下载文档原格式
基于变异进化的不固定牵引方式双肩回交路机车最优配置算法何奉道;何冬昀
【期刊名称】《交通运输系统工程与信息》
【年(卷),期】2007(007)002
【摘要】建立了不固定牵引方式双肩回交路机车周转图的数学模型,以机车在两折返段和基本段总停留时间最少为目标,设计了求解该机车运转制机车最优配置的一种变异进化算法.该算法根据个体适应度的优劣而对个体进行不同程度的变异,并采用启发式变异和随机变异两种变异策略,不但优秀个体的染色体中优良模式能够最大程度地遗传给子代,而且又保持了子代的多样性,有助于提高算法的优化性能和收敛速度.以某列车运行图为例仿真计算,所求得的机车段内总停留时间和需要的机车数比该运行图分别减少约23.8%和9.8%,并与遗传算法进行了比较.
【总页数】5页(P88-92)
【作者】何奉道;何冬昀
【作者单位】西南交通大学,信息科学与技术学院,成都,610031;四川大学,工商管理学院,成都,610064
【正文语种】中文
【中图分类】U29;TP39
【相关文献】
1.机车不固定牵引方式的有利性分析 [J], 牟从凯;王慈光;刘伟达
2.不固定牵引方式双肩回交路机车最优配置的遗传算法 [J], 何奉道;何冬昀
3.基于离散差分进化算法的随机车辆路径问题 [J], 侯玲娟;周泓
4.肩回交路下机车牵引方式的研究 [J], 王铁;王慈光;肖蕾
5.基于不固定区段运用的机车周转问题研究 [J], 杨贞
因版权原因，仅展示原文概要，查看原文内容请购买。
2023-10-28contents •引言•基于HJB方程的稳定流形方法•两轮自平衡车模型建立与描述•基于稳定流形方法的两轮自平衡车最优控制•结论与展望目录01引言1研究背景与意义23两轮自平衡车作为一种具有代表性的移动机器人，其运动控制问题一直是研究的热点和难点。
在复杂环境和未知路面上，两轮自平衡车需要实现快速、稳定、准确的运动控制，以提高其适应能力和鲁棒性。
基于HJB方程的稳定流形方法是一种有效的最优控制方法，能够为两轮自平衡车的运动控制提供新的解决方案。
03基于HJB方程的稳定流形方法作为一种先进的控制方法，还未见在两轮自平衡车的运动控制中应用的报道。
研究现状与问题01目前，针对两轮自平衡车的运动控制研究主要集中在传统的控制方法上，如PID控制、模糊控制等。
02然而，这些方法在面对复杂环境和未知路面时，难以实现快速、稳定、准确的运动控制，且鲁棒性较差。
研究内容与方法研究内容本研究旨在将基于HJB方程的稳定流形方法应用于两轮自平衡车的最优控制中，以提高其运动性能和适应能力。
研究方法首先，建立两轮自平衡车的动力学模型；其次，根据HJB方程和稳定流形方法，设计最优控制策略；最后，通过实验验证所设计控制策略的有效性和鲁棒性。
02基于HJB方程的稳定流形方法HJB方程简介HJB方程是动态规划理论中的核心方程，用于描述一个系统的最优控制问题。
HJB方程是一种偏微分方程，描述了最优控制策略的时间不一致性。
HJB方程在控制领域中广泛应用于解决最优控制问题。
010203稳定流形方法是基于动态系统稳定性的一种方法。
在动态系统中，稳定流形是吸引子的稳定状态，系统状态变量在稳定流形上变化缓慢。
稳定流形方法通过找到吸引子的稳定状态，为动态系统提供了一种有效的分析方法。
稳定流形方法的基本原理基于HJB方程的稳定流形方法的具体实现基于HJB方程的稳定流形方法是将HJB方程与稳定流形方法相结合，用于解决最优控制问题。
首先，需要建立系统的HJB方程；其次，通过稳定流形方法对HJB方程进行分析，找到最优控制策略。
基于遗传蚁群算法的机车周转优化
王文宪;陈钉均;陈冰洋
【期刊名称】《计算机仿真》
【年(卷),期】2015(032)003
【摘要】为了解决机务部门所面临的机车周转计划编制问题,提高机车运用效率,建立不固定区段机车周转优化模型,针对传统智能算法在求解上述问题易陷入局部最优的缺陷,采用融合遗传策略的遗传蚁群算法进行求解与仿真.以机车在站停留时间为优化的准则,定义蚂蚁转移概率、机车周转更新方式,并在信息素更新策略中融入遗传算法的交叉变异算子,以改善算法的正负反馈机制,避免陷入局部最优.仿真结果表明,遗传蚁群算法在优化性能上有较大改进,可为机车周转编制问题提供有效参考.【总页数】4页(P183-185,267)
【作者】王文宪;陈钉均;陈冰洋
【作者单位】西南交通大学交通运输与物流学院,四川成都610031;西南交通大学全国铁路列车运行图编制研发培训中心,四川成都610031;西南交通大学交通运输与物流学院,四川成都610031;西南交通大学全国铁路列车运行图编制研发培训中心,四川成都610031;西南交通大学交通运输与物流学院,四川成都610031;西南交通大学全国铁路列车运行图编制研发培训中心,四川成都610031
【正文语种】中文
