ROAD+:Route Optimization with Additional Destination-Information and Its Mobility Management in Mobile Networks

In the NEtwork MObility （NEMO） environment, mobile networks can form a nested structure. In nested mobile networks that use the NEMO Basic Support （NBS） protocol, pinball routing problems occur because packets are routed to all the home agents of the mobile routers using nested tunneling. In addition, the nodes in the same mobile networks can communicate with each other regardless of Internet connectivity. However, the nodes in some mobile networks that are based on NBS cannot communicate when the network is disconnected from the Internet. In this paper, we propose a route optimization scheme to solve these problems. We introduce a new IPv6 routing header named ＂destination-information header＂ （DH）, which uses DH instead of routing header type 2 to optimize the route in the nested mobile network. The proposed scheme shows at least 30% better performance than ROTIO and similar performance improvement as DBU in inter-route optimization. With respect to intra-route optimization, the proposed scheme always uses the optimal routing path. In addition, the handover mechanism in ROAD＋ outperforms existing schemes and is less sensitive to network size than other existing schemes.

基于灰色评价理论的自适应最优路径选择

充分考虑了驾驶员在路径选择中的不同要求,依据层次分析法和灰色评价理论建立了一种根据驾驶员的偏好自适应选择最优路径的方法,并设计了相应的决策支持系统,为智能交通流诱导系统的进一步发展铺平了道路。

基于粒子群优化算法的航迹规划与重规划

航迹规划与重规划是驾驶员智能辅助决策支持系统中的重要组成部分。通过分析描述航迹状态规划空间,提出一种基于粒子群的航迹规划算法,该方法通过使用特定的粒子群编码方式和适当的适应度函数的构造,可以在满足航迹约束的条件下,有效利用各种环境信息,进行在线实时航迹规划,并最终得到一条近似最优航迹。仿真结果表明了该方法的有效性。

针对重点任务航线保障的预警机航线规划

针对重点任务航线保障的预警机航线规划问题,根据重点任务航线的长度以及单架预警机的探测能力,提出了一种分段探测的预警机航线规划方法。该方法按照重点任务航线外接圆和预警机稳定覆盖区域的大小,本着节约预警机资源的原则对重点任务航线进行分段;每段航线分别利用一架预警机进行保障,在最大程度减少重点任务进入预警机的空间盲区和多普勒速度盲区的前提下,建立预警机航线的最优化模型;利用粒子群优化算法求解该模型,得到最优的针对重点任务保障的预警机航线规划。仿真实验结果证明了文中提出的针对重点任务保障的预警机航线规划方法的有效性。

装备器材保障资源调度决策模型及算法

装备器材保障资源调度问题是一个非常复杂的问题,根据其优化目标要求,从保障时间最短、保障耗费最低、安全性最高3个方面建立了该问题的多目标优化模型,并通过目标优先度决策将其转化为单目标模型;接着,采用两阶段法进行求解,将其分为最优路径决策、器材分配决策两个阶段进行决策优化,在明确资源点到需求点之间的最优路径后再进行器材资源的分配;并分别采用基于小生境的自适应遗传算法和基于生成树的遗传算法进行求解。通过实例分析,求解结果能够满足装备器材保障的要求,表明所构建的决策模型和算法是有效的。

基于动态蚁群遗传算法的弹药保障路径选择研究

战时弹药保障路径规划属于典型的不确定性路径规划问题,针对战时弹药保障路径的特点,对传统的解决最短路问题的蚁群算法进行改进,引入将蚁群算法和遗传算法相混合的策略,提出了基于动态蚁群遗传算法的路径优化算法,并通过仿真实验验证此算法可快速、科学和稳定地解决弹药保障路径选优问题。程序实现简单、研究结果可靠,能够为弹药保障路径选择的决策提供科学可靠的辅助手段,具有一定借鉴意义。

