一、遗传算法的计算效率分析（论文文献综述）
闫斌斌[1]（2021）在《基于气路性能混合模型的燃气轮机叶片故障预警及诊断方法研究》文中研究说明叶片是燃气轮机的重要部件,长时间在较高的转速、温度、压力和负荷条件下工作,受空气中的杂质污染和腐蚀,发生故障的概率极高,故障模式如结垢、磨损、腐蚀和打伤等。叶片故障严重影响燃气轮机运行的稳定性、经济性和安全性。因此,开展燃机叶片故障诊断研究十分必要。本文主要从气路性能诊断方法出发,研究基于混合模型的燃气轮机叶片故障预警及诊断中的若干关键问题:1)同型号不同燃气轮机个性化差异对气路性能机理模型仿真精度存在影响;2)仅凭机理的建模方式难以适应燃气轮机气路性能的残余个性化差异;3)采用单一参数和固定阈值的燃气轮机叶片故障预警存在误警率和漏警率较高的问题;4)叶片故障诊断过程中存在模型精度有限和寻优算法易陷入局部最优等问题。开展的主要工作如下:建立了燃气轮机个性化气路性能机理模型。针对同型号不同燃气轮机部件特性图的个性化差异,改进了现有的部件通用解析解,同时提出基于粒子群算法的性能自适应方法,通过定义的更新因子实现了部件特性曲线形状的靶向控制,进而实现了部件解析解与实际部件特性的精准匹配。针对燃气轮机循环设计点与循环参考点之间的个性化差异,提出基于逆向迭代和遗传算法的循环参考点整定方法,实现了循环参考点的精准整定,提高了气路性能机理模型的准确性。部件特性曲线和循环参考点的自适应调整,明显降低了燃气轮机实际性能与气路性能机理模型之间的个性化差异。通过燃气轮机现场实测数据验证了该方法的有效性。提出了两类燃气轮机气路性能混合驱动模型构建方法。针对某些燃气轮机循环参考点和部件特性曲线难以获取的问题,提出一种结合燃气轮机机理的气路性能混合模型构建方法,并定义为第一类混合模型。该方法面向燃气轮机部件单元体构建混合模型,其中神经网络结构、神经元数量和激活函数的选定分别参考燃气轮机模块化划分、截面热力参数数量以及部件非线性程度。针对循环参考点和部件特性曲线可用,但气路性能机理模型和燃气轮机实际性能之间仍存在残余个性化差异的情况,提出了一种基于径向基神经网络误差补偿的混合模型,并定义为第二类混合模型。该方法以机理模型为基础,通过径向基神经网络补偿残余个性化差异造成的误差。通过在役燃气轮机实测数据验证了该方法的有效性。建立了基于宽频振动和混合模型的燃气轮机叶片故障预警方法。由于采用单一参数和固定阈值的叶片故障预警易出现误报率和漏报率较高的问题,故提出了一种基于多参数的燃气轮机叶片故障变工况预警方法。首先基于宽频振动信号提取偏离特征参数,同时基于气路性能信号提取降级特征参数;其次研究特征参数的阈值设定方法,考虑变工况对阈值设定的影响,建立了叶片故障的3级预警规则。最后通过燃气轮机实际故障案例验证了该方法的有效性。研究了基于混合模型的燃气轮机叶片故障诊断方法。针对非线性气路故障诊断的优化算法易陷入局部最优的问题,建立了基于改进粒子群算法和混合模型的非线性叶片故障诊断模型。以实测数据为目标,通过气路性能混合模型的自适应调整确定部件性能降级量,进而识别燃气轮机叶片的故障模式。针对燃气轮机部件特性曲线和循环参考点难以获取的场合,基于测量参数进行叶片故障诊断,而该方法仅对叶片单一故障的诊断精度较高,对于多种叶片故障同时发生的场合诊断精度较低,因此研究了基于SVM和第一类混合模型的叶片单一故障诊断方法。在上述模型基础上,提出了基于改进相似度算法的叶片自动诊断方法,可自动识别叶片故障类型。通过燃气轮机叶片故障实测数据验证了该方法的有效性。本文的研究成果可以补充和拓展目前的叶片故障预警和诊断理论,同时为相关理论在工程实践中的应用提供参考。
胡晶晶[2]（2021）在《基于枢纽共享与共同配送的双轴辐式网络合作优化研究》文中提出物流企业轻资产式地发展要求物流网络要高弹性、协作化、精益化。轴辐式网络作为一种重要的物流网络形式,应根据市场发展要求在网络之间建立良好的竞合关系。轴辐式网络可借助新型网络形式和先进的管理模式,探索轴辐式网络间的合作方式,发展出新的物流功能和物流模式。枢纽设施选址是轴辐式网络设计的核心,辐节点到客户的配送是轴辐式网络运输的重要组成部分。因此,双轴辐式网络合作重点研究了两个网络的枢纽共享与辐节点共同配送,以减少枢纽设施的闲置或重复建设,促进不同网络在末端配送中的协同合作。关于物流网络合作的研究多着眼于利益分配、政策机制等定性研究。本文在网络间横向联盟的基础上,利用最优化方法研究双轴辐式网络合作,并对其网络构建阶段和运输运作阶段进行优化设计,再由计算实验分析其网络演化规律。论文开展了以下研究:第一点,双轴辐式网络合作的应用场景和实现方式研究。首先阐述了物流网络合作理论及一般合作方式;接下来分析双轴辐式网络合作应用场景;最后分析双轴辐式网络合作中的枢纽共享与共同配送的实现方式、相互关系和作用。第二点,考虑存量枢纽共享的双轴辐式网络合作。双轴辐轴辐式网络合作中的枢纽共享方式有两种,此为第一种方式。只对一个网络进行规划建设,采用了网络内部枢纽共享与网络外部存量枢纽共享相结合的合作方式。旨在充分利用物流网络内外部的枢纽资源,提高网络可靠性。首先,建立了混合整数线性规划模型并利用数学求解器求解,再设计遗传算法求解该问题。其次,利用国内两家第三方物流公司的网点数据,分析了不同参数的敏感性,对比论证了混合整数线性规划和遗传算法的求解效果。最后,比较网络优化前后的效果并进行应用案例分析,结果表明合作后网络的构建成本降低,产生了一定的合作成本,网络结构得到优化调整。第三点,基于新建枢纽共享的双轴辐式网络合作,此为第二种方式。有两个拟建的轴辐式网络,一个网络为自己网络中的每一个枢纽从另一个网络中选择一个共享枢纽,共享枢纽只来自于外部网络且是新建枢纽。两个网络可以共同使用共享枢纽,共享枢纽承担了另一个网络的部分配送流量。首先,运用混合整数规划模型描述所研究的问题;其次,根据问题的特征设计了多层编码遗传算法、多重心法进行求解;最后,分别对两种算法进行了参数敏感性分析和性能对比。第二种枢纽共享方式侧重研究流量转移量对网络合作的影响。与优化前的网络进行对比,并结合案例分析,文章所提出的研究方法同时构建了两个网络的结构,一个网络减少了枢纽的重复建设,另一个网络减少了枢纽资源闲置,并提升了两个网络的协作能力。第四点,轴辐式网络辐节点的共同配送设计。在辐节点到末端配送中心的配送过程中,其中一个网络的车辆从辐节点出发时可沿途装运另一个网络的辐节点的货物,一同运输至配送中心。首先,分析共同配送中的多车场车辆路径问题,并设计贪心算法求解。其次,将多车场问题转化成只有一个中心车场的车辆路径问题,降低了问题复杂度,分别设计分支定界算法与基于优先权的遗传算法求解。最后,比较了不同的启发式算法、求解思路的求解效果。辐节点共同配送承接了网络构建后的末端送任务,并贯通了两个网络。结合案例分析表明,与分散运输相比共同配送整合了末端配送中的运输资源,降低了运输成本。枢纽共享和辐节点共同配送将两个轴辐式网络通过资源共享的方式连接起来,促成了竞争网络间的合作。合作中的轴辐式网络有别于原有网络结构和运作模式,对网络进行了重新构建和组合。双轴辐式网络合作使轴辐式网络的优化研究上升到大物流网络层面,而不是局限于对网络内部结构的优化,促进了复合型轴辐式网络的演化形成。提高了物流网络的整合能力、应急能力,有助于组建开放融合的物流系统,协调物流全过程的运作控制,提高整体物流系统运作的效率。
张永男[3]（2021）在《交通网络流分布式协同控制与基于云计算的并行优化》文中提出人工智能、云计算、通信技术和物联网的快速发展,推动交通运输迈入大数据驱动的智能化发展新阶段。需要研究适合大数据背景下交通网络流智能控制与决策的方法,以缓解交通拥堵、提高出行满意度。针对基于大数据的分析处理与优化决策对控制性能与实时性的要求,本文研究交通网络流分布式协同控制的理论与方法。采用宏观交通流评价模型,研究基于云计算的反应式控制方法与并行求解策略。进一步,采用微观交通流评价模型,研究基于云计算的预测控制方法与并行求解策略。为了提高交通网络流控制的智能化水平,继续研究基于深度学习的交通网络流时空特征并行学习方法,并将该方法拓展到基于深度学习评价模型的分布式深度强化学习控制方法中。通过建立交通网络流控制的边缘计算解决方案,研究离线大数据学习与在线决策应用的云边协同处理策略。基于北京市区域路网对本文所研究的控制方法及并行优化算法的有效性进行了仿真验证。本文的主要研究内容及创新点如下:（1）为了提高控制性能和实时性,提出了基于宏观交通流评价模型的分布式协同控制方法以及并行优化算法。在宏观交通流延误模型的基础上,通过优化各个信号交叉口的绿信比参数,实现区域路网的分布式控制;通过优化相邻交叉口之间的相位差,实现区域路网的协同控制,促进形成绿波带控制局面。采用具有迁移比例和替换概率的粗粒度并行自适应遗传算法求解分布式协同控制的双目标优化问题,通过云计算进一步加快求解速度。仿真试验结果表明,该方法在降低交通延误和改善实时性方面具有有效性。（2）为了弥补宏观评价方法可能与随机微观交通流波动不相匹配以及反应式控制缺少预见性的不足,提出了基于微观交通流评价模型的分布式协同预测控制方法以及并行优化算法。将基于规则的非解析微观交通流模型应用到交通网络流预测控制中,与宏观预测模型相比,更能准确地预测未来的交通态势、评价候选控制方案。为了减少在预测时域优化控制序列的求解时间,采用基于Spark云计算的两级分层并行遗传算法,加快滚动时域的求解速度。