刘洪涛
- 作品数：4 被引量：10H指数：1
- 供职机构：辽宁石油化工大学信息与控制工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术机械工程更多>>
- 基于优化算法的城市相邻两交叉口信号配时被引量：1
- 2016年
- 基于交通车辆流量的分析,以缓解交通拥堵为目的,对某城市相邻两交叉口的交通流量数据进行了调查。将交通流量转化为车队排队长度,以车辆等待时间和穿行时间之和作为目标函数,建立配时数学模型;利用粒子群、差分进化、自适应差分进化等算法,编程求解信号灯最优时间配比。计算与仿真结果表明:该方法优化了绿灯信号时间,提高了相邻两交叉口的通行能力,可有效解决交叉口交通拥堵问题。
- 李悦郝宇刘洪涛
- 关键词：交通系统信号灯车流量粒子群算法
- 一种混合算法在焦炉推焦计划调度中的应用
- 2016年
- 焦炉推焦计划安排依靠人工经验法不但缺乏智能性而且准确度低,文中建立了具有TSP(旅行商问题)性质的推焦计划调度模型。提出一种差分进化算法和蚁群算法的混合算法(HDE-ACO)。HDE-ACO的基本思想是利用差分进化算法对蚁群算法的3个主要参数进行优化,解决蚁群算法对参数变化敏感的困难,从而提高蚁群算法寻优精度。将HDE-ACO与其他几种算法对多个不同的TSP进行测试比较,结果表明HDE-ACO不仅寻优能力强而且收敛速度快。最后,将HDE-ACO应用到推焦计划调度中,对推焦计划调度的优化进行研究。
- 陶文华刘洪涛
- 关键词：TSP差分进化蚁群算法
- 基于差分进化与NSGA-Ⅱ的多目标优化算法被引量：9
- 2016年
- 为避免多目标优化过程中子目标相互冲突,提高Pareto最优解的质量,提出一种基于差分进化(DE)和第二代非支配遗传算法(NSGA-Ⅱ)的混合算法。采用带有自适应参数的DE算法对初始种群进行变异和交叉操作,以提高种群的多样性。应用新种群标记策略对DE的初始种群和测试种群进行支配得到新种群,并标记其中每个个体,使DE能够处理多目标问题。将新种群作为NSGA-Ⅱ的初始种群,通过NSGA-Ⅱ产生下一代种群,进一步提升Pareto最优解的质量。使用4个基准多目标函数进行测试,结果表明,与NSGA-Ⅱ和SADE算法相比,该算法的收敛速度更快,Pareto最优解集空间分布更均匀。
- 陶文华刘洪涛
- 关键词：多目标优化混合算法自适应参数PARETO最优解收敛速度
- 一种改进算法在焦炉正常推焦过程中的应用
- 2016年
- 焦炉正常推焦过程中存在多个控制参数。通常人工经验法根据参数取值范围选取参数,该方法存在很大的随机性而且难以权衡多个性能指标使得正常推焦过程整体最优。为此,提出一种改进的多目标差分进化算法(IMODEA)。首先,采用了2个自适应性参数缩放比例因子和交叉概率完成变异和交叉操作。其次,提出一种改进的快速非支配排序策略(IFNSS)并利用IFNSS和拥挤度计算共同解决新一代种群选择问题。通过算法性能测试将IMODEA与NSGA-II作了对比,显示了IMODEA在Pareto最优解集空间分布性和收敛性方面更占优势。将IMODEA应用到焦炉正常推焦过程优化模型中,通过实验分析证明了算法的可行性。
- 刘洪涛郭颖陶文华
- 关键词：多目标差分进化PARETO最优解
