基于VISSIM仿真的交叉口信号配时优化设计

交叉口作为城市道路的交通咽喉,其通行效率直接影响到城市整体道路的运行效率。为了提高城市道路交叉口的通行能力等,文章以金华市八一南街—宾虹路为实例,利用VISSIM微观仿真软件分析交叉口的延误时间、停车次数、排队长度以及尾气排放等输出参数,对比信号配时优化前后的方案。结果表明,优化后的交叉口信号配时方案下平均停车延误降低了17.33%,总体停车次数降低了21.13%,平均排队长度降低了36.51%,尾气排放的污染物以及总油耗也有所减少,交叉口的交通状况得到明显改善。     

基于多目标配时优化模型和交通设计的城市交叉口协同优化研究

文章基于多目标配时优化模型和交通设计,旨在缓解城市道路交通拥堵。通过分析城市道路交叉口交通流特性和问题,关注交叉口车流流向、车流交织点以及配时合理性。在交通设计方面,提出将左转车道右置的渠化设计方案。在配时优化方面,建立了多目标优化模型,以延误、通行能力和停车次数为优化目标,以各相位有效绿灯时间、交叉口饱和度及周期时长为约束条件。通过遗传算法对模型进行求解,并用SUMO仿真软件评价求解结果。研究结果表明,交叉口的时空资源得到更有效的利用,明显缓解了交通压力,为城市道路交叉口的运行、管理和规划提供了参考。     

基于量子粒子群算法的连杆机构的优化设计

粒子群算法是一种基于鸟群的智能优化方法,量子粒子群算法是对粒子群算法进行改进的算法,运算规则简单,收敛速度快,变量少,易于编程实现。对于多目标、多约束条件的四连杆机构优化设计,本文提出了一种基于量子粒子群算法求解的设计方法。经过仿真实践,能够有效求解,是求解四连杆机构优化问题的一个较好方案。     

基于PSO的物流节点选址模型研究

针对物流节点选址问题,提出以运输费用、仓储费用、装卸费用、滚轴费用、节点建设固定费用等费用最小为目标建立数学模型,运用粒子群算法(PSO)对目标函数进行求解.在算法中引入惯性权重,用改进的粒子群算法对数学模型进行求解,运用惯性权重调解公式使之随迭代次数线性减小,能使算法具有较好的收敛性.最后,以M企业实际数据进行运算.算例表明,改进的PSO有效地找到最优解,使总物流费用最小,目标函数收敛过程表明其收敛性良好.     

自适应粒子群优化算法在车间作业调度问题中的应用

采用粒子群优化算法对该问题进行求解,为了提高算法的求解性能,针对粒子群算法特点,提出了一种自适应的惯性权值来调整算法的搜索空间和一种自适应更新策略来动态地更新粒子的位置.最后通过经典的实例对本文提出的算法进行了检验,结果表明,该改进的粒子群算法在求解车间作业调度问题是有效的.     

基于反向学习策略粒子群的物流配送路径优化研究

针对粒子群优化算法后期寻优能力,并易陷入局部最优等不足,提出了一种反向学习粒子群的物流配送路径优化算法(OBLPSO)。首先建立物流配送路径优化的数学模型,然后通过粒子之间的相互协作和信息交流进行求解,并引入反向学习机制提高粒子群寻优能力和收敛速度,最后在Matlab2012平台上对OBLPSO算法性能进行仿真测试。仿真结果表明,相对其它物流配送路径优化算法,OBLPSO算法可以获得时间短、路径合理的物流配送方案,具有一定的实用价值。     

基于改进粒子群算法的工程项目多目标集成管理研究

传统工程项目注重对工期、成本、质量三大目标的研究,较少考虑其他控制目标,造成工程项目分析不全面。针对这一不足,将安全和绿色环保目标纳入工程管理目标,形成更全面的多目标管理体系。首先,研究多目标之间的非线性函数关系,并对质量、绿色和安全目标进行量化。其次,利用目标集成优化理论构建工期-成本-质量-绿色-安全的多目标综合集成优化模型,采用改进的粒子群算法对模型进行求解。最后,将构建的集成优化模型用于实际项目中进行模型适用性验证,同时验证了改进的粒子群算法对实际项目五目标模型求解的有效性。     

Vissim在城市交叉口信号配时方案优化中的应用——以“粤海门村”交叉口为例

城市交叉口车辆之间干扰频繁,加上信号配时不合理,使得车辆的延误时间过长,交叉口的通行量不高.以粤海门村交叉口为例,在交通流量数据调查的基础上,通过“等效交通量”方法优化信号配时方案,运用Vissim建立微观仿真模型,并对优化前后的配时方案进行仿真评价.仿真结果表明：优化方案使得交叉口人均延误时间下降了16.6％,停车时间下降了19.3％,平均排队下降了10.6％,通行量增加了2.4％.     