仿真试验结果表明,该方法分别在不饱和与过饱和的交通流状态下,取得了较好的控制效果,加快了求解速度。（3）为了提高交通流预测模型的智能学习能力,提出了交通网络流基于深度学习的时空特性学习机制以及并行训练方法。由于目前交通流特征学习的对象大都局限于局部路段,本文采用深度卷积神经网络和长短期记忆神经网络的混合深度学习模型,建立面向大数据处理的交通网络流特征学习模型。既挖掘多条路段之间的空间关联特征,又提取交通流的时间序列动态演化规律。为了减少深度学习在大数据下的训练时间,研究了基于数据集分解的具有收敛保障的并行训练的理论基础,设计了基于Spark云计算的并行算法。仿真试验结果表明,深度学习模型及并行训练方法在改善特征学习精度的同时,极大地降低了训练时间。交通网络流时空演化特征基于深度学习模型的并行学习是交通网络流分布式深度强化学习控制的研究基础。（4）为了提高控制决策的智能化水平,提出了交通网络流基于深度学习评价模型的分布式深度强化学习控制方法以及基于边缘计算的实现算法。将值分解方法拓展到演员-评论家算法框架中,通过在动作网络的输出层引入考虑多约束条件的绿信比调整方法,解决交通网络信号的连续控制问题。通过策略贡献权重的自适应分配机制,不断强化对全局目标影响程度大的策略贡献权重,实现自适应分布式协同决策。最后将分布式深度强化学习方法部署到边缘计算架构上,实现在线决策与离线学习的协同处理。仿真结果验证了智能控制方法及云边协同求解算法的有效性。
黄纪凯[4]（2021）在《全渠道模式前置仓选址与配送路径优化》文中研究指明电子商务是我国第三产业的重要组成部分,其快速发展对新冠肺炎疫情期间国内经济的发展发挥了巨大促进作用。消费需求的不断升级与市场竞争的加剧推动电商前置仓从仓储型转化到全渠道模式。全渠道模式前置仓的高速发展重塑了电商末端配送网络。因此,研究全渠道模式前置仓选址与配送路径优化问题具有现实意义。不仅可以大力推动全渠道模式前置仓业务由高速向高质量转型,亦可有效满足消费者不断升级的需求以及日益加剧的市场竞争环境,进而促进电商零售企业向高质量发展的转变。本文综合采用系统动力学、多目标规划、分布式鲁棒优化、整数规划方法,基于调研和相关文献研究,通过定性与定量相结合的方式,从商业运营的角度出发研究前置仓运营模式的特征,从全渠道模式前置仓配送网络设计的角度出发研究前置仓选址和配送路径规划,从全渠道模式前置仓配送网络优化的角度出发研究选址-路径集成优化。（1）基于系统动学的前置仓运营模式仿真分析。首先,本文界定了全渠道模式前置仓的运营模式、特性及问题。其次,从全渠道模式和仓储模式前置仓运营模式视角出发,构建系统动力学模型,结合实证企业的案例数据,使用VENSIM软件对前置仓的运营模式进行仿真分析。结果表明,全渠道模式前置仓在消费者、订单量、营业收入、服务能力方面均优于仓储模式前置仓,而在总成本方面高于仓储模式前置仓。因此,降低全渠道模式前置仓总成本成为优化全渠道模式前置仓选址与配送路径规划的首要目标。（2）全渠道模式前置仓选址与能力设计联合优化。基于消费画像对确定性需求的刻画,本文不仅考虑配送服务,还结合全渠道模式的特点引入到店购方式,综合考虑前置仓容量限制、总成本、到店购时间、配送时间等要素,利用多目标优化方法构建了分别以总成本最小和服务时间最小的双目标规划模型。通过分析模型结构特点,设计基于精英策略的多目标模拟退火算法。应用MATLAB软件,使用实证企业脱敏的案例数据验证了模型的正确性和算法的有效性。结果表明,增加前置仓选址数量和模型考虑配送和到店购的方式会提高帕累托最优解的数量,增加选址方案组合。帕累托最优解数量受前置仓配送能力降低影响明显且选址方案组合提高较少。（3）全渠道模式前置仓车辆路径分布式鲁棒优化。基于需求参数及其分布的双重不确定性,综合全渠道模式前置仓的特点:配送、到店购或自提的方式、到店购客户的成本、配送成本、车辆固定成本,构建最坏情形下期望总成本和条件风险值（CVa R）最小的分布式鲁棒优化模型。由于模型属于半正定规划问题,所以构造盒子非精确集,推导等价可求解形式。利用实证企业案例数据,应用CPLEX软件对等价模型进行求解,通过与随机规划模型对比分析验证模型的有效性。结果表明,分布式鲁棒方法比随机规划方法具有更好的稳定性,并且可提供更多种鲁棒的配送服务策略。（4）全渠道模式前置仓选址-路径集成优化。在全渠道模式的背景下,前置仓不仅提供配送服务,还引入到店购的全渠道模式特点,综合考虑前置仓建设成本、车辆使用的固定成本、区域仓至前置仓的干线运输成本、前置仓至客户的配送成本等要素,利用整数规划的方法,构建总成本最小的全渠道模式前置仓选址-路径优化模型。应用JAVA语言实现了改进后的遗传算法设计,结合实证企业的案例数据对模型进行了求解和验证。结果表明,设置适当的最大配送距离和优化配送车辆的性能有助于企业总成本的控制。图51幅,表35个,参考文献178篇。
段彤彤[5]（2020）在《拖拉机转向梯形机构优化设计模型的建立与求解》文中进行了进一步梳理农业是我国第一产业,作为基础产业支撑着我国的社会经济发展,农业机械化作业能提高土地产出率和劳动生产率,也是转移劳动力、降低劳动者劳动强度、提高抗御自然灾害能力、增加农民收入和保证农产品质量的重要手段。拖拉机是用于牵引和驱动各类作业机械从而完成各项移动式作业的自走式动力机,是农业生产和运输的主要工具,其各项性能的优劣直接影响着农业作业的质量。农用轮式拖拉机普遍采用前轮转向,同时配备整体式转向梯形机构,作为转向系统的主要组成部分,拖拉机转向梯形机构设计的好坏,直接决定着拖拉机在转向行驶时的表现,对拖拉机的操纵性、行驶的安全性、驾驶的舒适性以及转向轮轮胎的使用寿命都产生了较大的影响。因此,该文以拖拉机转向梯形机构的优化设计为研究目的开展了以下具体研究工作。依据阿克曼原理,拖拉机在转向时各转向轮应绕同一瞬时转向中心转动,以保证各转向为纯滚动无侧滑,但实际情况往往不能完全满足这一要求,该文分析了理想情况下和实际情况下拖拉机整体式转向梯形机构的运动情况,以实际转向时转向轮转角与理论转向轮转角的绝对误差平方在转向范围内的和最小为目标函数,并考虑到拖拉机与其他车辆使用工况不同,除在道路上行驶外还需在田间进行作业,提出一种更符合拖拉机实际使用工况的权重函数,建立了拖拉机转向梯形机构优化设计的数学模型。针对优化模型的求解改进了传统实数遗传算法,改进后的算法采用了两次精英保留的进化策略,同时为了保证种群的多样性,剔除了种群中的重复个体;在选择算子方面,使用分组选择算子扩大了进行配对的两父代个体之间的距离,增大了种群的多样性;在交叉操作方面,提出一种新的基于向量旋转的交叉算子,该算子能产生多个交叉方向从中选出最佳方向进行搜索,产生的子代个体更接近最优解,并采用了多个交叉后代竞争择优保留的策略保证了交叉操作的效果;进行变异操作时采用了组合变异算子兼顾了算法的全局搜索能力和局部搜索能力。为了测试算法的有效性和计算效率,选取了4个不同的测试函数对改进后的算法进行了测试,结果显示,与传统实数遗传算法相比,改进后的算法能进行有效计算并且寻优速度更快,能在较少的进化代数中找到最优解。选出了4种型号的转向梯形机构进行优化设计实例计算,分析了优化前后转向轮理论转角与实际转角的误差对比,结果显示误差明显减小,优化效果理想,可见该文所提方法对实际生产有一定的指导作用。
柯毅明[6]（2020）在《政府投资光伏扶贫项目区域优选方法及其规划模型研究》文中进行了进一步梳理光伏扶贫项目是指由政府统一拨付资金,在光照资源良好的贫困区域建设村级光伏发电电站,并将发电营运所得用以帮扶建档立卡贫困户的政府投资项目。它不仅有助于解决落后地区的能源供给、就业创收和经济建设等问题,还可以助力于缩短贫富差距,维护社会公平并推动社会主义现代化进程。自试点以来,政府利用两年光景将光伏扶贫装机规模增至100万千瓦,受惠人数突破百万户。因巨大的利好效用,光伏扶贫项目已成为探索中国特色扶贫事业中可圈可点的“经验词条”,也被成功纳入十三五扶贫开发的工作重点。然而,随着光伏项目的发展,光伏电站潜在可安装面积日渐紧俏,弃光弃能等现象日益凸显。同时,伴随着扶贫开发的深入推进,加之光伏扶贫项目呈现出分布分散、地形特殊和地质多变等特点,部分因勘探不足、选址不良和规划不当引发的恶劣现象也逐渐显现。项目实施区域优选及其规划问题开始引发社会各界的关注和思考。综合分析当前主流的优选理论可知,传统的优选模型普遍存在契合度不高、适用性欠佳或求解精度不足的问题,难以有效应对光伏扶贫项目区域优选及规划建模。因此,本文以政策引导为支点,以“什么区域为条件适宜”、“如何进行项目组合规划”为导向,结合项目内在特征,探索高匹配度和强适应性的区域优选方法及其规划模型,旨在助力完善项目实施经验,提高光伏扶贫活力,为项目新建、改扩建乃至25年实施期满后拆除重建等情境下的投资决策活动提供可靠的智力支持。具体的研究内容如下:（1）结合项目特征的相关政策梳理及投资机理研究。针对目前光伏扶贫项目研究未考虑政策引导作用且投资机理不甚明确的问题,本文以项目特征为逻辑起点进行政策梳理及机理分析。首先,基于投资者、承包商、受益人和社会公众等利益相关方的定位及特点,明确其目标诉求,为后续因素提取和函数设立等过程提供支撑性材料;接着,结合项目目标,对项目的具体特征进行归纳,为后续研究奠定基础;随后,梳理相关政策的发展态势和时序特征,识别出对区域优选及其规划建模问题起着引导作用的政策,并以此作为全论文研究的基本准则,从而提高所建模型的政策匹配度;最后,结合政策引导作用,分析投资机理并界定项目运行机制,从而确保所建模型的项目契合度。