基于模糊自适应PID算法的车辆稳定性控制

针对传统的模糊自适应PID算法在车辆稳定控制的应用中还存在控制精度不高的问题,本文设计了一种以RBF神经网络优化模糊自适应PID算法为基础的车辆稳定性控制模型。这一模型首先优化RBF神经网络算法隐含层的中心数目,这一优化过程主要是借助减聚类的方法进行。然后采用Logistic对其中心值进行精度的提升,最后采用改进RBF神经网络对模糊自适应PID控制算法进行改进,以达到更精确的控制。仿真实验结果发现,与PID算法相比,基于模糊自适应PID算法设计的这一车辆稳定性控制模型的控制精度更高,并且在车辆稳定性控制应用中具有更好的效果。     

容积卡尔曼滤波在车辆定位中的应用研究

在万物互联的时代,交通系统中精准的车辆位置信息显得尤为重要。为了能够得到准确的车辆位置,通过硬件采集到基本数据后,可再经过一系列数据处理,能够一定程度上提高车辆定位的精度。本文将自适应的交互多模算法和容积卡尔曼滤波算法(CKF)相结合,能适应车辆的各种机动状态。仿真实验表明,交互多模容积卡尔曼滤波算法的定位精度相较于容积卡尔曼滤波算法的定位精度能够提升25%左右。     

基于FCM的路段平均行程时间估计

为了有效利用低频采样的出租车GPS数据,精确估计路段平均行程时间,改进了地图匹配算法,提出了一种路段平均行程时间的估计方法.将路段的上下游交叉口详细分析,准确估计车辆经过路段交叉口的时刻,通过两交叉口的时差计算单车路段行程时间.利用模糊C均值聚类(FCM),将某时段的单车路段行程时间分成快、中、慢速三类.利用各类的聚类中心和分类后数据,按一定的权值,估计平均路段行程时间.计算结果表明:平均行程时间估计值与实测值的比较接近.     

基于自适应遗传算法网络资源均衡与优化

文章以均衡网络业务为优化目标,提出了一种基于自适应遗传算法的资源优化路由算法,采用改进的适应度函数和自适应的交叉变异算子.理论分析表明该算法改善了最短路径路由算法容易发生阻塞及安全性不好的缺点,与基本遗传算法相比,它显著提高了收敛性能,并且具有很强的自适应能力.     

能量均衡控制中央空调出风口自适应分布仿真

大型建筑内中央空调出风口的自适应优化分布设计可以提高制冷性能,同时减少能耗。由于建筑物的不规则形,空调出风口分布节点阵列难以实现全网能量均衡优化。传统方法采用自适应模糊神经控制系统控制出风口的节点分布,然而算法自组织学习能力差,空调耗能难以实现最优控制。提出一种基于模糊自适应神经网络系统控制的空调节点自适应优化分布方案,采用全网能量均衡控制策略,优化空调出风口节点自适应分布。算法能实现以最小的耗能达到最优的制冷效果,实现全网络能量均衡控制,达到节能减排的要求。实验结果证明,算法能提高每个出风口节点的应用效能,降低能耗的同时增强了空调应用性能。     

基于Edge Boxes和深度学习的车辆检测

传统的基于机器学习的车辆检测无法自适应地提取图像的典型特征,本文提出了基于深度学习的检测方法,并用Edge Boxes算法提取车辆的预选区域以取代传统的多尺度滑动窗口搜索策略。在高分辨率卫星影像上的实验证明了本算法的有效性。     

自适应Memetic算法

在处理多峰函数的优化问题时,遗传算法局部搜索能力差,并且容易早熟。针对这种问题,将遗传算法与多种局部搜索算法相结合,形成多种Memetic算法。通过进行数值优化实验,发现算法的优化效率有所提高,但是局部搜索算法的不同对优化性能影响很大。为解决这种问题,在传统Memetic算法的基础上提出了一种使每代个体根据局部搜索算法的搜索效率自适应选取局部搜索算法的Memetic算法,即基于离散度的自适应Memetic算法。通过测试函数测试,这种算法具有更高的效率和更强的通用性。     