单点信号交叉口通行能力和服务水平分析

本文分析了单点信号控制交叉口通行能力和服务水平的影响因素 ,揭示了交叉口通行能力与延误随信号周期长度变化的规律 ,从而得出交叉口延误最小、通行能力最大的信号周期的取值范围 ,提出了交叉口饱和度接近饱和或过饱和时的交通管理措施     

基于改进二进制微粒群算法的供应链信息共享伙伴选择

针对供应链中信息共享伙伴的选择问题,综合考虑成本,价值,可靠性等因素,建立了信息共享伙伴选择的多目标决策模型；以最小化总成本,最大化总价值和总可靠性为目标,给出一种改进的二进制微粒群优化算法对模型进行求解.改进的算法通过合理设置惯性权重和学习因子,克服了原有算法的进化后期收敛速度慢和易陷入早熟收敛的缺陷.通过算例分析表明了模型的价值和改进后算法的有效性和优越性.     

基于混合微粒群优化算法的配送中心选址问题求解

将微粒群优化算法和模拟退火算法结合．针对配送中心选址问题．构造了微粒表达方法。提出了此问题的一种混合微粒群优化算法。通过整数规范化。微粒群能在整数空间内对问题进行优化求解。该算法能克服基本微粒群优化算法精度较低，易发散的缺点，有较高的搜索效率。经过实验仿真，与基本微粒群优化算法、遗传算法进行比较．证明了该算法的有效性。     

非线性互补问题计算机实现

分析了非线性互补问题求解困难，利用粒子群算法并结合极大熵函数法给出了该类问题的一种新的有效算法。该算法首先利用极大熵函数将非线性互补问题转化为一个无约束最优化问题，然后应用粒子群算法来优化该问题，计算机程序实现表明该算法是有效的。     

基于粒子群算法的土石方装运机械配备方案优化

土石方工程中,合理的制定机械配备方案将直接影响工程的进展与造价。针对该问题构造时间一费用评价函数,引入一种改进后的粒子群算法,利用该算法具有多个可行解同时寻优并能以较大概率收敛到全局最优的特性,在综合考虑时间和费用的基础上,实现了土石方装运系统的机械配备方案仿真优化,有一定的实用价值。     

基于微粒群算法的配送中心选址研究

作为挖掘现代企业利润源泉的突破口,配送在物流活动中占有举足轻重的地位。多网点配送中心选址是后续物流活动开展的首要条件,对于该问题的研究具有现实意义。由于微粒群算法的普适性、鲁棒性、全局搜索性等特点,在求解复杂问题中能够较好地体现其优越性。结合运筹学中的运输规划的思想,对复杂的数学模型进行了简化,并针对问题的特点构造了求解编码机制。根据文献资料,将其中的仿真数据进行了整合,使得数据具有一定的现实意义,并用微粒群算法进行求解,得到了较好的效果。     

一类VRP问题的改进PSO算法求解

VRP问题是物流领域的热点研究问题。在对一类典型的VRP问题建立了数学模型,提出了一种改进粒子群优化算法以求解该模型。算法针对问题设计了顺序编码方案,并引入了局部搜索以提高算法的局部搜索能力。仿真结果表明了所提离散粒子群优化算法求解此类VRP问题的有效性。     

粒子群算法及其在桁架结构优化设计中的应用研究

本文分析了该算法的主要参数对搜索方向的影响,并对粒子群优化算法在桁架结构优化设计中的应用进行了分析。利用粒子群优化算法与遗传算法分别对两个桁架结构优化设计算例进行求解,将两种算法的计算结果进行了对比,计算结果表明在满足相同的计算精度的前提下,粒子群优化算法的效率更高。因此,基于粒子群算法的结构优化设计是切实可行的。     

自适应粒子群优化算法在混沌系统参数估计中的应用

惯性权重w的变化会影响粒子群优化算法的搜索能力,本文针对基本粒子群算法不能适应复杂的非线性优化搜索过程的问题,在其基础上提出了一种动态改变惯性权的自适应粒子群算法。该自适应算法引入了h来衡量算法的进化速度,引入s来衡量算法的粒子聚集度,并将其作为函数w的变量,使w与算法的运行状态相关,从而使算法具有动态自适应性。最后,本文引入了两个经典的测试函数对该PSO算法进行测试,结果表明该算法明显优于基本PSO算法。     

微粒群算法在现代物流系统优化中的应用

根据物流系统优化问题和微粒群优化算法的各自特点，提出了采用微粒群优化算法求解物流系统优化问题的相关策略，对微粒群优化算法在旅行商问题、车辆路径问题、配送中心选址问题、布局优化问题上的应用进行了研究。     

改进的离散粒子群算法在配送问题中的应用

为了解决配送问题，对离散粒子群优化算法进行改进，保留惯性权值对速度的影响，把粒子的解储存为数组形式．增加群体相似度和排斥算子来让粒子跳出局部最优；仿真结果与其它算法的结果进行对比，发现改进的粒子群算法能够找到更好的解，并且收敛速度快，能在一定程度上避免早熟现象。     

基于量子粒子群算法求解供应链集成计划问题

随着全球化竞争的加剧和客户要求的不断提高、传统的生产管理方式使企业无法应对激烈竞争的挑战。量子粒子群算法是将量子计算理论和基本粒子群算法相结合的一种崭新的优化算法。将量子粒子群算法用于求解生产、采购集成决策问题。仿真结果证明了量子粒子群算法在供应链集成决策问题上的可行性、有效性和优越性。