（2）基于政策引导的双因素实施区域优选指标体系研究。针对传统指标提取过程中提取困难、因素缺失、筛选偏颇和决策支持度不足等问题,本文摒弃仅从经济、技术、社会和环境等宏观层面进行因素提取的方法,而是立足于利益相关方的目标诉求,提出“政策—风险—收益—反馈”搜索闭环,进而形成涵盖政策引导、风险规避、收益追逐和公众反馈的四维因素集,从而提升因素提取效率;考虑到部分区域因不满足建设红线或整体规划的要求而需被预先否决,本文通过界定指标概念、合并重叠因素和剔除无关因素,构建出政策引导下否决指标和优选指标双因素框架,从而保证指标体系的全面性。以上基于利益相关方目标诉求的因素提取思路可为学者搜集评估指标提供技术参考。（3）考虑决策者风险偏好的直觉模糊组合优选方法研究。针对传统模糊集难以反映决策信息犹豫度、常规赋权方法仅从主观重要性或客观信息量进行单侧度量、主流的排序过程未将决策者风险偏好纳入考虑范畴的问题,本文首先权衡了评估指标量、模糊界限及评估精度要求,决定采用直觉模糊语言集作为定性因素的评估依据。接着,结合直觉模糊集的矩阵一致性和熵值分布特征,对传统层次分析法和熵权法进行适应性调整与拓展,使得整个定权过程既能很好地反映专家经验的模糊性与犹豫程度,又能达到兼顾指标逻辑重要性和优选贡献度的决策效果;随后,基于直觉模糊集的运算逻辑和距离测度公式,对传统的风险偏好交互式决策排序框架进行调整,使排序结果充分反映决策者的风险规避心理,提高方法的实用度。本研究既有助于提升传统赋权方法的应用活力,丰富赋权方法理论体系;又可以提高排序过程的优选效率,丰富排序方法理论体系。（4）计及扶贫效果和容量约束的组合优化模型及寻优算法研究。针对传统组合优化模型契合度不高且寻优算法结果欠佳的问题,本文通过剖析光伏扶贫在战略层、项目层和资源层的投资目标及诉求,归纳出其项目组合的具体特征,在项目目标、政策引导、条例规范和并网要求的共同作用下构建出“目标—约束”组合优化模型。在目标函数方面,考虑到光伏扶贫项目兼具并网发电和帮扶贫困的任务,引入拟帮扶人数表征扶贫效果,从而设立最低成本和最佳扶贫效果两项优化目标;在约束条件方面,考虑到相关政策的规范和要求,结合电网建设和资源消耗等常规限制,从而设立容量限制的约束条件;在求解算法方面,结合种群适应度分布,令个体繁殖概率自适应调整,从而形成兼具非支配排序、拥挤度计算、精英策略和自适应遗传概率的改进算法,可应对过早收敛、求解欠佳和概率固化等问题,提高解集稳定性。改进的算法可丰富智能算法理论体系。（5）基于公平与效率的规划方案优选模型及求解算法研究。针对传统项目规划方案优选过程仅考虑效率测度结果且未对小样本数据求解偏差进行处理的问题,本论文基于项目全寿命周期与利益干系人双重视角,对公平与效率的具体表征进行归纳和总结。首先,引入公平因子,并结合标杆方案和聚类算法对备选方案进行样本初筛,识别出在公平层面表现欠佳的方案并予以剔除,极大契合政府投资项目在维护社会公平方面的理念;接着,将效率诉求转化为可运算的投入产出变量,借助数据包络分析算法对样本数据进行效率测度。考虑到小样本可能带来的估算偏差,引入重抽样技术进行样本扩容和效率值纠偏,结合纠偏后的效率值完成方案的优选排序,从而保证优选结果的准确性。以上提及的模型构建思路可拓展到其他政府投资项目的方案优选或效率分析中,提高优选模型与项目的契合度,而带纠偏处理的数据分析算法亦可丰富效率测度理论体系。
李松涛[7]（2020）在《基于介电模型的沥青混合料多相体积率多类反演及其工程应用》文中进行了进一步梳理沥青混合料是沥青路面面层的构筑材料,其材料性能指标检测是沥青路面无损检测的重要组成部分。探地雷达作为一种用于确定地下介质分布的广谱电磁技术,具有高效、快速、连续、无损伤、高分辨率等特点,代表道路结构层无损检测的发展方向。介电特性的差异是使用探地雷达对其进行无损检测的基础,沥青混合料介电模型表征混合料介电特性与各单相介质介电特性与体积率之间的函数关系,而多相体积率是计算压实度、空隙率、沥青含量等技术指标的关键条件。因此,多相体积率的确定是揭示沥青混合料介电特性与压实度、空隙率、沥青含量等指标内在本质关系以及使用探地雷达对沥青混合料进行无损检测的关键所在。在目前的研究中,关于沥青混合料多相体积率对介电特性的影响规律缺少系统性研究,现有经典介电模型多是针对两相介质或基于一定假设提出,是否适合于沥青混合料介电特性的解释还有待于检验;雷达电磁波传播模拟未深入考虑多相体积率对电磁波传播信号的影响,更未有基于介电模型的雷达电磁波传播模拟研究,如何建立基于介电模型的雷达电磁波传播模型,是研究多相体积率反演的基础,也是有待解决的难题;目前介电特性的反演方法多为单一算法,应用范围有一定的局限性,并且现有反演方法是否能够应用于多相体积率反演还有待考证;以上的研究现状导致使用探地雷达对沥青路面进行快速、无损检测受到一定的限制。本文针对探地雷达在沥青路面面层无损检测中存在的问题,开展了沥青混合料多相体积率反演研究。以复合介质介电特性以及电磁波传播理论为研究基础,开展沥青混合料多相体积率对介电特性影响的试验研究,结合我国国情,建立常用多种类型沥青混合料的介电模型,构建基于介电模型的探地雷达电磁波传播正演模型,建立多类反演方法对沥青混合料多相体积率开展反演研究。取得相关研究成果和主要结论如下:（1）开展了沥青混合料多相体积率对介电特性影响的试验研究,考虑沥青混合料的多相特性,系统研究混合料多相体积率对介电特性的影响。试验研究结果表明:对于同一种类型的沥青混合料,骨料体积率对混合料介电特性的影响最大,沥青混合料的介电常数随骨料体积率的增大而增大;空隙率对混合料介电特性的影响最小,骨料和沥青体积率的变化会抵消空隙率变化的影响;沥青含量对沥青混合料介电特性的影响介于骨料和空气之间;试验研究结果为常用沥青混合料介电模型的建立提供依据。（2）基于试验,对现有经典介电模型在解释沥青混合料介电特性的合理性和适用性进行了检验,检验结果表明现有经典介电模型不适用于解释常用沥青混合料的介电特性;建立了AC-13、AC-16、SMA-13、SMA-16等四种常用沥青混合料的介电模型,对新建模型进行检验,检验结果表明采用本文新建介电模型能够解释四种常用沥青混合料的介电特性。研究成果为路面材料介电模型库的建立贡献了数据,也为揭示沥青混合料介电特性与各组分介电特性及其体积率之间的相关关系以及多相体积率的确定奠定了理论基础。（3）建立了基于沥青混合料介电模型的探地雷达电磁波传播正演模型。基于该正演模型研究了沥青混合料多相体积率的变化对雷达电磁波回波信号的影响规律,揭示了雷达电磁波回波信号对多相体积率的响应特征;通过模型试验,将实测波形与正演模拟波形进行对比,对建立的基于介电模型的雷达电磁波传播正演模型开展合理性与适用性考评,结果表明由于在雷达电磁波正演模型中考虑介电模型,使得多相体积率反演计算成为可能,为沥青混合料多相体积率的反演提供了计算理论基础以及精确的计算模型。（4）基于沥青混合料介电模型以及雷达电磁波传播正演模型,开展了沥青混合料多相体积率的多类反演研究。建立了多相体积率反演的粒子群（PSO）、遗传（GA）、PSO-GA混合、BP神经网络与PSO联合、BP-GA联合等五类反演方法,实现了多相体积率的多类反演计算,通过考评检验了多类反演方法的计算精度和效率。研究多类反演方法的智能选择,构建前置判断逻辑,实现了多相体积率的智能反演。开展多相体积率多类反演方法的工程应用,结果验证了本文多提多相体积率智能反演方法的可行性和有效性,为开展压实度、空隙率、沥青含量等关键指标的无损检测提供了分析新途径。本文开展了基于介电模型的沥青混合料多相体积率多类反演研究,探索了探地雷达对沥青混合料关键指标进行无损检测的新途径,研究成果对于丰富和发展探地雷达应用研究具有重要的学术价值,在道路无损检测与施工过程控制方面具有广阔的应用前景。
刘禹[8]（2020）在《基于数字图像相关法的结构微应变测量系统》文中进行了进一步梳理数字图像相关法是一种非接触式的视觉测量方法,该方法光路简单、测量稳定、适应范围广,常用于材料力学的形变位移和应变测量,在机械科学、生物力学、航空航天等领域使用广泛。数字图像相关法以散斑纹理作为检测特征,以形函数作为描述物体表面形变的数学模型,使用相关系数函数评价变形前后图像子区的相似程度,通过整像素搜索和亚像素搜索算法在图像中感兴趣区域内匹配出相关系数值最高的图像子区作为测量结果。整像素搜索算法的计算时间受搜索范围的影响较大,亚像素搜索算法由于受初始位移估值的影响,结果有较大差异。为提高算法的计算效率和计算精度,使得数字图像相关法能更好应用于扰动环境下的结构微应变测量,本文对传统算法作出相关改进。针对传统的牛顿拉夫森迭代法受迭代初值影响较大的问题,提出一种基于遗传算法的数字图像相关变形初值估计。首先在变形前图像中选取待测点以及其邻域内的若干辅助点,使用基于遗传算法的数字图相关法计算各辅助点位移变化,选取变形前后3组辅助点对代入仿射变换模型,通过正逆向求解即可得到待测点的初始位移估值,最后将其代入牛顿拉夫森迭代运算获取亚像素位移。模拟散斑实验和压力加载实验结果表明,该算法有效提高了大变形情况下的计算性能。针对传统数字图相关法测量大位移环境下微应变,扩大搜索区域带来时间消耗骤增的问题,提出了一种基于SURF-ORB算法的数字图像相关方法。首先,使用改进的SURF-ORB算法检测出以待测点为中心的矩形区域中匹配度最高的特征点对,以该特征点对的位移作为待测点的初始位移值;然后使用小区域逐点比较法进一步精确定位,得到准确的整像素位移估值;最后将整像素位移估值代入迭代算法中,计算得到亚像素位移和应变信息。模拟散斑实验结果表明,相对传统数字图像相关法,该改进算法的时间消耗与搜索范围呈线性相关关系,计算速度更快,具有较高的鲁棒性。最后,以实际测量对象为基础,对结构微应变测量系统相关硬件进行介绍,并在Visual Studio开发环境,基于Opencv和Qt,使用C++语言,编写了结构微应变测量系统软件,进行了橡胶圆柱压缩实验。实验结果表明,本文提出的算法满足实际测量性能要求。