自适应粒子群算法在微波电路中应用

常规粒子群算法(SPSO)在优化过程中易陷入局部最优,本文分析了常规粒子群算法陷入局部最优的原因,提出采用一种自适应粒子群算法(APSO)避免陷入局部最优,改善算法的收敛性和精度。最后用自适应粒子群算法设计宽带阶梯阻抗变换器,结果表明,与常规粒子群算法相比,自适应粒子群算法全局速度快、成功率和精度也有显著提高。     

基于免疫算法的自适应谱线增强器的设计

本文将免疫算法应用到LMS自适应滤波器的优化设计中,应用MATLAB软件对免疫算法在自适应谱线增强器中的应用进行了仿真研究,给出了算法中关键参数μ的优化结果,取得了较好的效果。     

基于智能优化算法的车辆路径问题的研究与应用

在电子商务蓬勃发展的大环境下,物流行业已经成为推动我国经济发展的重要力量,人们对物流配送的要求也越来越高,如何科学合理地规划配送车辆的路线,实现高效率、低成本是当前学者们研究的重点。物流配送遍及生产生活的方方面面,面对日益复杂的道路环境,随着信息化水平的提升,这使得用智能计算推动物流配送模式革新有着重要意义。本文通过科学合理的方法对复杂的车辆路径问题(VRP)的衍生问题,即带时间窗的车辆路径问题和同时取送货的车辆路径问题(VRPSPDTW)进行求解,主要通过对现有的鲸鱼优化算法进行研究,针对鲸鱼算法求解问题后期种群多样性缺失的问题,引入新的收敛因子、自适应权重和Metropolis准则对其进行补足,将其应用至实际问题中,验证其可行性。     

基于自适应观测粒子滤波的运动跟踪算法

针对标准粒子滤波算法在运动跟踪的应用中还存在跟踪精度不高的问题,本文提出了一种基于噪声优化自适应观测粒子滤波算法的运动跟踪模型,首先构建基于目标跟踪的观测模型,利用当前时刻得到的观测量对粒子滤波算法进行修正,然后采用一个加权函数对目标进行采样来建立直方图,达到自适应加权的目的,最后采用不同方差的高斯噪声加权和来建模,对自适应观测粒子滤波进行去噪优化。仿真试验结果表明,本文提出的基于噪声优化自适应观测粒子滤波算法的运动跟踪模型相比较标准粒子滤波算法而言,具有较高的运动目标跟踪精度且在运动跟踪的应用中效果良好。     

基于混沌算法的不对称交通信号模糊控制系统设计

为了改善具有潮汐特性交叉口的交通信号控制,有效降低车辆延误,提出一种混沌算法优化的不对称交通信号模糊控制方法。利用混沌算法的特点优化了模糊控制规则,避免了搜索过程陷入局部最优;为检验该控制方法的性能,采用交叉口车辆平均延误为性能评价指标,并且对控制方法进行了仿真实验。结果表明,经过混沌算法优化的模糊控制器对不对称交通信号的控制能有效减小车辆平均延误,提高路口高峰时段通行能力。     

基于传播动力学的干线拥堵控制模型

为减少城市干线延误,运用传播动力学理论,分析城市干线拥堵状态下车流的集聚和消散特性,建立车辆移动速度和车辆移动位置模型。并根据交叉口之间的联动关系,提出信号周期优化方法。通过选取银川市城市主干道上海路进行案例分析,结果表明:干线拥堵控制算法效果显著,阳澄巷至天平街方向平均停车次数和平均行程时间分别提高50%和47%,天平街至阳澄巷方向平均停车次数和平均行程时间分别提高42%和30%。     

一种交通调度平台大规模拥堵优化调控算法

传统车辆调度模型针对复杂的路况和复杂的车辆流动信息,存在调度时间长、难以提供实时调度时间的缺点,从而造成模型中前后级调度信号失联、调度算法冲突,效率不高的问题.本文提出一种改进遗传算法交通调度平台大规模拥堵优化调度方案.通过对算法编码过程进行合理的优化,加入针对多调度中心的约束条件防止算法陷入早熟,通过不同的分析角度,分别建立的回路形式和时间优化控制形式对车辆进行合理的调度.仿真结果显示,改进后的算法有效地降低了车辆平均延误时间,提高了交通运行效率.     

