚁群算法。

TSP(IP)采样方法研究及比较

对现行的颗粒物采样的几种方法进行了对比研究。用几种方法同地点进行同步采样 ,样品微观观测结果表明 :几种采样方法所采集的样品中 ,最大颗粒物的几何尺寸有明显的不同 ;样品分析及统计结果表明 :几种采样方法所得监测结果之间存在着非常好的相关性 ,通过计算可相互通用 ,具有可比性 ;同时给出了几种方法相互间的的计算公式。

TSP问题的单元划分法

提出一种利用单元划分法求解ＴＳＰ问题的新求法，该法计算量小。

提高TSP预报准确率及资料快速分析方法研究

近年来,TSP(Tunnel Seismic Prediction)隧道地震预报法已经普遍运用于隧道建设中,在预防隧道开挖时发生地质灾害方面发挥了显著作用,已有不少成功案例,但也存在一些漏报和错报。文章从分析TSP法地质预报存在的缺陷及在数据采集过程中可能遇到的各种干扰入手,总结和补充了如何避免或降低各种干扰可采取的应对措施,并通过不断对比预报情况与实际围岩开挖情况,进行数据反分析,积累了一定的数据处理参数设置经验。同时,通过不断分析、总结TSP法对如破碎带、富水区等不良地质体所表现出的不同特性,提出了资料解译时的快速分析方法,并运用到实际预报工作中,取得了较好的效果。

求解TSP问题的自适应邻域遗传算法

提出结合自适应邻域法与遗传算法来求解TSP问题。在自适应邻域法中,从某个城市出发,下一城市不一定是其最近城市,而是在比其最近城市稍远的邻域范围进行动态随机选取。在求解TSP时,采用自适应邻域法对种群初始化,然后采用选择、交叉、变异进行迭代,在选择中仅保留父代90%的样本,剩下的采用自适应邻域法产生新样本进行补充。仿真实验结果表明所提算法与其他算法相比具有竞争能力。

求解TSP问题的改进果蝇优化算法

基于求解TSP问题,提出一种改进果蝇优化算法(GFOA),该算法结合TSP问题的特点,把果蝇优化算法的连续空间对应到离散规划,利用轮盘赌法初始化路径,并把遗传算法的交叉、变异操作应用于路径的寻优,同时利用C2Opt算子对局部最优路径进行优化,加快局部搜索能力和收敛速度。通过对13个TSPLIB标准库的TSP算例进行仿真实验,实验结果表明,提出的算法在较小规模算例中能以较少的迭代次数和运行时间快速收敛到已知最优解,在较大规模算例中能接近理论最优解,具有较快的收敛速度和较高的收敛精度。

求解TSP的演化算法

提出的计算ＴＳＰ（ＴｒａｖｅｌｉｎｇＳａｌｅｓｍａｎＰｒｏｂｌｅｍｓ）的新算法具有如下特色：１）把演化计算与分枝定界算法相结合：２）面向网络的分布式并行计算．因而它在多方面比通常的分枝定界算法优越。

货郎担问题的几何分块算法及China TSP问题的最终解决

本文提出了货郎担问题的一种新的求解方法，即几何分块算法，用该方法找到了ＣｈｉｎａＴＳＰ问题的最短路径，并分析了求解中的一些策略问题。

求解大规模TSP问题的混合算法

遗传算法求解大规模TSP时呈现出求解时间长、后期效率明显降低等缺陷。通过结合分块方法、局部搜索算法以及禁忌算法,本文提出一个求解TSP的混合算法,以提高初始解质量,减少计算量。利用遗传算法和混合算法对几个TSP进行数值实验,表明无论在结果的质量上还是在运行效率上,混合算法都明显优于遗传算法,而且,规模越大效果越明显。

基于免疫单亲遗传算法在TSP中的应用

基本遗传算法保持群体多样性的能力较差,所以经常在问题求解的过程中极易陷入局部最优解。根据生物的免疫原理和单亲遗传算法并结合最近邻域算法思想提出的一种改进算法———基于免疫单亲遗传算法(IPGA)。免疫遗传算法中的基因重组、免疫记忆以及免疫元动态等特性,这些特性有助于改进基本遗传算法群体多样性的保持能力。最后结合48个城市旅行商问题进行了求解,仿真结果表明,基于免疫单亲遗传算法具有更好的性能,相对于传统的遗传算法收敛速度提高了30%。

