交通流多格点预估格子模型与数值仿真

来源 :计算机应用研究 | 被引量 : 0次 | 上传用户:pjq521
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
考虑驾驶员对多格点交通流量预估效应,建立了新的交通流多格点预估格子模型。通过线性稳定性分析获得了改进模型的稳定性条件。通过非线性分析得到了扭结一反扭结密度波解,得到了交通流相空间的三个区域:稳定区域、亚稳定区域和不稳定区域。数值仿真验证了考虑驾驶员对多格点的预估效应,能够进一步提高交通流的稳定性。
其他文献
分析了客户需求与候选成员能力的关系,使用模糊排序聚类算法得到专业领域分工的集群;同时依据迈尔斯—布里格斯性格类型指标得到候选成员协作关系的量化评估。建立了以成员综合能力和性格匹配度最大化为目标的团队构建模型。最后,结合一个具体案例,采用带有判断与修复算子的微粒群算法对模型进行求解,得到表示团队构建候选方案集合的帕累托解,从而验证了该优化模型及算法的有效性和实用性。
基于对港口出口集装箱送箱时间窗的分析,综合考虑港口闸口处作业量平衡及堆场空间资源利用率两个影响港口整体服务质量的因素,在此基础上建立数学模型,在一个滚动计划周期内为出口集装箱分配送箱时间窗。通过数值实验证明,该模型能显著降低闸口作业不平衡量,从而提高港口资源利用率,同时缩短送箱集卡在闸口排队等待服务的时间。
为了解决基本差分进化算法易出现早熟收敛的问题,提出了一种融合人工免疫系统和差分进化的混合算法。该算法在差分进化过程中引入了克隆选择操作和受体编辑机制,以增强算法的局部搜索能力和种群多样性。通过对五个标准函数的仿真实验表明,该算法不仅可有效避免早熟收敛,而且全局优化能力和收敛速度有显著提高。
针对当前入侵检测中存在检测率低,误检率和漏报率高的问题,提出了一种基于K-means聚类的贝叶斯分类算法(IKMNB)。用改进的K-means聚类算法对原始数据集中的完整数据进行聚类,然后计算缺失数据集中的每条记录与k个簇中心之间的近似度距离,把记录归属为距离最近的一个簇,使得该记录的缺失值被相应簇中的属性值填充,最后运用贝叶斯分类算法对处理后的完整数据集进行分类。通过仿真实验验证了该算法与朴素贝
针对EFSM中状态迁移不确定导致的协议一致性测试序列生成困难的问题,提出了一种协议一致性测试序列生成算法。该算法基于互异代表系理论为每个协议状态变迁赋权值,再基于分支界限法搜索生成的协议测试序列,将协议一致性测试序列的生成转换为寻找最小权值状态变迁路径的问题。该算法克服了无赋权要求的宽度优先搜索的缺陷,降低了测试序列的搜索与生成时间复杂度,提高了测试序列生成的效率。
经典粒子群算法是在连续的解空间里进行的,粒子的方向、速度的确定采用的是二维空间的运算法则,不适合在N维空间里进行,而3D-NOC映射问题面对的是N维离散解空间。对此,提出一种改进的粒子群算法以及相应的算法评估模型。该算法通过引入非支配解(Pareto解)的概念对粒子群算法进行改进,使得算法不仅可以对多个评估模型参数同时优化,而且可以依据实际的应用对单个评估模型参数进行优化。仿真实验结果表明,该算法
为了判定SHIF的ABox一致性,提出了一种Tableau算法。该算法先通过预处理将ABox转换成标准形式,然后按照特定的完整策略将一套Tableau规则应用于ABox,直到将它扩展成完整的ABox为止。ABox与TBox一致,当且仅当算法能产生一个无冲突的完整的ABox。算法所采用的阻塞机制可以避免Tableau规则的无限次执行。为了提高算法的效率,该机制允许一个新个体被在其之前创建的任意新个体
针对当前Web服务海量增加,而现有的Web服务选择算法低效、缓慢的问题,提出了一种基于云计算的粒子群优化算法的Web服务选择方法。该方法在云平台下对粒子分群映射、相似分群并行化简、适时更新分群,并且寻找与用户需求最相似、服务质量最好的策略。实验表明,该方法能有效减少流程执行过程中Web服务选择导致的时间开销,并提高Web服务选择的可靠性。
现有大多数的网络聚类方法都只是针对无向网络,已有的有向网络聚类方法建立在传统聚类算法基础之上,存在着一定的局限性。针对上述问题,提出一种基于仿射传播的有向网络聚类算法,该算法首先采用Sim-Rank作为节点之间的相似度,并将计算得到的结果转换为适应于仿射传播算法的负值;然后将相似度矩阵作为输入,利用具有更好性能的仿射传播算法对有向网络进行聚类。实验结果表明,所提出算法的聚类性能优于其他几种具有代表
传统的分词方法将一个维吾尔支语义词(多词关联模式)拆分成与词意义不符的若干个片段,因此在维吾尔语文本分析及文本处理过程中导致许多问题,严重影响文本处理效率。提出了一种维