陈丰收[9]（2020）在《基于粗粒度-主从式并行遗传算法的自复位阻尼器优化布置》文中进行了进一步梳理对消能减震结构上的阻尼器进行优化布置,可以充分发挥阻尼器的耗能减震能力,提高阻尼器的减震效果,降低经济成本。传统遗传算法能单目标优化阻尼器在结构上的布置,快速非支配排序遗传算法（NSGA-II）能多目标优化阻尼器在结构上的布置,并行遗传算法能结合计算机的快速并行性和传统遗传算法的天然并行性,提高优化速度和精确度。论文将快速非支配排序遗传算法和并行遗传算法相结合,对框架结构上的阻尼器布置数量和布置位置进行优化研究,提出的优化算法和对算例的优化结果具备工程应用参考价值。本文主要的研究工作如下:（1）采用粗粒度-主从式并行遗传算法,以最大层间位移角为目标函数,对框架结构上的阻尼器布置位置进行优化。算法实现流程为:先将种群划分为多个子种群,接着各个子种群并行独立执行传统遗传算法操作,若达到迁移周期,子种群之间执行迁移操作,迁移完成后,各个子种群再次并行独立执行传统遗传算法操作。最后,采用粗粒度-主从式并行遗传算法对一个12层钢框架结构上的阻尼器进行优化布置,并和传统遗传算法、隔层布置方法进行对比,从减震率、精确度、计算效率等来分析该算法的有效性。（2）提出内嵌NSGA-II的粗粒度-主从式并行遗传算法,以结构的最大层间位移角和最大楼层加速度为目标函数,对结构上的阻尼器布置位置进行优化。该算法实现流程为:先将种群划分为多个子种群,接着各个子种群可以并行独立执行快速非支配排序遗传算法（NSGA-II）操作;若达到迁移周期,子种群之间执行迁移操作;迁移完成后,各个子种群再次并行独立执行NSGA-II操作。NSGA-II的主要步骤有:Pareto原则、快速非支配排序、拥挤度计算、精英保留策略,对这些主要步骤的原理和算法实现进行介绍。最后,采用内嵌NSGA-II的粗粒度-主从式并行遗传算法对一个12层钢框架结构上的阻尼器布置位置进行多目标优化,并计算框架结构的层间位移角和加速度减震系数。（3）为实现同时优化结构上阻尼器的布置数量和布置位置。先采用改进的粗粒度-主从式并行遗传算法,该算法分为内外两部分:内部采用粗粒度-主从式并行遗传算法,在阻尼器数量固定下,单目标优化阻尼器的布置位置;外部对阻尼器的数量进行循环优化。接着提出改进的内嵌NSGA-II的粗粒度-主从式并行遗传算法,该算法分为内外两部分:内部采用内嵌NSGA-II的粗粒度-主从式并行遗传算法,在阻尼器数量固定下,多目标优化阻尼器的布置位置;外部对阻尼器的数量进行循环优化。最后,采用这两种算法对一个12层钢框架结构上的阻尼器布置数量和布置位置进行优化,并给出阻尼器在12层框架结构的布置建议。
何雄飞[10]（2020）在《基于V2X技术的应急物资调度优化研究》文中研究表明自然灾害具有不确定性及巨大的破坏性,灾害发生后会造成大面积信息真空,给应急物资调度带来诸多不确定性。目前研究多用模糊数或者概率统计处理不确定性,无法反映灾情的动态变化。V2X技术在应急物资调度中的应用可实时获取灾情信息变化,保证应急物资调度科学、高效实施。鉴于此,对基于V2X技术的应急物资调度进行研究对于应急响应与物资调度具有重要意义。论文将V2X技术应用于应急物资调度优化,将定性研究与定量分析相结合,对灾情信息变化情况下的应急物资调度进行研究。研究除了考虑传统的救援时间与惩罚时间外,还考虑了受灾点满意度,采用车辆巡回配送策略解决运输车辆不足的问题。首先,探讨V2X技术与应急物资调度结合的可行性,分析基于V2X技术的应急物资调度的特点、V2X技术接收的信息及其相应的处理方法;其次,基于该问题的特点构建二阶段动态调度优化模型。其中,初始阶段以救援时间和惩罚时间最短、满意率最高为目标,对救援车辆路径进行初步规划;实时调整阶段则是保证车辆在瞬息万变的应急物资调度环境下,依然能够顺利完成调度计划;再次,利用分层序列法思想,将时间最短作为第一目标函数。初始阶段针对遗传算法局部搜索能力弱,变异交叉概率对结果影响大的缺点,设计多种群遗传算法对模型进行求解,调整阶段采用局部调整策略以及计算效率较高的遗传算法求解模型,以满足实时调整阶段时效性的特点。最后,选取小规模和大规模案例,运用MATLAB软件辅助求解,验证了模型与算法的可行性和优势。研究表明,构建的模型能有效避免灾情信息变化对应急物资调度任务的影响;利用多种群遗传算法对初始阶段模型求解,解的质量和稳定性都具优势;利用标准遗传算法对实时调整阶段模型求解,在得到最优解的前提下,能够提高算法计算效率。本文将新兴的V2X技术与传统应急物资调度问题结合,构建的应急物资调度模型在应急物资调度初期灾情信息缺失的情况下,能够避免灾情变化对应急物资调度的影响,保证应急物资调度的顺利完成。研究成果为进一步丰富应急物资调度研究体系,以及指导应急物资调度实践提供了借鉴,具有重要的理论与实际意义。
二、遗传算法的计算效率分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、遗传算法的计算效率分析（论文提纲范文）
（1）基于气路性能混合模型的燃气轮机叶片故障预警及诊断方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景与意义 |
| 1.2 国内外相关研究进展 |
| 1.2.1 气路性能机理模型研究进展 |
| 1.2.2 气路性能混合模型研究进展 |
| 1.2.3 叶片故障预警研究进展 |
| 1.2.4 叶片故障诊断研究进展 |
| 1.3 当前研究趋势及需要解决的关键问题 |
| 1.3.1 当前研究趋势 |
| 1.3.2 需要解决的关键问题 |
| 1.4 本文研究内容及结构安排 |
| 第二章 燃气轮机个性化气路性能机理模型 |
| 2.1 引言 |
| 2.2 燃气轮机通用气路性能机理模型 |
| 2.2.1 部件数学模型 |
| 2.2.2 稳态数学模型 |
| 2.2.3 动态数学模型 |
| 2.3 燃气轮机部件特性曲线自适应 |
| 2.3.1 部件特性通用解析解 |
| 2.3.2 更新因子提取及灵敏度分析 |
| 2.3.3 改进粒子群优化算法 |
| 2.3.4 通用解析解自适应方法 |
| 2.3.5 方法验证 |
| 2.4 燃气轮机循环参考点整定 |
| 2.4.1 循环参考点 |
| 2.4.2 循环参考点逆向迭代求解理论 |
| 2.4.3 循环参考点整定方法 |
| 2.4.4 验证案例描述 |
| 2.4.5 方法评估与验证分析 |
| 2.5 燃气轮机个性化气路性能机理模型应用 |
| 2.5.1 燃气轮机及其气路测试参数概述 |
| 2.5.2 个性化稳态气路性能机理模型及应用 |
| 2.5.3 个性化动态气路性能机理模型及应用 |
| 2.6 本章小结 |
| 第三章 燃气轮机气路性能混合驱动模型 |
| 3.1 引言 |
| 3.2 燃气轮机气路性能数据驱动模型 |
| 3.2.1 多层感知机理论 |
| 3.2.2 燃气轮机气路性能数据驱动模型构建方法 |
| 3.2.3 方法验证 |
| 3.3 面向单元体的燃气轮机气路性能混合模型 |
| 3.3.1 面向对象与燃气轮机气路性能仿真 |
| 3.3.2 面向单元体的气路性能混合模型构建方法 |
| 3.3.3 方法验证 |
| 3.4 基于径向基神经网络误差补偿的混合模型 |
| 3.4.1 径向基神经网络 |
| 3.4.2 基于径向基神经网络的误差补偿方法 |
| 3.4.3 方法评估与对比验证 |
| 3.5 气路性能混合模型应用实例 |
| 3.5.1 应用案例1 |
| 3.5.2 应用案例2 |
| 3.5.3 应用案例3 |
| 3.5.4 应用案例4 |
| 3.5.5 案例对比分析 |
| 3.6 本章小结 |
| 第四章 基于宽频振动和混合模型的燃气轮机叶片故障预警 |
| 4.1 引言 |
| 4.2 宽频振动信号特征提取 |
| 4.2.1 宽频振动信号测试 |
| 4.2.2 宽频振动信号特征提取方法 |
| 4.2.3 各部件宽频振动信号特征 |
| 4.3 气路性能信号特征提取 |
| 4.3.1 压气机气路性能信号特征 |
| 4.3.2 燃气涡轮气路性能信号特征 |
| 4.3.3 动力涡轮气路性能信号特征 |
| 4.4 基于宽频振动和混合模型的叶片故障预警方法 |
| 4.4.1 报警阈值 |
| 4.4.2 叶片故障特征阈值设定方法 |
| 4.4.3 叶片故障预警方法 |
| 4.5 方法应用案例 |
| 4.5.1 叶片报警阈值生成 |
| 4.5.2 预警方法验证 |
