基于MSIGJO的网联商用车换道轨迹规划方法

针对网联商用车换道安全性、平顺性较低的问题,提出一种基于多策略改进金豺优化算法(multi-strategy improved golden jackal optimization,MSIGJO)的网联商用车换道轨迹规划方法。首先,基于V2X(vehicle to everything)技术获取智能网联商用车周围状态信息,建立商用车换道安全距离模型;其次,引入商用车换道平顺性、经济性和换道效率作为指标,构建多目标协同优化函数;最后,引入动态权重位置更新策略和翻转策略改进金豺优化算法(golden jackal optimization,GJO),进而提出MSIGJO算法,利用MSIGJO算法求解函数得到最优换道轨迹。研究结果表明:该方法在商用车换道过程中横向跟踪精度提升了12.67%,侧向加速度变化率和质心侧偏角变化率分别降低了11.94%和12.65%,有效提升智能网联商用车换道安全性和平顺性,为智能网联商用车换道轨迹规划研究提供参考。

基于多目标优化的高速超车轨迹规划

为保障高速超车规划过程中的安全,同时提升轨迹的舒适性,笔者提出一种基于多目标的高速超车轨迹规划算法。该算法在可行凸空间的基础上求解出高速超车边界条件,再通过安全超车策略对超车行为的可行性进行分析,随后根据建立的超车轨迹规划目标函数和舒适性优化函数对轨迹的平顺性和乘坐的舒适性等目标进行优化,并且算法实时规划轨迹直至超车行为完成。为验证该算法的有效性,利用Prescan和MATLAB/Simulink构建联合仿真平台,对所设计的两种常见超车场景进行验证分析。仿真结果表明:在匀速超车以及加速超车场景下,相较于单目标优化,经多目标优化的超车轨迹的横向位移峰值、横向加速度峰值、横摆角速度峰值、曲率峰值,以及车速峰值的优化效果都获得了提升,有效的提高了所规划超车轨迹的舒适性和安全性。

中欧集装箱多式联运服务网络设计

中欧运输通道和运输方式不断发展完善,海运、中欧班列及多种运输方式联运等构成了中欧间集装箱运输服务网络。货主在选择运输服务时,一直关注货物运输的费用与时效性,由于中欧间运输距离长,节点多,节点作业时长还存在很大的不确定性。同时,随着全球对碳排放问题的重视,运输服务产生的碳排放也成为货主考虑的因素。综合考虑运输费用、时间和碳排放的影响,并关注节点作业时间的不确定性,解决中欧集装箱多式联运服务网络设计问题具有非常重要的现实意义。建立最小化运输费用、运输时间和运输碳排放量的多目标多式联运服务网络设计模型,并在模型中引入不确定性时间变量。由于节点作业时间样本数据有限,通过Box-Muller变换生成随机数丰富数据,并减少不可观测的误差,运用蒙特卡洛模拟对运输时间进行不确定性统计,描述总运输时间的统计特征。基于多目标的Pareto最优思想,设计了快速非支配排序遗传算法求解最优运输服务方案。以天津至汉堡的中欧集装箱运输为实例,根据实际调研结果确定各项相关参数设定,进行模型和算法验证,求解得到多式联运运输方案的Pareto最优解集。结果显示不同的运输服务方案其运输费用、运输时间、碳排放量各有差异,并且符合Pareto最优解集定义,证明了研究提出的考虑不确定性的多目标服务网络设计建模及算法的正确性和可行性,研究成果可为货主提供选择符合其需求的不同运输服务优化方案。

多目标智能优化的运输机群装载方案生成方法

运输机群装载方案制定是影响大规模航空运输任务成功实施的重要环节和核心要素。围绕异型、多架运输机的多样化物资装载规划需求,以安全、高效、经济性为装载规划目标,并以起飞重量、货舱尺寸、重心包线、舱段几何结构、舱段结构强度限制等实际限制条件为约束,建立了灵活、通用的多目标多约束装载规划数学模型;随后,围绕求解精度和规划速度的现实需求,提出多目标智能优化的运输机群装载方案生成算法,其内部嵌入了一个两阶段分步优化的种群搜索策略,在保证优化准确性的同时提升了方案生成速度;最后,通过想定多样化、多机型航空运输装载规划任务,并对比其他智能优化算法,结果表明,新方法所需架次少、规划效率高,具有很好的应用前景。