基于交通信号配时的匝道控制研究

城市道路交通拥堵问题是当今城市化快速发展所面临的严峻问题之一,基于交通信号配时技术的匝道控制能使道路拥堵情况得到缓解,降低车辆碰撞频率.文章基于交通信号配时的匝道控制策略,通过分析匝道拥堵成因,制定相应的匝道控制策略,采用单点信号控制与自适应相位控制的交通信号配时模型,并进行相关的仿真测试,得到无控制、单点信号控制以及自适应相位控制三者的优化结果,提高城市快速路匝道口通行能力.仿真测试表明,基于交通信号配时的匝道控制策略在匝道平均延误、主线平均速度、路网平均延时、主线行程时间等指标的数据均优于传统匝道控制策略,是当前解决城市化快速发展所带来的城市道路交通拥堵问题的有效解决途径.     

基于时间窗的车辆路径优化问题研究

物流配送车辆路径优化作为涉及多个影响因素和多目标要求的组合优化问题,其中具有时间窗约束的物流配送车辆路径问题是一个NP难问题。文章给出了基于时间窗约束的车辆配送路径优化模型,改进了传统的C-W节约算法,并与传统的C-W节约算法进行实例比较验证,讨论了各种方案的优劣,给出了切合实际需要的配送方案。     

高层建筑结构设计BP算法的精度优化

针对传统的BP神经网络算法在对高层建筑进行结构设计时还存在精度不高、误差较大等问题,本文提出了一种基于自适应和误差修正BP神经网络算法的高层建筑结构设计模型,该模型在BP神经网络算法的基础上,首先采用自适应调整策略对其网络模型进行优化,然后采用增加动量项、误差累积处理和陡度因子优化等误差修正策略提高原算法的训练精度。仿真试验结果表明,本文提出的基于自适应和误差修正BP神经网络算法的高层建筑结构设计模型相比较传统的BP神经网络算法精度要高,具有较好的鲁棒性。     

基于中值背景模型的运动目标自适应检测方法

针对复杂交通场景中运动车辆检测方法存在的局限性,本文提出了一种基于中值模型和自适应阈值的运动检测算法。利用自适应阈值对差分图像的三个颜色通道进行二值化处理,实现了运动目标的精确检测,采用中值更新策略实现背景图像的实时更新。实验结果表明,算法可以从复杂交通场景图像序列中有效地检测出运动目标,且算法计算量小,具有良好的鲁棒性与实时性。     

车辆路径问题的数学模型及优化算法

通过分析交通路径的特点,给出求解车辆路径问题(VRP)的改进的蚁群算法.该算法通过引入启发因子和参数自适应调整,加速了收敛效率,改善了全局搜索能力,最终数值例子表明本文所提算法是可行的、高效的.对VRP问题有较好的求解效果。     

基于遗传算法的TSP问题优化方法

针对传统遗传算法在巡回商旅问题优化计算中存在的弊端——收敛速度慢,迭代次数多。在传统遗传算法基础上,设计出一种加入人工选择和定向突变的优化改进算法。该优化算法通过人工方法保存具有有利变异个体和淘汰具有不利变异个体,有利变异个体进行杂交和变异,从而提高遗传算法的收敛速度,减少遗传算法的迭代次数。同时针对遗传算法易陷入局部最优解的情况,在优化算法中引入自适应参数算法,针对遗传算法的不同阶段,实现杂交概率和变异概率的自适应调节,防止算法陷入局部最优解。最后,采用国际标准的TSP测试集(TSPLIB)对优化算法的优良性进行验证,实验表明,对比其他算法,该优化算法在TSP最优解的质量上提高10%左右。