| 4.6 本章小结 |
| 第五章 基于混合模型的燃气轮机叶片故障诊断 |
| 5.1 引言 |
| 5.2 燃气轮机叶片故障 |
| 5.2.1 典型叶片故障 |
| 5.2.2 燃气轮机叶片故障判据 |
| 5.3 基于改进粒子群和混合模型的燃气轮机叶片故障诊断 |
| 5.3.1 非线性气路分析法 |
| 5.3.2 比折合参数表征的叶片健康参数 |
| 5.3.3 基于改进粒子群和混合模型的叶片故障诊断方法 |
| 5.3.4 方法验证及实际应用案例 |
| 5.4 基于SVM和混合模型的燃气轮机叶片故障诊断 |
| 5.4.1 支持向量机 |
| 5.4.2 基于混合模型的叶片故障模拟 |
| 5.4.3 基于SVM和混合模型的叶片故障诊断方法 |
| 5.4.4 方法评估及实际应用案例 |
| 5.5 燃气轮机叶片故障自动诊断方法 |
| 5.5.1 模式识别理论 |
| 5.5.2 叶片故障模式相似度分析 |
| 5.5.3 基于改进相似度的自动诊断方法 |
| 5.5.4 应用案例 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文主要研究成果 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（2）基于枢纽共享与共同配送的双轴辐式网络合作优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与关键问题 |
| 1.1.1 研究背景 |
| 1.1.2 研究的关键科学问题 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 现实意义 |
| 1.3 研究目的及创新点 |
| 1.3.1 研究目的 |
| 1.3.2 创新点 |
| 1.4 论文主要研究内容、研究方法和技术路线 |
| 1.4.1 主要研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 第二章 国内外研究现状及综述 |
| 2.1 物流网络合作的相关研究综述 |
| 2.2 轴辐式网络相关研究综述 |
| 2.3 共同配送相关研究综述 |
| 2.4 相关算法研究综述 |
| 2.5 文献研究总结 |
| 第三章 双轴辐式网络合作的实现方式 |
| 3.1 物流网络合作方式的研究 |
| 3.1.1 物流网络合作的理论及一般模式 |
| 3.1.2 物流网络合作的制约因素及应用场景 |
| 3.2 枢纽共享与辐节点共同配送的设计方式 |
| 3.2.1 双轴辐式网络的枢纽共享 |
| 3.2.2 存量枢纽共享与新建枢纽共享的区别 |
| 3.2.3 辐节点的共同配送 |
| 3.3 枢纽共享与辐节点共同配送的关系与作用 |
| 3.4 本章总结 |
| 第四章 考虑存量枢纽共享的双轴辐式网络合作 |
| 4.1 问题描述与数学模型 |
| 4.1.1 问题假设与问题描述 |
| 4.1.2 混合整数线性规划优化模型 |
| 4.2 遗传算法设计 |
| 4.3 数值实验 |
| 4.3.1 实验与参数设置 |
| 4.3.2 混合整数线性规划的敏感性分析 |
| 4.3.3 遗传算法的敏感性分析 |
| 4.3.4 混合整数线性规划与遗传算法的结果对比 |
| 4.4 优化效果分析及应用案例 |
| 4.4.1 优化前后效果对比 |
| 4.4.2 应用案例分析 |
| 4.5 本章总结 |
| 第五章 基于新建枢纽共享的双轴辐式网络合作 |
| 5.1 问题描述与数学优化模型 |
| 5.1.1 问题假设与问题描述 |
| 5.1.2 数学模型 |
| 5.2 求解算法设计 |
| 5.2.1 多层编码遗传算法 |
| 5.2.2 多重心法 |
| 5.3 数值实验 |
| 5.3.1 实验数据设置 |
| 5.3.2 多层编码遗传算法的参数敏感性分析 |
| 5.3.3 多重心法的参数敏感性分析 |
| 5.3.4 算法的对比分析 |
| 5.4 优化效果分析及应用案例 |
| 5.4.1 优化前后的效果对比 |
| 5.4.2 应用案例分析 |
| 5.5 本章总结 |
| 第六章 基于辐节点共同配送的双轴辐式网络合作 |
| 6.1 问题假设与问题描述 |
| 6.2 共同配送中的多车场问题 |
| 6.2.1 多车场问题的数学优化模型 |
| 6.2.2 多车场问题的贪心算法设计 |
| 6.2.3 贪心算法的数值实验 |
| 6.3 多车场问题转化为单个车场问题 |
| 6.3.1 单个车场问题的数学优化模型 |
| 6.3.2 单个车场问题的分支定界算法设计 |
| 6.3.3 单个车场问题基于优先级编码的遗传算法设计 |
| 6.3.4 分支定界算法与遗传算法的数值实验 |
| 6.3.5 多车场问题与单个车场问题的研究思路对比 |
| 6.4 优化效果分析及应用案例 |
| 6.4.1 优化前后的效果对比 |
| 6.4.2 应用案例分析 |
| 6.5 本章总结 |
| 第七章 总结与展望 |
| 7.1 研究工作总结与不足 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士期间公开发表学术论文及获奖 |
（3）交通网络流分布式协同控制与基于云计算的并行优化（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 交通流反应式控制 |
| 1.2.2 交通流模型预测控制 |
| 1.2.3 交通流深度强化学习控制 |
| 1.2.4 交通流大数据分布式并行处理 |
| 1.3 论文的研究内容及组织结构 |
| 2 基于宏观交通流模型的分布式协同控制及并行优化 |
| 2.1 引言 |
| 2.2 总体架构 |
| 2.3 优化模型 |
| 2.3.1 公共周期优化 |
| 2.3.2 绿信比优化 |
| 2.3.3 相位差优化 |
| 2.4 粗粒度并行自适应遗传算法求解策略 |
| 2.4.1 自适应遗传算法 |
| 2.4.2 自适应遗传算法的并行优化策略 |
| 2.4.3 基于CPAGA优化的分布式协同控制 |
| 2.5 仿真结果与分析 |
| 2.5.1 试验设计与参数设置 |
| 2.5.2 收敛性和计算效率比较 |
| 2.5.3 信号周期变化趋势 |
| 2.5.4 控制性能比较 |
| 2.6 本章小结 |
| 3 基于微观交通流模型的分布式协同预测控制及并行优化 |
| 3.1 引言 |
| 3.2 总体架构 |
| 3.3 交通流微观仿真建模 |
| 3.3.1 时空约束 |
| 3.3.2 位置限制 |
| 3.3.3 更新规则 |
| 3.3.4 驾驶路径选择行为 |
| 3.4 交通网络流模型预测控制 |
| 3.4.1 预测模型 |
| 3.4.2 优化目标 |
| 3.4.3 滚动时域 |
| 3.5 基于Spark云计算的MPC并行优化策略 |
| 3.5.1 两级分层并行遗传算法 |
| 3.5.2 基于Spark云的预测时域并行优化求解 |
| 3.5.3 交通网络流滚动时域MPC控制 |
| 3.6 仿真结果与分析 |
| 3.6.1 试验设计及参数设置 |
| 3.6.2 评价指标 |
| 3.6.3 控制性能比较 |
| 3.6.4 计算效率比较 |
| 3.7 本章小结 |
| 4 基于深度学习模型的交通网络流时空特征学习及并行优化 |
| 4.1 引言 |
| 4.2 基于深度学习模型的交通网络流时空特征学习 |
| 4.2.1 CNN-LSTM学习模型 |
| 4.2.2 训练样本构造 |
| 4.3 深度学习并行训练的理论分析 |
| 4.3.1 设计动机 |
| 4.3.2 目标函数 |
| 4.3.3 并行特征前向提取 |
| 4.3.4 并行误差反向传播 |
| 4.4 基于Spark云的并行训练实施方案 |
| 4.4.1 并行训练算法 |
| 4.4.2 并行训练的实施过程 |
| 4.5 仿真结果与分析 |
| 4.5.1 试验设计与参数设置 |
| 4.5.2 评价指标 |
| 4.5.3 预测精度和通用能力比较 |
| 4.5.4 收敛性和计算效率比较 |
| 4.5.5 时空特征学习效果 |
| 4.6 本章小结 |
| 5 基于分布式深度强化学习模型的协同控制及并行优化 |
| 5.1 引言 |
| 5.2 总体架构 |
| 5.2.1 边缘计算架构 |
| 5.2.2 基于MADRL的交通网络流控制边缘计算实现架构 |
| 5.3 协同多智能体actor-critic深度强化学习方法 |
| 5.3.1 值分解网络 |
| 5.3.2 基于改进VDN的CMAC深度强化学习 |
| 5.4 基于CMAC的交通多智能体建模 |
| 5.4.1 状态 |
| 5.4.2 动作 |
| 5.4.3 奖赏 |
| 5.4.4 Actor-critic深度强化学习网络 |
| 5.5 基于边缘计算的交通网络流CMAC控制 |
| 5.6 仿真验证与分析 |
| 5.6.1 试验设计与参数设置 |
| 5.6.2 评价指标 |
| 5.6.3 云端并行学习 |
| 5.6.4 边缘端实时控制 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来研究展望 |