基于切比雪夫分解算法的实时无人飞机交通监控巡航路径规划

将无人飞机技术引入到道路监控当中,以提高交通监控的灵活性和响应速度。针对道路突发交通事故、路段坍塌、交通拥挤等情形,交通监控目标的数量和分布会发生动态变化,此时需要协同地面车辆和无人飞机的监控分工关系,动态规划无人飞机巡航路径。首先,建立了无人飞机交通监控巡航路径多目标优化模型,该模型考虑了无人飞机巡航与地面车辆巡查的协同关系以及监控成本,优化目标包括无人飞机-车辆的协调性最好、无人飞机的巡航距离最小。接着,设计了基于分解策略的多目标优化算法,该算法包括切比雪夫分解策略、无人飞机可行路径染色体的生成、子路径的划分、交叉、变异等操作,采用帕累托最优确定最优解。最后,开展了案例分析。结果表明,与3种多目标优化算法相比,提出的算法可以求出无人飞机巡航路径的最优解,算法的时间复杂度显著降低,平均计算时间下降了50%以上,解的质量也有一定程度的提升,这表明提出的方法可用于实时无人飞机交通监控巡航路径优化研究。

基于停车预约模式的差异化泊位定价优化

为解析驾驶者的预约停车选择行为,设计考虑驾驶者个人属性及出行场景的预约停车选择行为陈述性偏好(Stated Preference, SP)调查问卷,基于SP调查数据,构建预约停车选择行为巢式Logit(Nested Logit, NL)模型,采用Biogeme软件标定模型参数并分析标定结果 .根据效用理论,构建以停车场运营总收益最大化、用户总效用最大化以及停车场利用率均衡的多目标预约停车场差异化定价优化模型,采用带精英策略的非支配排序算法(Non-dominated Sorting Genetic Algorithm,NSGA-Ⅱ)算法求解模型,并以北京佑安医院及周边停车场景进行案例分析.研究结果表明:出行者更倾向于选择停车预约,且相较于费用等方案属性变量,出行者更关注停车等待时间;个人特征和出行目的等属性会对停车方案选择产生显著影响;算例中预约停车模式能够转移目的地停车场内约67%的车辆,实现高峰时段区域内停车需求的合理分配,为停车设施管理提供参考.

城市地铁站点接驳公交多目标优化方法

多方式无缝衔接,尤其是公交和地铁的便利衔接是提高居民出行品质、提升绿色方式分担率的重要前提。目前,已有很多公交和地铁换乘优化的研究,但大多基于网络可达性、换乘距离最短等单一目标设置静态方案,缺乏对接驳站点和运营优化的同步兼顾,致使现有优化方法的实际应用效果欠佳。为解决上述问题,本文首先提出一种改进DBSCAN聚类算法,引入站点隔离度和客流需求量两个因素完成公交站点聚类划分,确定接驳站点候选集合。其次,以兼顾系统效益和个体利益为目标,融合宏观社会层面和微观个人层面的多维因素,建立接驳公交多目标双层规划模型,打破单一维度和单一目标优化的局限。最后,设计了一种基于精英非支配排序遗传算法(NSGA-II)的模型求解方法,并依据杭州市的实际数据对模型进行了验证,结果表明新方法可以有效串联公交站点,提高客流服务率。本文成果对实际接驳公交设计有一定的参考价值。

基于改进NSGA-Ⅲ的内河集装箱船舶配载多目标优化

内河集装箱运输差异化特征导致船方配载决策时考虑多目标优化,为满足船舶运输经济性和适航性需求,以优化船舶堆栈占用数量、阻塞箱数量、稳性高度、横倾角值及纵倾值为目标,构建内河集装箱船舶配载多目标优化模型。为实现多目标优化问题有效求解,采用灰熵并行分析法改进第三代非支配遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅲ,NSGA-Ⅲ),将灰熵并行关联度作为适应度值引导算法进行精英选择。结果表明:改进后算法在求解性能表现上优于采用一般选择策略的算法,对算例参数设置具有较好鲁棒性,可为船方实际制定内河集装箱船舶配载计划提供一定决策支持。