【中图分类】N945.12
【相关文献】
1.基于日计划的机车周转图优化配置研究 [J], 刘淇
2.基于遗传算法的航材周转件多周期库存优化 [J], 高峰;张晋晶
3.基于遗传算法的机车周转优化模型 [J], 罗毅;张晓辉
4.基于机车运用成本优化的多机型机车周转图编制模型和算法 [J], 张杰;倪少权;吕苗苗;吴黄桂
5.基于遗传算法的铁路机车周转方案研究 [J], 安志龙;安志学
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进NSGA-Ⅱ算法的拖拉机传动系统匹配优化傅生辉;李臻;杜岳峰;毛恩荣;朱忠祥【摘要】为实现拖拉机动力传动系统的最优化匹配,提高整机动力性和燃油经济性,提出一种基于改进非支配排序遗传算法(Non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)的拖拉机传动系统匹配优化方法.该方法引入正态分布交叉算子,在保证解集质量的基础上,扩大空间搜索范围,同时加入差分进化变异算子,抽取其中的差分向量与NSGA-Ⅱ算法结合,从而避免算法陷入局部最优,改善种群分布性.随后,以变速箱各挡传动比为输入变量,以驱动功率损失率和比燃油消耗损失率均最低为优化目标,通过分析拖拉机设计理论车速、传动比公比、驱动附着力限制等约束条件,建立了变速箱传动比匹配优化模型,利用改进算法对拖拉机变速箱传动比进行优化,并与原NSGA-Ⅱ算法及加权遗传算法进行对比.分析结果表明,改进NSGA-Ⅱ算法求得的解集分布评价指标SP优于原NSGA-Ⅱ算法,表明Pareto最优解分布更均匀,且更接近测试函数的真实Pareto前沿.经本文算法优化后,理论上拖拉机驱动功率损失率和比燃油消耗损失率分别降低了41.62％和62.8％,运输挡头挡爬坡度可提高2.35％,整机综合性能得到明显改善,且优化效果均优于对比算法,验证了本文方法的有效性,可为拖拉机传动系统设计与优化提供一定参考.【期刊名称】《农业机械学报》【年(卷),期】2018(049)011【总页数】9页(P349-357)【关键词】拖拉机传动系统;匹配优化;驱动功率损失率;比燃油消耗损失率;改进非支配排序遗传算法【作者】傅生辉;李臻;杜岳峰;毛恩荣;朱忠祥【作者单位】中国农业大学工学院,北京100083;现代农业装备优化设计北京市重点实验室,北京100083;中国农业大学工学院,北京100083;现代农业装备优化设计北京市重点实验室,北京100083;中国农业大学工学院,北京100083;现代农业装备优化设计北京市重点实验室,北京100083;中国农业大学工学院,北京100083;现代农业装备优化设计北京市重点实验室,北京100083;中国农业大学工学院,北京100083;现代农业装备优化设计北京市重点实验室,北京100083【正文语种】中文【中图分类】TH122;S219.032.10 引言拖拉机动力传动系统的速比匹配直接决定整机作业性能，对其动力性和燃油经济性均有重要意义[1]。
《自动化仓储调度系统中多AGV路径规划的研究与实现》一、引言随着现代物流行业的飞速发展，自动化仓储系统逐渐成为提升物流效率、降低人工成本的重要手段。
其中，多AGV（自动导引车）路径规划技术作为自动化仓储系统的核心组成部分，对于提高仓储作业效率、优化资源配置具有重要意义。
本文旨在研究并实现自动化仓储调度系统中多AGV路径规划技术，为物流行业的智能化发展提供理论支持和实践指导。
二、研究背景及意义随着电子商务的蓬勃发展，仓储物流面临着巨大的挑战。
传统的仓储管理模式已无法满足现代物流的高效、准确、低成本需求。
因此，自动化仓储系统应运而生，其中多AGV路径规划技术是提高自动化仓储系统运行效率的关键。
通过对多AGV路径规划技术的研究与实现，可以有效地提高仓储作业的自动化水平，降低人工成本，提高物流效率，从而推动物流行业的智能化发展。
三、相关技术研究综述（一）AGV技术AGV（自动导引车）是一种通过传感器、控制系统等实现自主导航和作业的车辆。
其核心技术包括导航技术、控制系统、传感器技术等。
（二）路径规划技术路径规划技术是自动化仓储系统的关键技术之一，主要涉及图论、优化算法、人工智能等领域。
目前，常见的路径规划算法包括遗传算法、蚁群算法、神经网络等。
四、多AGV路径规划技术研究（一）问题描述多AGV路径规划问题是指在自动化仓储系统中，如何合理安排多台AGV的行驶路径，以实现高效、准确的货物运输。
该问题需要考虑AGV的数量、货物的分布、路网的复杂度等因素。
（二）算法设计针对多AGV路径规划问题，本文采用遗传算法进行求解。
遗传算法是一种模拟自然进化过程的优化算法，具有较好的全局搜索能力和鲁棒性。
在算法设计中，将AGV的行驶路径转化为染色体，通过遗传操作实现路径的优化。