| 参考文献 |
| 附录 A 符号表 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）全渠道模式前置仓选址与配送路径优化（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 全渠道模式应用研究 |
| 1.2.2 仓储设施选址研究 |
| 1.2.3 仓配路径选择研究 |
| 1.2.4 仓配网络优化研究 |
| 1.2.5 文献述评 |
| 1.3 研究内容与结构 |
| 1.4 研究方法与技术路线 |
| 1.5 创新点 |
| 2 全渠道模式前置仓运营模式与问题分析 |
| 2.1 全渠道零售模式与前置仓的发展 |
| 2.1.1 全渠道零售模式的产生和发展 |
| 2.1.2 前置仓的产生和发展 |
| 2.2 前置仓特性与问题分析 |
| 2.2.1 前置仓运营模式特性 |
| 2.2.2 前置仓存在的问题 |
| 2.3 全渠道模式前置仓仓配系统分析 |
| 2.3.1 全渠道模式前置仓仓配系统的网络特性 |
| 2.3.2 全渠道模式前置仓仓配系统问题分析 |
| 2.4 本章小结 |
| 3 基于系统动力学的前置仓运营系统仿真分析 |
| 3.1 问题背景 |
| 3.2 系统动力学在前置仓仿真中的适用性分析 |
| 3.2.1 系统动力学适用于动态系统问题 |
| 3.2.2 系统动力学适用于结构性问题 |
| 3.2.3 系统动力学适用于内容性问题 |
| 3.3 前置仓运营系统的系统动力学模型构建 |
| 3.3.1 系统边界与流程 |
| 3.3.2 因果关系图 |
| 3.3.3 系统动力学模型 |
| 3.3.4 模型检验 |
| 3.4 前置仓运营系统仿真 |
| 3.4.1 消费者数量分析 |
| 3.4.2 订单量分析 |
| 3.4.3 营业收入分析 |
| 3.4.4 总成本分析 |
| 3.4.5 服务能力分析 |
| 3.4.6 仿真结论 |
| 3.5 本章小结 |
| 4 全渠道模式前置仓选址与能力设计联合优化 |
| 4.1 问题背景 |
| 4.2 前置仓选址与能力设计联合优化模型构建 |
| 4.2.1 模型假设 |
| 4.2.2 参数定义与符号说明 |
| 4.2.3 双目标规划模型建立 |
| 4.3 多目标模拟退火算法设计 |
| 4.3.1 算法介绍 |
| 4.3.2 算法流程 |
| 4.3.3 中心确定与邻域构造 |
| 4.4 案例分析 |
| 4.4.1 案例背景 |
| 4.4.2 数据来源 |
| 4.4.3 计算结果与量化分析 |
| 4.4.4 灵敏度分析 |
| 4.4.5 结果讨论 |
| 4.5 本章小结 |
| 5 全渠道模式前置仓车辆路径分布式鲁棒优化 |
| 5.1 问题背景 |
| 5.2 前置仓车辆路径分布式鲁棒优化模型构建 |
| 5.2.1 模型假设 |
| 5.2.2 参数定义与符号说明 |
| 5.2.3 分布式鲁棒优化模型建立 |
| 5.3 模型分析与等价转化 |
| 5.3.1 非精确集构造 |
| 5.3.2 模型等价形式 |
| 5.3.3 模型复杂性分析 |
| 5.4 案例分析 |
| 5.4.1 数据来源与参数设置 |
| 5.4.2 计算结果与量化分析 |
| 5.4.3 模型对比分析 |
| 5.4.4 结果讨论 |
| 5.5 本章小结 |
| 6 全渠道模式前置仓选址-路径集成优化 |
| 6.1 问题背景 |
| 6.2 前置仓选址-路径集成优化模型构建 |
| 6.2.1 模型假设 |
| 6.2.2 参数定义与符号说明 |
| 6.2.3 整数规划模型建立 |
| 6.3 遗传算法设计 |
| 6.3.1 算法适用性分析 |
| 6.3.2 算法流程 |
| 6.4 案例分析 |
| 6.4.1 数据来源与参数设置 |
| 6.4.2 计算结果与量化分析 |
| 6.4.3 灵敏度分析 |
| 6.4.4 结果讨论 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）拖拉机转向梯形机构优化设计模型的建立与求解（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究的目的与意义 |
| 1.2 转向梯形国内外研究现状及分析 |
| 1.2.1 转向梯形国内外研究现状 |
| 1.2.2 转向梯形国内外研究现状分析 |
| 1.3 实数遗传算法国内外研究现状及分析 |
| 1.3.1 实数遗传算法国内外研究现状 |
| 1.3.2 实数遗传算法国内外研究现状分析 |
| 1.4 研究内容与方法 |
| 1.4.1 研究的主要内容 |
| 1.4.2 研究方法 |
| 1.5 研究创新点 |
| 1.6 研究技术路线 |
| 1.7 本章小结 |
| 2 拖拉机转向梯形机构优化模型 |
| 2.1 目标函数及设计变量 |
| 2.2 约束条件 |
| 2.3 权重函数 |
| 2.4 本章小结 |
| 3 实数遗传算法及其基本操作 |
| 3.1 传统实数遗传算法 |
| 3.2 进化策略 |
| 3.3 适应度函数 |
| 3.4 操作算子 |
| 3.4.1 选择算子 |
| 3.4.2 交叉算子 |
| 3.4.3 变异算子 |
| 3.5 本章小结 |
| 4 实数遗传算法改进研究 |
| 4.1 传统实数遗传算法缺陷分析 |
| 4.2 进化策略改进研究 |
| 4.3 初始种群 |
| 4.4 操作算子改进研究 |
| 4.4.1 分组选择配对 |
| 4.4.2 基于向量旋转的交叉算子 |
| 4.4.3 混合变异算子 |
| 4.5 改进实数遗传算法测试 |
| 4.6 本章小结 |
| 5 优化设计实例 |
| 5.1 惩罚函数法 |
| 5.2 优化实例计算 |
| 5.2.1 优化模型计算 |
| 5.2.2 优化结果分析 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
（6）政府投资光伏扶贫项目区域优选方法及其规划模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景和意义 |
| 1.1.1 论文的研究背景 |
| 1.1.2 论文的研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 光伏扶贫项目研究现状 |
| 1.2.2 实施区域优选方法研究现状 |
| 1.2.3 项目规划决策模型研究现状 |
| 1.3 主要研究内容和技术路径 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究技术路线 |
| 1.4 主要创新点 |
| 第2章 相关基础理论研究 |
| 2.1 减贫相关理论 |
| 2.1.1 贫困定义与划分标准 |
| 2.1.2 社会主义贫困理论内在逻辑 |
| 2.2 风险决策相关理论 |
| 2.2.1 风险决策的基本概念 |
| 2.2.2 关键理论及其演化路径 |
| 2.3 规划模型相关理论 |
| 2.3.1 数学规划模型的基本内涵 |
| 2.3.2 条件约束与组合优化模型 |
| 2.3.3 效率测度模型及其延展 |
| 2.4 本章小结 |
| 第3章 政府投资光伏扶贫项目政策及投资机理 |
| 3.1 光伏扶贫项目基本内涵 |
| 3.3.1 光伏扶贫项目的基本特征 |
| 3.3.2 考虑利益相关方的项目目标 |
| 3.3.3 影响目标实现的关键问题 |
| 3.2 结合项目内涵的相关政策分析 |
| 3.2.1 基于时序规律的政策特征梳理 |
| 3.2.2 基于政策特征的政策引导作用 |
| 3.3 政策引导下光伏扶贫项目投资机理研究 |
| 3.3.1 项目利益相关方的组织架构 |
| 3.3.2 光伏扶贫项目的建设类型 |
| 3.3.3 光伏扶贫项目的融资模式 |
| 3.4 本章小结 |
| 第4章 政策引导下光伏扶贫项目实施区域优选方法 |
| 4.1 关键影响因素识别与分析 |
| 4.1.1 因素挖掘思路与原则 |
| 4.1.2 关键影响因素识别与挖掘 |
| 4.1.3 实施区域优选指标体系 |
| 4.2 直觉模糊环境的因素评估值采集 |
| 4.2.1 评估值类型及采集流程 |
| 4.2.2 直觉模糊环境的评估值确定方法 |
| 4.3 直觉模糊主客观组合权重计算 |
| 4.3.1 权重确定方法介绍与分析 |
| 4.3.2 直觉模糊环境的组合定权方法 |
| 4.4 基于TODIM集结框架的区位优选排序 |
| 4.4.1 信息集结及排序技术特点 |
| 4.4.2 直觉模糊环境的TODIM优选排序方法 |
| 4.5 算例分析 |
| 4.6 本章小结 |
| 第5章 基于非支配排序遗传算法的组合优化模型构建 |
| 5.1 光伏扶贫项目组合优化特点及内涵 |
| 5.1.1 项目组合管理及其内涵 |
| 5.1.2 光伏扶贫项目组合优化特征 |
| 5.2 光伏扶贫项目组合优化模型设计 |
| 5.2.1 模型的基本假设 |
| 5.2.2 多维“目标—约束”组合优化模型构建 |