面向交通信息采集的无人飞机路径规划

引入无人飞机作为城市道路固定交通检测设备的辅助手段,部署无人飞机进行道路交通信息采集,提出了无人飞机的路径规划问题.考虑了无人飞机数量有限,不足以对所有目标进行侦察的情形,建立了以总巡航距离最短、巡航目标数量最多的多目标优化模型,提出了可行路径的重组方法,构造了求解该问题的非支配排序遗传算法.案例分析结果表明:构造的算法可以求出无人飞机路径规划的近似最优解,与最优初始可行解相比,总巡航距离减少了13.07%,巡航目标数量增加了41.67%.最后,讨论了无人飞机在道路交通信息采集中可能面临的问题.

基于灵活编组的轨道交通列车开行方案优化方法

针对城市轨道交通全日客流时间分布不均衡特性下的列车开行方案优化问题,从乘客广义出行成本和企业运营成本角度,考虑列车满载率对牵引能耗成本的影响,利用数学规划方法构建基于灵活编组模式下的多目标列车开行方案优化模型,并提出四阶段求解算法.以某城市轨道交通线路为对象进行案例分析,对比传统固定编组列车开行方案,基于灵活编组的列车开行方案使乘客广义出行费用和企业运营成本分别减少了14.6%和11.0%.结果表明:该方法能有效实现既有固定编组条件下,列车开行方案难以达到的乘客出行费用和企业运营成本双赢目标,可为我国城市轨道交通新型运输组织方案的制定提供新方法.

民航货机装载优化准确建模仿真研究

研究民航飞机运输装载问题,可以提高飞机装载效率,节省燃油,从而为航空公司大大节约成本。民航货机装载问题属于NP-hard问题,加之复杂的约束条件,如飞机货舱的重心包线限制、重量限制、载荷限制和结构限制等,在建模和算法选择上都有一定难度。为解决上述问题,综合考虑现实约束条件,建立了双目标混合整数规划模型,提出一种改进的遗传算法。该算法将传统遗传算法中二进制编码改进为实数编码方式,适应度函数为主目标函数载重量最大,将重心最小这一目标转化为约束条件,采用罚函数法处理模型中约束条件,遗传算子中交叉和变异方式分别设计为均匀交叉和均匀变异,以此增加种群的多样性,选择最优个体。仿真结果表明,改进的遗传算法能够快速收敛于最优解,验证了模型的可行性和算法的有效性。

危险货物多式联运路径优化问题的多目标优化算法

为了更为有效地规划与管理危险货物运输,研究在多式联运危险货物时的路径优化问题,同时囊括双目标、多批货物以及货物的送达时间要求和路段的容量限制。以运输和转运过程中的总成本和总风险最小为目标,构建了双目标0-1线性规划模型。集成路径搜索算法和非支配排序规则,设计了基于帕累托分析的多目标优化算法,以获得原问题的非劣路径。算例结果表明,该算法可有效地获得实际问题的一组具有竞争性的非劣解,且相比于单式运输,多式联运危险货物有望同时降低总成本和总风险。

基于粒子群算法的汽车租赁短期车辆配置问题研究

合理的车辆配置与调度是租车公司运营管理考虑的主要问题之一,也是提高租车公司的租车率和收益的有效途径。针对目前我国租车公司普遍缺乏历史数据、预定提前期短、租期短、门店间距离短等主要运营特点,本文将租车公司运营中频繁而复杂的短期车辆配置问题作为研究对象,提出单日的车辆配置方法,构建随机期望模型,并采用合理的方法分解模型,选择粒子群算法对子模型进行求解,并用数值算例验证了该方法的可行性与效果。该方法能够帮助租车公司管理者做出正确的决策,在提升顾客满意度的同时,提高租车率和租车公司的收益。

