危险天气下的实时动态改航策略研究

为提供危险天气下的飞行安全性，降低管制员雷达引导绕飞危险天气区域的工作负荷，优化航空器在危险天气下的改航路径，首先构建编码空域信息矩阵，用栅格化的方法表示危险天气区域，定义危险天气区域的移动方向和速度，明确区域内危险天气区域对航路航线的安全威胁；进而针对移动的危险天气区域对空域内航路航线的影响，提出基于改进人工势场法的实时动态改航策略，让航班能够尽快绕过动态危险天气区域，从而提高空域的利用率。结果表明：基于改进人工势场法的实时动态改航策略，能够完成在动态环境下的最优路径选取的任务，快速高效地规划并选取出一条路径，并随环境的变化相应地改变，具有一定的稳定性和较强的适应能力。     

基于GIS的遗传算法在路径诱导中的应用与实现

最优路径搜寻是路径诱导问题的核心,文章在路径优化问题的求解中,将遗传算法和蚁群思想进行融合,首先利用前部分遗传操作迅速产生优化解,并由此衍生的初始信息素进行蚁群计算,并将后部分遗传操作引入蚁群算法以保证群体多样性以防陷入局部,仿真实验验证了算法的正确性和有效性。在系统实现部分,基于GIS环境,利用面向对象的程序设计语言C++,在VC集成开发环境下,通过MapInfo获取地图,并且把得到的路径优化结果回显在地图上。     

基于最短路径算法的PCB板插接优化

在印刷电路板(PCB)上插接端子时,为减少设备空转,提高设备利用率,针对不同种类的端子,提出贪心算法(GA)和蚁群算法(ACO)相结合的优化算法,对插接机头的行走路径优化。此路径优化属多项式复杂程度的非确定性问题,文章针对问题复杂度随指数规模增大的特点,先化全局问题为局部问题,在非同类端子间用贪心算法,再在同种类端子间用蚂蚁算法,从而得到近似的最优解。     

面向路径覆盖测试用例生成方法

测试用例的生成在软件测试中起到关键性的作用,然而在全路径覆盖这一准则中,往往会遇到极少数路径被遗忘等问题。针对此问题,文章提出了一种面向路径的测试用例生成方法,即贝叶斯网络与人工鱼群组合算法。首先,将表示各参数间的关系引入贝叶斯网络,达到路径覆盖准则的效果。然后,使用人工鱼群算法对近优的贝叶斯网络模型进行搜索获取测试用例集,进一步提高效率。实验结果表明:与已有的方法相比,在满足路径覆盖的同时,该方法在性能上有明显优势。     

应用遗传算法求解非线性问题的全局解的方法

本文是探讨了在matlab环境中实现遗传算法,通过求解一个非线性极小化问题,先用一般的方法求解该问题,然后再用遗传算法求解,通过对求解结果的分析说明该算法能够对函数的全局最优进行搜索,深刻体现了遗传算法的优越性.     

基于自主路径规划的未知空间探索机器人系统研究

随着移动机器人应用领域的不断扩展,其所面临的工作环境越来越复杂,结合图像识别技术和人工智能学习算法进行未知空间环境的机器人路径规划已经成为热点研究问题之一。本系统借助单片机、各类传感器和嵌入式系统等硬件结构相配合,通过软件算法设计赋予机器人一定的自主判断、规划分析和物体识别能力。以室内移动机器人开发应用为背景,对机器人室内环境中实现可靠的运动控制和路径规划等问题进行较为深入的应用研究。     

基于优化AC-BiLSTM模型的机场终端区流量预测

将深度学习用于机场终端区流量预测研究。神经网络具有复杂的网络拓扑结构和较多的超参数，这使得超参数的选择很困难。以往神经网络模型的超参数通常是根据经验来调整的，因此，为了解决超参数搜索问题，引入粒子群算法(PSO)。针对基本粒子群算法(Basic PSO,BPSO)的缺点和不足，提出一种基于自适应惯性权重的混沌粒子群优化（AWCPSO）算法，该算法在基本PSO的基础上进行了改进和优化。具体方法是，使用一种新的动态自适应惯性权重在全局寻优和局部寻优之间取得平衡；进而将混沌思想和粒子群算法相结合，解决粒子群算法易陷入局部最优的问题。实验表明，AWCPSO算法用于AC-BiLSTM模型的超参数寻优时，既解决了BPSO算法的早熟收敛问题，又提高了流量预测的精度。     