（三）算法实现在算法实现过程中，首先需要构建仓储系统的路网模型，然后根据货物的分布和AGV的数量生成初始路径。
接着，采用遗传算法对路径进行优化，得到最优的行驶路径。
基于改进DDPG的多AGV路径规划算法目录1. 内容综述 (2)1.1 研究背景 (2)1.2 研究目的 (4)1.3 文献综述 (4)1.4 问题提出与论文结构 (6)2. 多智能体系统(MAS)理论基础 (7)2.1 多智能体系统概述 (9)2.2 多智能体通信模型 (10)2.3 多智能体协同任务规划 (11)3. 深度确定性策略梯度算法(DDPG) (13)3.1 DDPG算法简介 (14)3.2 DDPG算法结构 (16)3.3 DDPG算法的训练与参数调整 (17)4. 基于改进DDPG的多AGV路径规划算法 (19)4.1 智能体交互模型设计 (20)4.2 多智能体协同路径规划的优化方法 (22)4.3 基于奖励机制的路径规划评估标准设计 (23)4.4 改进DDPG算法流程 (24)4.5 仿真实验设置与结果分析 (25)4.5.1 仿真环境搭建 (27)4.5.2 仿真数据与指标 (28)4.5.3 仿真对比实验 (29)5. 结论与展望 (31)5.1 主要贡献与创新点 (32)5.2 研究展望 (33)1. 内容综述本文档旨在深入探讨基于改进型深度确定性策略梯度（DDPG）算法的多自主导引车（AGV）路径规划技术。
现代社会对高效物流和自动化仓储的需求日益增长，而AGV在这一领域展现了巨大的潜力和应用价值。
要求增加的全局路径规划效率和实时更新的能力对传统的规划算法提出挑战。
我们研究并构建了一种新型的、结合强化学习技术的路径优化方案，该方案旨在提升调度决策的速度与质量。
改进DDPG算法通过引入先进的Q网络优化技术和动作重复机制，极大地削弱了传统DDPG算法的时序维度依赖，同时加强了对特定场景的适应能力。
在多AGV协同工作的实际情境下，该算法博客摆明了，目标是通过学习目标函数的稳定梯度，在确保安全的前提下，以最短路径完成货物运输，避免无用的转弯和冗余路径，从而提高吞吐量和资源利用率。
汽车整车配载与运输路线优化方案及算法研究张磊;袁建清;郑磊【摘要】对于运输车辆的调度与运输路线优化问题,借鉴成熟启发式算法的思想,将汽车整车的合理装载和运输路线优化问题结合到一起考虑,确定整车配载和运输路线优化模型并给出模型求解算法,设计出一个有效的求解方案,即把运输任务进行分解,对满载运输采用经典的Dijkstra算法;对于非满载运输,借鉴改进的C-W节约算法的基本思想等.实验表明,此方案及算法对于编制汽车整车运输计划、求解整车配板与运输车辆路线问题达到了比较理想的效果.%For the scheduling of transport vehicle and the optimizing of transportation mute,draw on mature elicitation method, which combines the motor vehicle loading problem and the optimization of transport routes, and work out an effective solution,which decomposes transportation tasks.It adopts classical Dijkstra algorithm for the transportation of full-load.Draw on improved C-W saving algorithm for non-full load transportation.The experiment finds that the proposal and the algorithm achieve the ideal effect for establishing motor vehicle transportation plan and solving vehicle matching board and the transportation route of vehicle problem.【期刊名称】《计算机技术与发展》【年(卷),期】2011(021)006【总页数】4页(P219-222)【关键词】整车配载;非满载运输;满载运输;Dijkstra算法;C-W节约算法【作者】张磊;袁建清;郑磊【作者单位】黑龙江东方学院计算机科学与电气工程学部,黑龙江哈尔滨150086;黑龙江东方学院计算机科学与电气工程学部,黑龙江哈尔滨150086;黑龙江东方学院计算机科学与电气工程学部,黑龙江哈尔滨150086【正文语种】中文【中图分类】TP3910 引言汽车整车的装载和运输车辆路线规划是直接决定物流效益汽车整车物流优化的重要组成部分,二者关系密切。