动态恶劣天气下的多目标多机改航路径规划

针对恶劣天气影响多架航空器正常运行的问题,提出了多目标的多机改航路径规划方法。首先构建了基于网格的改航环境,考虑了天气的变化和航空器的运动,建立了转弯次数最少、航迹长度最短、所需空域最小的多目标优化模型,并采用改进遗传算法进行求解。以西安管制空域为实例,用实际数据验证了方法的有效性。结果表明:本文规划的多机改航路径,减少了航班总延误时间,保证了安全间隔且效率较高。

汽车租赁业的战略车队规划

研究了汽车租赁业中的战略车队规划问题,重点解决一个战略规划期内,租赁车辆的入队和出队时间、数量。借用车辆路径优化方法求得车辆调配过程所需专用运输车的数量及其路线安排,实现了车队资源的共享,提高了物流管理的效率。算例分析表明了模型和算法的有效性。

汽车租赁调度多目标优化模型

本文考虑一个周期的汽车租赁调度问题,在直接调运的前提下,首先以汽车租赁公司的总收益最大和总短缺损失最小为目标,建立多目标优化模型;然后提出了基于启发式的双层排序综合择优算法;最后对汽车租赁案例进行了实证研究。

基于遗传算法的定制公交路线多目标优化

常规公交乘客乘坐舒适度低,消耗时间长,推行定制公交在一定程度上能够缓解此问题.首先,以最小化乘客的出行时间、最小化车辆的油耗为目标函数,考虑车辆容量限制、出行时间约束、出行费用约束等,建立定制公交路线多目标优化模型.其次,采用改进的NSGA?Ⅱ算法(Nondominated Sorting Genetic AlgorithmⅡ)求解,采用基于未到达交通节点顺序的自然数编码方法进行编码,采取锦标赛选择策略进行选择操作,采用均匀变异方式进行变异操作.最后以兰州市局部路网进行模拟研究.研究结果表明:运用建立的定制公交路线多目标优化模型及算法,能够快速得到优化路径,并且该路径能同时满足乘客出行时间短及车辆油耗低的要求.

客运班轮动态船队规划数学模型及其求解方法研究

通过对定期客运班轮运输特点分析,构建出能全面反映运量增加显著和运量增加缓慢情况下的运力更新、运力闲置、运力购置的多目标动态船队规划数学模型,模型根据绿色的定义给出了技术、经济、环保性目标函数.其数学模型具有大规模、离散和整数的特点,计算速度随着船舶数量和船型的增加以指数形式递增,造成"维数灾"难题.采用混沌初始化、维更新、非支配档案更新及基因交换对多目标离散粒子群优化算法进行改进使其适用于大规模动态船队规划,最后通过实例验证该方法的可行性并得到了相应的船队规划结论.

不确定情况下集装箱多式联运多目标规划

多式联运可以结合各种运输方式的优势,在长距离运输大量货物时提供灵活、可靠和环保的选择。然而多式联运运输网络非常复杂,需要及时响应上游操作不断变化的动态和不确定,还需要同时兼顾多个存在效益悖反规律的目标。因此,怎样选择最优的运输路径和运输方式来满足多式联运经营者的运输要求显得很有必要。充分考虑集装箱多式联运过程中的多个优化目标,除了普遍关注的时间-成本之外,加入碳排放量以及转运枢纽的容量限制。为了使模型更加接近真实运输情况,还考虑了集装箱多式联运过程中的不确定情况。采用含有随机的不确定量的多目标函数来建模,构建含不确定信息的多目标优化模型。使用MATLAB,并运用含有随机变量的粒子群算法来求解算例,而不是转换成单一目标函数,得出可行的运输路径与运输方式的组合,从而在不确定情况下,为集装箱多式联运经营者在选择恰当的运输方式和运输路径时提供决策方案。

基于遗传算法的公铁水多式联运路径优化问题研究

基于现代物流运输的角度,分析了集装箱多式联运路径优化的影响因素。针对多式联运的特点,构建以运输时间最少、运输线路距离最短、运输成本最低为约束的路径规划目标函数,然后设计适合的遗传算法要素,并根据遗传算法实际发生的参数,对集装箱多式联运的多目标路径优化模型进行求解,为选择实施多式联运运输模式路线提供参考依据。