基于启发式人工鱼群算法的全局优化问题研究

文章提出了一种启发式人工鱼群算法(mAFS-P),依靠人工生命计算和群体智能行为来检测可行区域,采用局部搜索来确定最优解区域,并给出约束问题的扩展,通过调整参数,评估算法的性能,提高求解精度。通过与模拟退火算法(ASA),粒子群算法(PSwarm),协方差矩阵进化算法CMAES的比较,得出mAFS-P算法在解决全局优化问题上具有提高解决方案的准确性,降低计算成本的优越性。     

应用遗传算法求解非线性问题的全局解的方法

本文是探讨了在matlab环境中实现遗传算法,通过求解一个非线性极小化问题,先用一般的方法求解该问题,然后再用遗传算法求解,通过对求解结果的分析说明该算法能够对函数的全局最优进行搜索,深刻体现了遗传算法的优越性。     

一种改进的权重信息不完全多目标决策方法

针对权重信息不完全的多目标决策问题,提出了在模糊约束条件下求解局部最优权,空间距离函数确定全局最优权的决策方法。首先利用模糊线性规划求解在模糊约束条件下的各方案最优权向量;然后利用各方案最优权向量与全局最优权向量距离和最小确定全局最优权向量;最后同其他方法进行比较,结果验证本方法可靠性更高,适合对权重精度要求较高的决策问题。     

基于遗传算法的移动机器人路径规划研究综述

近年来，随着人工智能技术的不断发展，对移动机器人产业的开发和研究受到越来越多的重视。其中，路径规划作为移动机器人设计的关键核心技术之一，更是学术界、产业界关注和研究的热点问题。遗传算法作为智能仿生学算法在移动机器人路径规划中得到了广泛的应用。归纳总结了传统遗传算法、改进遗传算法、混合遗传算法在移动机器人路径规划研究中的应用情况，为相关专业技术人员了解遗传算法在移动机器人路径规划研究中的发展历程及算法应用提供一定的参考。     

海上N油田蒸汽驱注采参数智能优化设计

我国海上油田原油资源储量丰富，其中N油田有着大量的稠油资源，现有的多元热流体开采方式已无法进一步提高油田采收率，开采效果差，因此急需开展蒸汽驱注采参数优化研究，但是传统的优化方法主要针对不同参数逐一进行优化方法，无法从全局综合考虑各个参数的协同优化作用，因此最终方案往往是单一参数的最优方案而不是全局最优方案。首先利用Petrol建立了区块地质模型，进而采用数值模拟软件CMG对该油田试验区进行了生产历史拟合，在此基础上使用基于均匀设计的改进型粒子群优化算法（PSO算法）对蒸汽驱开采方案进行整体智能优化，并将预测的开发效果与传统优化方案进行对比。对比结果显示，使用智能优化方案对油田进行开采，累增油量34.05万方，提高采收程度12.8%，相对人工配产方案增油5.39万方，提高采收率2.03%，有着更佳的开采效果。     

面向枢纽机场的多因素滑行路径规划综合研究

针对枢纽机场滑行道容量不足问题,结合安全间隔、冲突解脱和公平性原则,以滑行路径最短作为优化目标,考虑燃油消耗和废气排放,建立滑行路径规划模型。采用Dijkstra算法将滑行路径转化为邻接矩阵,以加权的方式进行冲突解脱,在保证滑行道零冲突的前提下,减少总的滑行距离。以国内某枢纽机场2018年某日18：00—19：00内的实际运行数据结合19个跑道节点、71个滑行道节点进行验证分析。结果表明,提出的滑行路径规划方法可行,可提高机场场面滑行效率,有效降低油耗量及污染物排放。     

基于ACO优化的ARIMA-ES-RF布伦特原油价格预测研究

为解决传统单一的自回归积分滑动平均(ARIMA)和指数平滑(ES)预测原油价格(以布伦特原油为例)误差较大,难以精确地预测序列非线性特征的问题,提出自回归积分滑动平均(ARIMA)-指数平滑(ES)-随机森林(RF)组合预测方法。目前虽已有大量的原油价格预测模型,但还未有文献利用随机森林组合传统时间序列模型对原油价格进行研究。在此基础上,利用蚁群算法(ACO)对随机森林的重要参数(树的数量及根的深度)进行智能搜索,将随机森林组合模型的预测精度反馈给蚁群进行信息素的实时更新,输出使得组合模型预测精度最高的模型参数。研究结果表明：提出的蚁群优化参数后的组合随机森林模型能更好地预测布伦特原油价格的趋势,预测精度均方根误差(RMSE)从1.15降低至0.88,减少了0.27;平均相对误差从1.10%降低至0.86%,降低了0.24%,预测精度较以往的原油价格预测模型有显著提升。     

