期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
信号控制与交通分配协同模型的自适应IOA算法 被引量:4
1
作者 段力 刘聪健 +1 位作者 方炽霖 程紫微 《交通运输系统工程与信息》 EI CSCD 北大核心 2019年第6期77-84,共8页
现有求解信号控制与交通分配协同问题的IOA(Iterative Optimization and Assignment)算法,是通过对两个子问题分别求解并迭代至收敛,其收敛速度快,但解的质量仍有待改善.对IOA算法改进,提出自适应IOA(Adaptive Iterative Optimization a... 现有求解信号控制与交通分配协同问题的IOA(Iterative Optimization and Assignment)算法,是通过对两个子问题分别求解并迭代至收敛,其收敛速度快,但解的质量仍有待改善.对IOA算法改进,提出自适应IOA(Adaptive Iterative Optimization andAssignment,AIOA)算法,提升解质量的同时保持计算速度快的优点.首先,把迭代过程中路径流量的差分值作为自适应修正项加入信号控制模型的输入参数中,增大解的变异程度,既可加快收敛速度,又可突破IOA寻优范围的局限性;其次,根据目标函数的变化趋势自适应地转入采用黄金分割法的局部搜索,避免解的劣化.仿真结果表明:AIOA算法将IOA算法与全局最优解的差距平均缩小50.8%,时间成本降低10%,仅为遗传算法的1%;AIOA算法能在短时间内求得满意解,且适用于大规模路网. 展开更多
关键词 系统工程 信号控制 交通分配 交通网络设计 ioa算法
在线阅读 下载PDF
空间自适应-免疫优化框架下的红松籽物流集散中心选址
2
作者 颜德雯 孙术发 +2 位作者 李兴东 张伊淼 杨旭 《北京林业大学学报》 北大核心 2025年第9期110-121,共12页
【目的】红松籽是中国东北林区高价值林产品的典型代表,对区域农村经济和生态安全具有双重意义。然而,不完善的物流基础设施和高昂的运输成本严重制约了其产业潜力。现有物流网络研究普遍忽视了林区特殊空间与环境特征,亟需面向林产品... 【目的】红松籽是中国东北林区高价值林产品的典型代表,对区域农村经济和生态安全具有双重意义。然而,不完善的物流基础设施和高昂的运输成本严重制约了其产业潜力。现有物流网络研究普遍忽视了林区特殊空间与环境特征,亟需面向林产品复杂性的专属决策工具。为此,本研究基于空间自适应构建3阶段选址框架,旨在为红松籽物流系统提供兼顾生态约束与经济效率的落地方案。【方法】研究以伊春市红松主产区为样本,令模型随空间特征自我调整:先用GISBWM-WLC集成13项空间因子生成适宜图;再经布尔运算剔除禁建区,得到备选点。随后按红松几何中心布设供应点,并以凉水自然保护区产量推算各点供应量。最后将备选点、供应点、道路与需求一并输入MATLAB的IOA模块,求解选址问题,并输出GIS可视化方案。【结果】框架从180个备选点中筛出32个集散中心,形成“高适宜-沿路-入林”的空间格局:32个中心全部落在高适宜区,满足成本与容量约束;70%以上沿道路线分布,缩短了平均运输距离;3个中心深入红松籽主产区,降低了红松籽损耗与成本。模型兼顾了交通、基建与产区覆盖,验证其精准性与经济性。【结论】本研究提出的“加权线性组合—红松产量预测—智能算法优化”选址模型较传统方法更科学合理,既充分考虑红松空间分布与产量,又兼顾交通、基建与服务多重目标。该模型在红松籽物流集散中心选址中具备有效性与可行性,可为红松籽产业可持续发展提供有力的物流支撑。同时,该框架对同类特色林产品物流系统建设具有普适性参考意义。 展开更多
关键词 空间自适应框架 选址 红松籽 最佳-最差法(BWM) 加权线性组合(WLC) 免疫优化算法(ioa) 地理信息系统(GIS)
在线阅读 下载PDF
融合递减策略与Fuch混沌机制的改进YSGA算法 被引量:5
3
作者 高雷阜 荣雪娇 《计算机科学与探索》 CSCD 北大核心 2021年第3期564-576,共13页
为增强绯鲵鲣算法搜索的覆盖性及寻优的精准性以优化全局探索能力和局部开采能力,提出一种融合步长因子递减策略与混沌局部增强机制的改进绯鲵鲣优化算法(IYSGA)。首先,该改进算法在标准YSGA算法基础上,设计了一种动态的步长因子递变模... 为增强绯鲵鲣算法搜索的覆盖性及寻优的精准性以优化全局探索能力和局部开采能力,提出一种融合步长因子递减策略与混沌局部增强机制的改进绯鲵鲣优化算法(IYSGA)。首先,该改进算法在标准YSGA算法基础上,设计了一种动态的步长因子递变模式以实现绯鲵鲣算法高效全面的搜索,此策略有利于提高算法的搜索效率并扩大寻优范围;其次,混沌搜索机制则是借鉴Fuch映射理论优越的混沌特性与较好的局部收敛性能而构造的一种当前最优解的局部再开采方式,以完成对YSGA算法的局部搜索性能的改善。该耦合方法对YSGA的改进,有利于实现IYSGA算法全局探索与局部搜索能力间的多轮动态迭代平衡。最后,通过数值实验验证了IYSGA算法优越的并行迭代寻优性能与稳健性。 展开更多
关键词 智能优化算法(ioa) 绯鲵鲣优化算法(YSGA) 步长因子递减策略 混沌增强机制 Fuch映射
在线阅读 下载PDF
多式综合公交系统线网布局优化模型及仿真 被引量:2
4
作者 周高卫 罗霞 《计算机应用研究》 CSCD 北大核心 2013年第4期1035-1037,1040,共4页