一种TSP的新算法:智能邻近点算法

针对旅行商问题(TSP),创建了一种新算法-智能邻近点算法,其主要策略是:按照概率在临近城市里选取下一造访城市,使得那些最短整体路径中出现次数多的局部路径的再次被选概率越来越大。运行结果表明,此算法能有效减少运算规模,所编MATLAB程序语言简洁,易读,可方便快捷地计算31个所选城市最优或较优的巡回路径。

基于TSP动态规划的巡查线路排班问题研究

在很多企业工厂,安排巡检排班都是很重要的一部分,本文将"巡检路线排班最佳"转化为TSP动态规划问题,用贪婪算法分析每班每人近似最佳路线,画出赋权图,然后用C语言编程运行得到可行路线方案,进行均衡度比较从而选定最佳巡查方案。在此基础上考虑错时交班得出遍历图,应用Mathematica编辑对路线进行模拟分析,从而得到人数最少的配置,使人力资源分配更加高效合理。

求解TSP问题的混合遗传算法

TSP问题是一类经典的NP问题,目前有很多方法对其求解,而用混合遗传算法对其求解取得了很好的成效。常见的混合遗传算法有遗传算法与最速下降法相结合(GACSDM)、遗传算法与模拟退火法相结合(SAGA)。设计了贪婪的复合变异算子(GCM),并引入隔代爬山法算子(Climb)增加遗传算法的局部搜索能力。实验结果表明该算法是有效的。

求解TSP的改进模拟退火算法研究

通过分析传统SA算法原理和存在的不足,提出三种改进:增加记忆功能,避免遗失当前最优解;设置稳定抽样判定条件,保证全局搜索能力。提供7种扰动机制,提高结果改进效果。设计对比实验验证各种改进,分析出较好参数配置,构造较理想的改进SA算法。经过国际公认的TSPLIB提供的实验数据的验证,改进算法在性能上比GA和传统的SA算法均有较大提高。

非完全图TSP问题研究

指出了TSP问题是一种具有代表性的组合优化问题,在现实生活中有着广泛的应用。不同于完全图,非完全图TSP问题中存在着某些节点之间没有路径直接相连,使得处于该节点位置时,其路径选择受到一定限制。受运筹学中大M法思想的启发,提出了通过引入一个非常大的正数(即大M)来表示此类节点间的距离,从而将非完全图TSP问题转化成完全图TSP问题,降低了问题求解的难度,并且验证了该方法的有效性。

涉案枪支发射药特征残留物的TSP-GC/MS检测方法的分析研究

目的建立涉案枪支发射药及其残留物的检验分析方法,并考虑射击的特征化合物。方法使用热分离进样杆进样技术和气相色谱质谱联用仪(TSP-GC/MS)分析方法,研究能实现快速且检测限低的涉案枪支发射药及其残留物的提取方法和介质。结果在数次实验后弹壳中均检测出苯噻唑和二苯胺,论证了这两种化合物可作为是否射击的特征化合物,对涉案枪支发射药特征残留物提取有效,结果可靠。结论 TSP-GC/MS检测方法快速、灵敏,苯噻唑和二苯胺两种特征化合物是否检出可作为判断发射药及其残留物是否存在的依据。

基于TSP与直流电法的浅埋隧道超前预报

浅埋隧道的TSP超前地质预报准确度会有所降低,这是因为TSP可能会接收到来自地表的反射信息,虽然通过改进处理方法可以排除一定干扰,但对其结果的可靠性仍存在一定的隐忧。鉴于此,以某隧道为例开展了直流电法测试。直流电法是利用等位电势的原理,以三点交汇方法确定开挖隧道的地质情况。对研究实例,根据直流电法测得的视电阻率变化特征,判断出开挖前方发育的裂隙密集带,结合前期TSP预报结果,对裂隙带给出了合理可靠的围岩分级,确保了施工安全。

改进的蚁群算法在TSP中的应用

介绍了蚁群算法的特点,提出了基于蚁群算法的TSP问题的求解方法,并分别建立基本蚁群算法及MAX—MIN蚁群算法模型,并引入"三步走"法确定模型参数的最优组合,还结合了交叉局部优化相关的求凸壳顶点的算法进行预处理,进行仿真分析比较。实验结果表明基于MMAS模型相对于基本蚁群算法模型,有比较好最短路径选择能力及良好的可扩展性能,能够较好地适应物流配送系统的要求。