城市发展中经济-社会-生态环境耦合协调研究

以2007-2018年哈尔滨年度数据入手,以哈尔滨市为例,首先运用耦合协调模型及障碍度模型对城市发展中经济-社会-生态环境耦合协调程度及障碍度进行了分析。分析结果显示：哈尔滨城市发展中经济-社会-生态环境耦合协调程度总体上呈现出向上发展的趋势,从2007年的0.30上升到2017年的0.48,但协调程度一直处于轻度失调与濒临失调的状态,说明城市发展中经济-社会-生态环境三者之间协同发展程度并不高,经济优先发展,社会发展次之,生态环境重视程度较弱,造成了目前的状况。而耦合度呈现波动状态,2011年达到最低值0.316763,但总体来说哈尔滨城市发展中经济-社会-生态环境三者的耦合度处在0.3～0.4之间,属于拮抗阶段。2007-2017年三个子系统的障碍度总体呈现出下降的趋势,阻碍作用减小。     

基于区域差异性的应急物流定位—路径问题研究

面对灾难发生后,不同区域的情况存在差异,综合考虑需求点的优先级和集散点的反应能力,以系统总成本最低构建了一个两阶段定位-路径问题模型.首先,根据需求点的需求紧迫度确定优先级,通过集散点的综合能力衡量集散点的反应能力.其次,在人工蜂群算法中结合遗传算法的交叉变异以及嵌入大规模领域搜索操作,改进邻域解的产生过程.最后,运用汶川地震数据对模型进行解析,证明模型能在考虑区域差异性的情况下有效解决灾难发生后的定位路径问题,实现物资的较合理配送.     

京津冀地区低碳经济发展路径研究

京津冀区域经济一体化是当前政策的讨论热点,从地理区位以及国家经济发展规划的角度,把京津冀地区作为一个整体进行研究,构建了京津冀地区的SD（System Dynamics）模型。并设计了自然发展型、经济持续高速发展型、能源节约型、碳税干预型、人口规模持续增长型、综合互补型等六种低碳经济发展路径。通过Vensim软件进行仿真模拟,对各路径的优缺点进行比较分析。选取了实际GDP、人口数量、不可再生能耗、碳排放量等四个变量,创新性地借用层次分析法的思想对六种路径进行了综合评价,结果表明综合互补型路径是京津冀地区低碳经济发展的最优路径。最后基于模拟结果,提出了京津冀地区低碳经济发展的适宜性策略。     

浅析中国私募股权基金的发展瓶颈与治理策略

私募股权基金是一种创新型的投资工具,用于对非上市企业进行股权投资。私募股权市场已是全球资本市场的重要组成部分,私募股权基金在我国的发展尚属初级阶段,在实践与发展中存在许多问题和障碍。目前的经济形势与资本环境又给私募股权基金带来了新机遇与挑战。     

基于VIKOR多属性方法的可再生能源技术评价研究

VIKOR多属性方法能有效解决多指标冲突问题。可再生能源规划要综合权衡各类可再生能源技术对能源、经济、社会、环境等各方面跨越时空的影响,而对能源、经济、社会、环境影响的这些指标通常是互相冲突的,为此把VIKOR多属性方法引入到可再生能源规划领域。根据可再生能源技术评价的特点,建构了三层十个不同属性的指标体系,建立了基于VIKOR的可再生能源技术评价模型,指出了其方法和步骤。并利用该方法,对某省的海上风电、陆上风电、小水电、地热能、太阳能热水器、大中型沼气工程、户用沼气、生物质柴油、太阳能光伏发电、生物质发电、潮汐发电十一种可再生能源技术的协同效益进行了评价,从而为该省2020年的可再生能源规划发展战略提出政策参考。     

基于混合蚁群算法的企业车间作业计划问题研究

文章研究了以最小化制造跨度为目标的，具有模糊加工时间的车问作业计划问题。针对该问题，采用三角模糊数来表征时间参数，并在此基础上构建问题目标函数。之后给出了一种混合蚁群求解算法，将模拟退火算法的全局优化特性嵌入蚁群算法来避免局部最优的问题。最后通过实例验证了算法的有效性。