结合综合公交中各式公交的适应性和服务阈值,兼顾出行者不同出行目的时间价值敏感性,建立了综合公交系统线网布局双层优化模型,上层是0-1数学规划模型,下层是用户平衡分配模型。同时,基于改进的IOA进行优化求解,克服了传统单式线网优化... 结合综合公交中各式公交的适应性和服务阈值,兼顾出行者不同出行目的时间价值敏感性,建立了综合公交系统线网布局双层优化模型,上层是0-1数学规划模型,下层是用户平衡分配模型。同时,基于改进的IOA进行优化求解,克服了传统单式线网优化层次化不显著的缺陷,提高了布局优化过程求解效率。算例仿真结果表明:综合公交系统需求多样性在客观上决定综合公交系统线网的多元性和层次性,线网布局优化需考虑不同出行目的的时间价值特性,以提升系统速度和能力的连续性。同时,基于改进的IOA在多式综合公交系统线网布局优化的巨大搜索空间中可靠便捷地找到近似最优解,提高了计算效率。 展开更多
关键词 综合公交系统 时间价值 布局优化 双层规划模型 智能优化算法 用户平衡分配模型 0-1数学规划模型
在线阅读 下载PDF
若干新型智能优化算法对比分析研究 被引量:53
5
作者 张九龙 王晓峰 +1 位作者 芦磊 牛鹏飞 《计算机科学与探索》 CSCD 北大核心 2022年第1期88-105,共18页
智能优化算法(IOA)指的是一类以自然界的生物生存进化过程或物理现象为算法原理,用于解决最优化问题的算法,较为知名的智能优化算法有遗传算法、粒子群算法、模拟退火算法等。智能优化算法属于启发式方法,广泛应用在解决最优化问题上,... 智能优化算法(IOA)指的是一类以自然界的生物生存进化过程或物理现象为算法原理,用于解决最优化问题的算法,较为知名的智能优化算法有遗传算法、粒子群算法、模拟退火算法等。智能优化算法属于启发式方法,广泛应用在解决最优化问题上,传统的群智能算法为解决一些实际问题提供了新思路。随着科学技术的进步和应用场景的改变,传统的智能优化算法在收敛速度、求解精度等方面已无法满足日益复杂的优化问题,因此不断有新的更高效的智能优化算法被提出。选取了近几年国内外提出的几种新型智能优化算法:蝴蝶优化算法(BOA)、飞蛾扑火算法(MFO)、正弦余弦优化算法(SCA)、蝗虫优化算法(GOA)、哈里斯鹰优化算法(HHO)、麻雀搜索算法(SSA)。阐述了各算法的基本原理、算法步骤、相关的改进策略及存在的优缺点。为客观对比各算法性能,进一步通过3种类型共21个测试函数及6个指标评价各算法性能,最后归纳总结各算法的特点并对智能优化算法的发展前景进行展望。 展开更多
关键词 智能优化算法(ioa) 蝴蝶优化算法(BOA) 飞蛾扑火算法(MFO) 正弦余弦优化算法(SCA) 蝗虫优化算法(GOA) 哈里斯鹰优化算法(HHO) 麻雀搜索算法(SSA)
在线阅读 下载PDF
Nonlinear Equations Solving with Intelligent Optimization Algorithms: A Survey 被引量:16
6
作者 Wenyin Gong Zuowen Liao +2 位作者 Xianyan Mi Ling Wang Yuanyuan Guo 《Complex System Modeling and Simulation》 2021年第1期15-32,共18页
Nonlinear Equations(NEs),which may usually have multiple roots,are ubiquitous in diverse fields.One of the main purposes of solving NEs is to locate as many roots as possible simultaneously in a single run,however,it ... Nonlinear Equations(NEs),which may usually have multiple roots,are ubiquitous in diverse fields.One of the main purposes of solving NEs is to locate as many roots as possible simultaneously in a single run,however,it is a difficult and challenging task in numerical computation.In recent years,Intelligent Optimization Algorithms(IOAs)have shown to be particularly effective in solving NEs.This paper provides a comprehensive survey on IOAs that have been exploited to locate multiple roots of NEs.This paper first revisits the fundamental definition of NEs and reviews the most recent development of the transformation techniques.Then,solving NEs with IOAs is reviewed,followed by the benchmark functions and the performance comparison of several state-of-the-art algorithms.Finally,this paper points out the challenges and some possible open issues for solving NEs. 展开更多
关键词 Nonlinear Equations(NEs) Intelligent Optimization algorithms(ioa) multiple roots location transformation techniques diversity preservation
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部