交通系统智能决策的算法研究

遗传算法是近年来迅速发展起来的一种全新的随机搜索与优化算法，但由于其自身固有的缺陷，通常优化过程的收敛速度较慢，局部搜索能力不足，而且算法稳定性较差。而蚁群算法广泛应用在旅行商问题计算中，目前是较好的求解最短路由问题的算法之一。就其自身来说有很多优点，如正反馈性、鲁棒性和智能性，但是在寻优过程中容易陷入局部最佳的缺点。针对上述情况，将遗产算法与蚁群算法相结合，用于实际交通系统寻找最优路径的问题中，并定义了目标函数，以路径可靠性和路径长度为优化目标，寻找最合适的救灾路线。最后通过实际计算结果的对比验证，说明了该方法的有效性。     

三峡茅坪溪沥青混凝土心墙堆石坝位移反演分析与安全预测

本文研究了基于综合应用人工神经网络和演化算法的位移反演分析方法,并将此方法应用于三峡茅坪溪沥青混凝土心墙堆石坝的变形反演分析中。以茅坪溪一期工程原型观测成果为依据,反演出能够正确反映坝体变形特性的邓肯-张EB模型参数,从而预测了施工期末和蓄水期末该坝的变形特性,并基于总应力法研究了心墙水力劈裂破坏发生的可能性,为茅坪溪堆石坝运行期的安全生产提供依据。研究结果表明,茅坪溪心墙堆石坝不会发生水力劈裂破坏,该坝蓄水后虽然水压上升,但心墙仍是安全的。     

人工神经网络在水环境质量评价中的应用

为了将人工神经网络应用于水环境质量评价，应用了人工神经网络Ｂ—Ｐ算法，构造了水环境质量评价模型，该模型应用于实例评价结果表明，人工神经网络用于环境质量评价具有客观性，通用性和实用性。     

基于自适应参数调节和动态分组学习的水波优化算法

针对浅水波理论易陷入局部最优、收敛速度慢的问题,提出基于自适应参数调节和动态分组学习的水波优化算法。通过分析控制参数的变化,采取了参数自适应调节机制平衡算法的全局搜索和局部开发能力;设计基于正余弦因子的动态分组学习阶段,有效增强了算法跳出局部最优的能力,从而提高了算法的收敛精度。仿真结果表明,与标准水波优化算法相比,改进的算法表现出了较好的竞争性。     

基于粒子群算法的城市垃圾中转站的空间布局研究

随着城市化的进程，垃圾处理设施成为影响城市化质量的重要指标。依据人们实际所关注的垃圾处理设施的总成本和负效应两个因素，在前人研究的基础上，建立了垃圾收运多目标模型，使得总成本和负效应最优化。根据模型设计了粒子群算法，该算法属于智能算法，且精度高，收敛快，在许多领域也得到广泛应用。用设计的粒子群算法并结合案例求出了Pareto最优解，给出三种决策方案，验证了模型和算法的有效性和可行性，为决策者提供了一种理论参考。     

一种改进的多学习教与学优化算法

针对传统教与学算法在解决复杂多峰函数优化问题时,具有局部最优且搜索开发能力较差的缺点,提出了一种改进的多学习教与学优化算法,新算法为学员的每一维加入不同的教学因子,设计了基于学员均值比较的教师选择策略和向教师及学员学习的多学习策略。基于多个单峰和多峰函数的仿真结果表明,新算法跟传统的、改进的教与学算法相比,在稳定性、寻优精度和收敛速度方面更具优势。     

具有小世界邻域结构的混合鲸鱼优化算法

针对标准鲸鱼优化算法收敛精度低和易早熟的问题,提出了具有小世界邻域结构的混合鲸鱼优化算法。该算法采用小世界网络作为种群的空间结构,在围猎捕食和气泡网攻击阶段,设计了一种混合引导策略来协调算法的全局搜索和局部开发能力。此外,为了能够找到更多局部最优解,提出了基于边界信息的小概率局部维度变异策略。基于标准测试函数的仿真实验表明,与标准鲸鱼优化算法和其他性能优异的改进算法相比,具有小世界邻域结构的混合鲸鱼优化算法在收敛精度和稳定性方面更具优势。     

基于优化方法的区域疏散路径规划研究

由于各种灾害的频频发生,对于区域整体及局部的疏散规划方案的研究具有迫切性和必要性。基于传统的迪杰斯特拉算法和回溯法的思想,对矩阵化的地图信息进行处理和计算,得到满足最大疏散人数、总体最短疏散路径、最短疏散时间等优化条件的优化方案。最后将这种方法运用到实际中,得出了某大学校区的路径选择方案。     

基于SA-ELM的爆破震动速度预测

针对爆破震动速度与其影响因素之间的复杂非线性,结合模拟退火算法(SA)的全局寻优性,提出了一种新的SA-ELM算法.以矿山周边建筑物爆破震动实测数据作为训练样本,选取总药量、最大段药量、测点与爆破点距离、地面震动特性、建筑物震动特性等8个影响因素作为输入变量,建立了爆破震动速度预测的SA-ELM模型.模型训练值和预测值与实测值的均方误差(MSE)分别为0.20和3.26,平均相对误差控制在5％以内,显示出该模型具有良好的训练精度和泛化能力.对比传统ELM模型,SA-ELM模型不但提高了精度和泛化能力,而且降低了隐层节点数变化对训练结果的影响,提高了模型的稳定性.     

不同升温速率下煤自燃机理函数的优化——基于人工鱼群算法

为了确定最优的煤自燃机理函数,首先采用热重实验和热解动力学方法建立煤氧化反应的热分析动力学方程,再利用人工鱼群算法对煤自燃氧化方程进行优化,最终确定最优的煤自燃机理函数。该方法能较好的确定最优化煤自燃机理函数,且具有较好的拟合效果。对不同变质的煤样进行煤自燃机理函数的人工鱼群算法研究,并以双鸭山东荣二矿14层采区的煤样为例进行热重实验分析,得到不同转化率下的活化能。利用人工鱼群算法对不同升温速率下所得的煤自燃机理函数方程进行优化,结果表明煤自燃的最概然机理函数类型为[-ln(1-α)]n,反应级数n随着升温速率升高而降低。