| 5.3 算法分析及优化 |
| 5.3.1 优化求解算法内涵及分类 |
| 5.3.2 多目标遗传算法适用性分析 |
| 5.3.3 改进的非支配遗传算法 |
| 5.4 算法性能测试及算例分析 |
| 5.4.1 算法性能测试 |
| 5.4.2 算例分析 |
| 5.5 本章小结 |
| 第6章 基于公平与效率理论的规划方案优选模型构建 |
| 6.1 光伏扶贫项目公平与效率特质分析 |
| 6.1.1 项目全寿命周期公平与效率表征 |
| 6.1.2 项目干系人视角下公平与效率诉求 |
| 6.1.3 公平与效率理论适用性 |
| 6.2 光伏扶贫项目规划方案优选模型设计 |
| 6.2.1 模型基本假设 |
| 6.2.2 变量分析及选择 |
| 6.2.3 优选模型设计与构建 |
| 6.3 算法分析与优化 |
| 6.3.1 聚类分析算法介绍 |
| 6.3.2 数据包络分析算法描述 |
| 6.3.3 考虑数据纠偏的组合求解算法 |
| 6.4 算例分析 |
| 6.5 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）基于介电模型的沥青混合料多相体积率多类反演及其工程应用（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 概述 |
| 1.2 国内外研究现状 |
| 1.2.1 沥青混合料材料特性及探地雷达研究 |
| 1.2.2 探地雷达电磁波传播正演模拟 |
| 1.2.3 介电模型 |
| 1.2.4 介电特性反演方法 |
| 1.3 主要研究内容与技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 2 沥青混合料多相体积率对介电特性影响的试验研究 |
| 2.1 沥青混合料的多相特性 |
| 2.2 试验方案 |
| 2.2.1 试验材料与类型 |
| 2.2.2 试验过程 |
| 2.3 测试频率对沥青混合料及其单相介电特性的影响分析 |
| 2.3.1 测试频率对单相介质介电特性的影响 |
| 2.3.2 测试频率对沥青混合料介电特性的影响 |
| 2.4 沥青混合料多相体积率对其介电特性的影响 |
| 2.4.1 骨料体积率对介电特性的影响 |
| 2.4.2 沥青含量对介电特性的影响 |
| 2.4.3 空隙率对介电特性的影响 |
| 2.5 本章小结 |
| 3 常用沥青混合料介电模型的建立 |
| 3.1 现有经典介电模型概述 |
| 3.2 经典介电模型适用性检验 |
| 3.2.1 线性模型(Brown模型)适用性检验 |
| 3.2.2 均方根模型(CRIM模型)适用性检验 |
| 3.2.3 立方根模型(Looyenga模型)适用性检验 |
| 3.2.4 小结 |
| 3.3 常用沥青混合料介电模型的建立 |
| 3.3.1 AC-13沥青混凝土混合料介电模型 |
| 3.3.2 AC-16沥青混凝土混合料介电模型 |
| 3.3.3 SMA-13沥青玛蹄脂碎石混合料介电模型 |
| 3.3.4 SMA-16沥青玛蹄脂碎石混合料介电模型 |
| 3.4 本章小结 |
| 4 基于沥青混合料介电模型的探地雷达电磁波传播正演模拟及模型试验 |
| 4.1 基于沥青混合料介电模型的探地雷达电磁波传播正演模拟的时域有限差分方法 |
| 4.1.1 时域有限差分方法 |
| 4.1.2 探地雷达电磁波传播正演模拟 |
| 4.2 沥青混合料多相体积率对雷达电磁波回波信号的影响分析 |
| 4.2.1 骨料体积率对雷达电磁波回波信号的影响 |
| 4.2.2 沥青体积率对雷达电磁波回波信号的影响 |
| 4.2.3 空隙率对雷达电磁波回波信号的影响 |
| 4.3 模型试验 |
| 4.3.1 试验方案设计及实施 |
| 4.3.2 探地雷达检测 |
| 4.3.3 钻芯取样及试件多相体积率测试 |
| 4.4 正演模型检验 |
| 4.5 本章小结 |
| 5 基于沥青混合料介电模型的多相体积率多类反演 |
| 5.1 概述 |
| 5.2 沥青混合料多相体积率反演分析的粒子群算法 |
| 5.2.1 多相体积率反演粒子群算法基本原理及流程 |
| 5.2.2 算例分析 |
| 5.3 沥青混合料多相体积率反演分析的遗传算法 |
| 5.3.1 多相体积率反演遗传算法基本原理及流程 |
| 5.3.2 算例分析 |
| 5.4 沥青混合料多相体积率反演分析的PSO-GA混合算法 |
| 5.4.1 PSO-GA混合算法的提出 |
| 5.4.2 多相体积率反演PSO-GA混合算法基本原理与流程 |
| 5.4.3 算例分析 |
| 5.5 沥青混合料多相体积率反演分析的BP-PSO联合算法 |
| 5.5.1 多相体积率反演BP-PSO联合算法基本原理及流程 |
| 5.5.2 算例分析 |
| 5.6 沥青混合料多相体积率反演分析的BP-GA算法 |
| 5.6.1 多相体积率反演BP-GA联合算法反演分析流程 |
| 5.6.2 算例分析 |
| 5.7 沥青混合料多相体积率多类反演方法考评 |
| 5.7.1 反演精度考评 |
| 5.7.2 反演效率考评 |
| 5.8 基于多类反演方法的多相体积率智能反演 |
| 5.8.1 多相体积率智能反演的提出 |
| 5.8.2 多相体积率反演智能反演分析流程 |
| 5.9 本章小结 |
| 6 工程应用 |
| 6.1 沥青混合料多相体积率反演分析多类反演的工程应用 |
| 6.1.1 多相体积率反演PSO算法工程应用 |
| 6.1.2 多相体积率反演GA算法工程应用 |
| 6.1.3 多相体积率反演PSO-GA算法工程应用 |
| 6.1.4 多相体积率反演BP-PSO联合算法工程应用 |
| 6.1.5 多相体积率反演BP-GA联合算法工程应用 |
| 6.1.6 多相体积率智能反演工程应用 |
| 6.2 结果分析 |
| 6.3 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 个人简历、在学期间发表的学术论文及研究成果 |
| 一、个人简历 |
| 二、在学期间发表的学术论文与专利 |
| 三、在学期间参与的研究课题 |
| 参考文献 |
| 致谢 |
（8）基于数字图像相关法的结构微应变测量系统（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 数字图像相关法的理论发展 |
| 1.2.2 数字图像相关法的应用发展 |
| 1.3 论文的主要内容 |
| 1.3.1 课题来源 |
| 1.3.2 本文主要内容 |
| 第二章 基于数字图像相关法的视觉应变测量 |
| 2.1 数字图像相关法基本原理 |
| 2.1.1 原理概述 |
| 2.1.2 形函数的选取 |
| 2.1.3 相关系数函数的确定 |
| 2.2 整像素数字图像相关法测量 |
| 2.2.1 逐点比较方法 |
| 2.2.2 十字搜索法 |
| 2.2.3 爬山算法 |
| 2.2.4 粒子群搜索算法 |
| 2.3 亚像素数字图像相关法测量 |
| 2.3.1 曲面拟合算法 |
| 2.3.2 牛顿拉夫森迭代算法 |
| 2.3.3 灰度梯度迭代算法 |
| 2.4 本章小结 |
| 第三章 基于遗传算法的数字图像相关变形初值估计 |
| 3.1 参考子区和变形子区的形状对计算结果的影响 |
| 3.2 算法基本原理 |
| 3.2.1 遗传算法描述 |
| 3.2.2 遗传算法与粗细搜索法的混合算法 |
| 3.2.3 基于仿射变换的初值估计 |
| 3.2.4 亚像素位移解计算 |
| 3.3 模拟散斑实验 |
| 3.3.1 数字模拟散斑 |
| 3.3.2 计算精度分析 |
| 3.3.3 计算效率分析 |
| 3.4 本章总结 |
| 第四章 基于SURF-ORB的数字图像相关法 |
| 4.1 SURF-ORB算法基本原理 |
| 4.1.1 SURB特征点检测 |
| 4.1.2 ORB算法 |
| 4.1.3 SURF-ORB特征点匹配算法 |
| 4.2 基于SURF-ORB的数字图像相关法 |
| 4.2.1 算法基本原理 |
| 4.2.2 末端定位混合算法 |
| 4.2.3 视频流计算结果滤波 |
| 4.3 模拟散斑实验 |
| 4.3.1 大位移散斑制备 |
| 4.3.2 计算效率分析 |
| 4.3.3 亚像素计算性能分析 |
| 4.4 本章总结 |
| 第五章 结构微应变测量系统的设计与实现 |
| 5.1 硬件系统 |
| 5.1.1 压力加载模拟实验硬件系统 |
| 5.1.2 现场环境测量三维布局方法 |
| 5.2 软件系统 |
| 5.2.1 系统结构简述 |
| 5.2.2 系统界面描述 |
| 5.3 单目测量圆柱曲面应变位移的校正方法 |
| 5.4 橡胶圆柱压缩实验 |
| 5.4.1 单目测量圆柱曲面应变的校正实验 |
| 5.4.2 微应变压缩实验 |
| 5.4.3 不同初始位移下应变测量模拟实验 |
| 5.5 发动机现场测量试验数值分析 |
| 5.6 本章总结 |
| 总结与展望 |
| 1.总结 |