DAOA：一种动态数据仓库聚集优化算法

为了有效地支持企业决策,越来越多的企业建立或倾向于建立数据仓库,然而随着时间的推移,数据仓库在具体应用中普遍存在着查询效率低下,用户需求得不到很好满足等问题,这就需要数据仓库进行及时的调整和优化,以解决这一矛盾。聚集优化是数据仓库优化技术的重要组成,这里以数据仓库聚集优化为研究对象,通过分析系统运行日志和收集用户需求变化,提出数据仓库聚集优化的最优路径算法Route_Optimize和聚集的物化选择算法Select_Optimize,并以此为基础获得一个切实可行的动态聚集优化实施方案DAOA(Dynamic Aggregation Optimization Approach),可用于对原聚集进行有效的动态调整,以提高数据仓库的运行效率,更好地满足用户的需求,最终延长数据仓库的生命周期。该方案经实验和具体应用证明其可行性及良好的效果。

不定期船运输市场优化决策支持系统构建研究

随着世界不定期船运输市场的持续发展和竞争的进一步加剧,在物流供应链管理全球化背景下,海运业的定位应是全面物流服务的提供商或者至少是全面物流提供商的一部分。给出了不定期船运输市场优化决策支持系统的理论框架,该框架由国际航运市场分析模块、不定期船航线优化决策模块和绩效评估模块构成,并探讨了新系统的技术开发路线,为系统的成功开发奠定理论基础。

改进蚁群算法在装备保障路径选择中的应用

目前,保障单位在进行装备保障的资源调配时很多都是基于人工决策的,根据经验选择路径,形成保障方案,这存在决策不科学、路径不最优、方案不合理等方面的不足。根据上述状况,利用蚁群算法试验不同的参数值,提出最佳解决方案,对资源调配中的路径进行优化选择,改进基本蚁群算法。实验结果表明,利用改进的蚁群算法进行路径优化确实能够减少时延,提高效率。

PSORP航迹规划算法设计与实现

针对飞行器航迹规划与重规划进行了研究,提出了一种基于粒子群的航迹规划与重规划算法(Particle Swarm Optimization Route Planner,PSORP)。在该方法中,使用了特定的粒子群编码方式、构造了适当的适应度函数并建立了有效的航迹评价规则。仿真实验表明该算法可以有效利用各种环境信息,在实时环境下处理各种航迹约束,并最终获得近似的最优航迹。

基于多维特征提取的紫外局放分级方法及应用

针对局部放电状态无法准确量化分级问题,对采用基于粒子群优化的支持向量机的状态分级方法进行了研究,通过该方法首先完成了多类特征空间在SVM核函数中的映射分类,再利用粒子群选取了最优核参数及惩罚参数。并提出了一种搭载该分级方法的便携式紫外传感电力巡检系统,结合其自身的测距功能,可向终端上位机回传紫外光斑面积、脉冲波形,测量距离、测量角度4种特征量,并以此作为分级判据,以充分利用紫外信号可靠且灵敏的特点。上位机根据已由试验数据建立起的优化分级模型,对设备的异常放电进行了诊断分级。研究结果表明,精度较传统支持向量机显著提高,避免了人为选取参数的盲目性,能够根据现场回传数据准确、实时地完成设备异常放电状态分级。

装备维修器材供应保障优化决策问题研究

为解决传统经验型决策结果不精确的问题,对装备维修器材保障中的生产、库存和配送路径环节集成优化决策进行研究。根据优化决策的基本思想,对协同决策问题网状结构进行分析,以PRP优化决策理论为基础,建立器材供应保障决策问题的MILP优化模型,并利用小规模算例验证模型的有效性。实例验证结果表明,该研究可为实施低成本、高精度的装备维修器材供应保障工作提供参考。

装备维修器材生产路径决策的两阶启发式算法

当前装备供应保障系统中维修器材存在短缺、积压以及配送系统效率低下等问题,亟须对生产、库存和配送作业环节进行集成优化。为客观反映各个决策环节,将该问题公式化为一个混合整数线性规划模型,针对该模型多变量、多约束的特点,提出了一个基于数学规划的两阶启发式算法对其进行求解。结合算例,检验模型的可行性,并选取求解器CPLEX和一个类似的迭代算法与该算法在求解质量和运算时间方面进行对比与分析。结果表明,提出的模型是合理可行的,该算法在求解不同规模实例时表现出优异的性能。