| 2.展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表论文及科研成果 |
| 附录 |
| A.基于遗传算法的DIC部分代码 |
| B.基于SURF-ORB的 DIC部分代码 |
（9）基于粗粒度-主从式并行遗传算法的自复位阻尼器优化布置（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 消能减振结构的研究现状 |
| 1.2.1 自复位阻尼器的研究现状 |
| 1.2.2 自复位阻尼器消能减震结构的研究现状 |
| 1.3 ABAQUS二次开发和遗传算法的研究现状 |
| 1.3.1 ABAQUS二次开发应用研究现状 |
| 1.3.2 遗传算法在消能减震结构领域中的研究现状 |
| 1.4 粗粒度并行遗传算法研究现状 |
| 1.4.1 并行遗传算法种类介绍 |
| 1.4.2 粗粒度并行遗传算法的研究现状 |
| 1.4.3 并行遗传算法在消能减震结构领域中的研究现状 |
| 1.5 多目标优化算法研究现状 |
| 1.5.1 多目标优化问题描述 |
| 1.5.2 多目标优化问题研究现状 |
| 1.5.3 多目标优化算法在消能减震结构领域中的研究现状 |
| 1.5.4 多目标算法和并行遗传算法结合在消能减震结构领域中的研究现状 |
| 1.6 本文主要研究内容 |
| 第二章 基于粗粒度-主从式并行遗传算法的阻尼器布置位置优化研究 |
| 2.1 Matlab-ABAQUS-Python交互使用的编程技术 |
| 2.1.1 ABAQUS二次开发 |
| 2.1.2 Matlab-ABAQUS-Python交互使用的编程原理 |
| 2.1.3 Matlab-ABAQUS-Python交互使用编程技术实现流程 |
| 2.2 传统遗传算法优化阻尼器布置位置 |
| 2.2.1 遗传算法优化阻尼器布置位置流程 |
| 2.2.2 编码方案 |
| 2.2.3 遗传算子 |
| 2.2.4 目标函数 |
| 2.2.5 精英保留策略 |
| 2.2.6 进化终止准则 |
| 2.3 粗粒度-主从式并行遗传算法优化阻尼器布置位置 |
| 2.3.1 传统遗传算法早熟现象 |
| 2.3.2 迁移规模 |
| 2.3.3 迁移策略 |
| 2.3.4 迁移拓扑 |
| 2.3.5 并行遗传算子 |
| 2.3.6 并行效率评价 |
| 2.3.7 粗粒度-主从式并行遗传算法优化阻尼器布置位置流程 |
| 2.3.8 粗粒度-主从式并行遗传算法优势 |
| 2.4 算例优化分析 |
| 2.4.1 钢框架结构 |
| 2.4.2 自复位阻尼器的力学模型 |
| 2.4.3 两种算法的优化参数 |
| 2.4.4 两种算法优化结果分析 |
| 2.5 本章小结 |
| 第三章 基于快速非支配排序遗传算法的阻尼器布置位置多目标优化研究 |
| 3.1 多目标函数的优化 |
| 3.1.1 多目标优化问题的数学模型描述 |
| 3.1.2 多目标优化问题常用求解方法 |
| 3.1.3 Pareto原则 |
| 3.1.4 非支配排序遗传算法(NSGA) |
| 3.1.5 带精英保留策略的快速非支配排序遗传算法(NSGA-II) |
| 3.2 带精英保留策略的快速非支配排序遗传算法(NSGA-II) |
| 3.2.1 Pareto支配的算法实现 |
| 3.2.2 快速非支配排序实现流程 |
| 3.2.3 拥挤度计算流程 |
| 3.2.4 带精英保留策略的快速非支配排序遗传算法(NSGA-II)实现流程 |
| 3.3 内嵌NSGA-II的粗粒度-主从式并行遗传算法 |
| 3.3.1 NSGA-II的不足 |
| 3.3.2 算法实现流程 |
| 3.4 算例分析 |
| 3.4.1 算法优化参数 |
| 3.4.2 优化结果分析 |
| 3.5 本章小结 |
| 第四章 基于改进的粗粒度-主从式并行遗传算法的阻尼器布置数量和布置位置优化研究 |
| 4.1 单目标优化阻尼器布置数量和布置位置 |
| 4.1.1 改进的粗粒度-主从式并行遗传算法原理 |
| 4.1.2 改进的粗粒度-主从式并行遗传算法实现流程 |
| 4.2 算例分析 |
| 4.2.1 算例参数 |
| 4.2.2 优化结果分析 |
| 4.3 多目标优化阻尼器的布置数量和布置位置 |
| 4.3.1 改进的内嵌NSGA-II的粗粒度-主从式并行遗传算法原理 |
| 4.3.2 改进的内嵌NSGA-II的粗粒度-主从式并行遗传算法实现流程 |
| 4.4 算例分析 |
| 4.4.1 算例参数 |
| 4.4.2 优化结果分析 |
| 4.5 单目标和多目标优化对比 |
| 4.5.1 算法对比 |
| 4.5.2 优化结果对比 |
| 4.6 本章小结 |
| 结论与展望 |
| 1 结论 |
| 2 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（10）基于V2X技术的应急物资调度优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 应急物资调度 |
| 1.2.2 应急物资调度模型求解方法 |
| 1.2.3 V2X技术 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 1.5 创新点 |
| 第二章 应急物资调度与V2X技术基本理论 |
| 2.1 应急物资调度概述 |
| 2.1.1 应急物资的内涵 |
| 2.1.2 应急物资调度的内涵 |
| 2.1.3 应急物资调度的特征 |
| 2.2 VRP概述 |
| 2.2.1 VRP简介 |
| 2.2.2 VRP分类 |
| 2.2.3 VRP求解方法 |
| 2.3 V2X技术 |
| 2.3.1 V2X技术简介 |
| 2.3.2 V2X技术的应用 |
| 2.4 遗传算法 |
| 2.4.1 遗传算法概述 |
| 2.4.2 遗传算法操作流程 |
| 2.5 本章小结 |
| 第三章 基于V2X的应急物资调度分析 |
| 3.1 V2X技术在应急物资调度中应用可行性分析 |
| 3.2 基于V2X技术的应急物资调度分析 |
| 3.2.1 基于V2X技术的应急物资调度问题分析 |
| 3.2.2 基于V2X的应急物资调度模型分析 |
| 3.3 关键信息分析 |
| 3.3.1 路网信息 |
| 3.3.2 需求信息 |
| 3.4 模型求解思路 |
| 3.4.1 模型求解策略 |
| 3.4.2 分层序列法 |
| 3.5 本章小结 |
| 第四章 基于V2X技术的应急物资调度模型 |
| 4.1 问题描述 |
| 4.2 基于V2X的应急物资调度模型建立 |
| 4.2.1 初始调度模型 |
| 4.2.2 实时调整阶段 |
| 4.3 本章小结 |
| 第五章 多种群遗传算法设计 |
| 5.1 精英选择遗传算法 |
| 5.1.1 精英选择遗传算法概述 |
| 5.1.2 精英选择遗传算法的操作流程 |
| 5.2 多种群遗传算法 |
| 5.2.1 多种群遗传算法概述 |
| 5.2.2 多种群算法的操作流程 |
| 5.3 模型求解步骤 |
| 5.3.1 初始调度阶段 |
| 5.3.2 实时调整阶段 |
| 图5.4基于V2X技术的应急物资调度模型求解示意图 |
| 5.4 本章小结 |
| 第六章 案例分析 |
| 6.1 小规模案例 |
| 6.1.1 初始调度阶段 |
| 6.1.2 实时调整阶段 |
| 6.2 大规模案例 |
| 6.2.1 初始调度阶段 |
| 6.2.2 实时调整阶段 |
| 6.3 结果分析 |
| 6.3.1 模型参数灵敏度分析 |
| 6.3.2 多种群遗传算法分析 |
| 6.3.3 初始阶段算法优劣性分析 |
| 6.3.4 调整阶段算法优劣性分析 |
| 6.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
四、遗传算法的计算效率分析（论文参考文献）
- [1]基于气路性能混合模型的燃气轮机叶片故障预警及诊断方法研究[D]. 闫斌斌. 北京化工大学, 2021(02)
- [2]基于枢纽共享与共同配送的双轴辐式网络合作优化研究[D]. 胡晶晶. 上海海事大学, 2021
- [3]交通网络流分布式协同控制与基于云计算的并行优化[D]. 张永男. 北京交通大学, 2021(02)
- [4]全渠道模式前置仓选址与配送路径优化[D]. 黄纪凯. 北京交通大学, 2021(02)
- [5]拖拉机转向梯形机构优化设计模型的建立与求解[D]. 段彤彤. 东北农业大学, 2020(07)
- [6]政府投资光伏扶贫项目区域优选方法及其规划模型研究[D]. 柯毅明. 华北电力大学(北京), 2020(06)
- [7]基于介电模型的沥青混合料多相体积率多类反演及其工程应用[D]. 李松涛. 郑州大学, 2020(02)
- [8]基于数字图像相关法的结构微应变测量系统[D]. 刘禹. 西南交通大学, 2020(07)
- [9]基于粗粒度-主从式并行遗传算法的自复位阻尼器优化布置[D]. 陈丰收. 华南理工大学, 2020(02)
- [10]基于V2X技术的应急物资调度优化研究[D]. 何雄飞. 长安大学, 2020(06)