基于改进蚁群算法的血液保障车辆动态路径优化研究

目的 研究军队血站应急血液保障中血液保障车辆动态路径优化问题。方法 结合多种类血液保障、多路况血液运输等特点,考虑医疗救治点位需求、道路路况、车辆库存等动态变化,构建以总配送时间与时间窗惩罚成本之和最小为优化目标的血液保障车辆动态调度模型,并引入路径难易度因子ω、基于排序的信息素更新策略和2-opt局部搜索策略设计改进蚁群算法对模型求解。结果 算法对随机产生的15个医疗救治点的全血、悬浮红细胞和冰冻血浆静态需求数据和7个点位的动态需求数据测试性能表现突出,寻优精度高,收敛速度快,能有效应对不同血液配送需求的处理。结论 该模型和算法较好地满足了血液保障车辆实时优化配送描述和最优方案求解,能够为突发事件发生后血液资源快速机动靠前保障提供方法支撑。

遗传算法及其在油料保障路径优化中的应用研究

路径探索算法是古老而常新的问题。在介绍遗传算法的基础上,通过一个简单例子详细分析用遗传算法解决油料保障路径问题。最后对算法结果进行总结和分析。

配电网带电作业路径两阶段优化方法

带电作业是当前配电网检修和改造的主要技术手段,作业地点广泛分布于配电线路杆塔及设备。随着带电作业数量的不断增长,各作业地点之间的任务组合和路径选择成为影响工作效率的重要因素。提出配电网带电作业路径两阶段优化方法,一阶段模型用于周前组合作业任务,二阶段模型用于日前优化作业路径,两阶段模型有效考虑了多时间尺度要求、作业时间窗及人员作业工时约束,同时探讨了基于混合编程的带电作业路径优化决策支持系统开发方法。针对该两阶段优化问题,采用改进整数编码的混沌粒子群优化算法求解。最后,通过算例验证了所提两阶段优化方法的有效性,该方法有效实现了带电作业任务的组合优化。

带时间窗的装备维修器材生产路径建模与优化

对在时间窗约束下优化与决策合适的生产、库存和配送计划进行了研究,建立了以最小化总成本为目标的混合整数线性规划模型,并加入不等式改进该模型。为检验模型和不等式的有效性,通过随机生成的算例,在CPLEX平台上进行算法数值试验,结果表明该模型是可行的,针对在有限计算时间内未求得最优解的算例,提出的有效不等式有助于CPLEX生成更好的下界。

直达配送式保障路径优化问题研究

对配送式保障中装卸混合和任务组合的路径优化问题,文章建立了考虑实际载重量的动态费用计算模型,在运用基本蚁群算法的基础上,改变了常用的以地点为基础的编码方式,取之以具体作业作为编码基础,既简化了这类复杂路径问题的算法设计,也便于算法的编程实现,并在局部作业路径搜索时根据问题特点设计了相应的启发式算法,并通过编程运行实验,证明了该算法的有效性。

小生境粒子群优化ABC支持型QoS组播路由机制

针对ABC总最佳链接支持型QoS(服务质量)组播路由存在的链路参数不精确、用户QoS参数难以描述以及用户与网络运营商效用相矛盾等关键问题,提出了一种基于用户和运营商博弈的多目标模型,采用模糊数学的方法对链路参数和用户的QoS需求进行处理,利用用户和运营商在每条链路上效用的博弈达到纳什均衡下的Pareto最优,保证了用户和运营商的公平性.为有效求解该多约束QoS组播路由模型,提出一种基于动态Pareto解聚类分析的小生境粒子群的多目标算法.该算法采用聚类小生境保证解的多样性,引入动态更新Pareto最优边界加速寻得优质解过程.最后,基于NS2平台对路由机制及算法进行了仿真实现与性能指标评价.实验结果表明:该路由算法在可信度、用户效用、网络运营商效用等方面具有突出的优势,验证了其有效性与可行性.