一、基于离散概率分布的随机需求之实现研究(论文文献综述)
于云[1](2021)在《出行前信息对出行决策和出行成本的影响研究》文中研究说明交通供需失衡导致的交通拥堵已经成为阻碍社会可持续发展的桎梏。交通拥堵主要是由于构成复杂交通系统的各组分以及各组分之间关联机制不合理造成的,比如社会车辆数过多,交通系统的不完善,以及区域间的资源分配不合理等。同时,交通系统中的不确定性又使拥堵问题进一步恶化。造成交通系统中不确定性的一个重要原因是不可预测事件,例如恶劣天气,临时道路施工,以及交通事故等。这些不可预测事件造成了道路通行能力的下降,从而减少了交通供给量,进而影响出行者的出行选择。通过单方面的增加交通供给,例如拓宽道路,并不能很好的解决交通不确定性所带来的的负面影响。因此,通过交通管理的方式来引导交通出行变得尤为重要。向出行者提供信息是可能解决交通不确定性带来的负面影响的一个重要方式。随着智能交通信息系统的发展,在出行者出发之前向他们提供交通状况相关的信息,即出行前信息,已经成为可能。出行者可以根据出行前信息来调整他们的出行路径、出发时刻以及出行方式等,从而有可能缓解交通拥堵,减少出行成本。但是,出行前信息的作用跟哪些因素相关,以及出行前信息如何影响出行者的出行选择尚未得到充分的研究。本文通过交通均衡分析的方法,研究了出行前信息对出行选择和出行成本的影响,并探究了影响出行前信息价值的多个因素。由于不确定事件的影响,模型中假设路径通行能力是逐日随机变化的。当不提供出行前信息时,出行者只知道路径通行能力变化的概率分布;当提供出行前信息时,出行者可以在出发之前获得路径的预测通行能力信息。我们将出行前信息的价值定义为提供信息之后相比于提供信息之前,用户均衡下期望出行成本的变化。如果提供信息之后,出行者的期望出行成本降低了,那么称出行前信息是有益的;否则,出行前信息不会改变甚至增加出行成本。本文的主要研究内容如下:(1)零信息条件下出行选择均衡分析。在空间维度上,基于经典双路径交通网络,给出了出行路径选择均衡模型的概述。在时间维度上,阐述了经典瓶颈模型中出发时刻选择的均衡机制。在此基础上,假设瓶颈通行能力逐日随机变化且服从伯努利分布,建立随机通行能力下出发时刻选择均衡模型。推导了用户均衡下模型所有临界时间点和期望出行成本的解析解。结果表明:随着出发时间的增加,用户均衡下出行者出发率逐渐减小;最后一个出发时刻不会早于上班时刻。(2)不准确信息对出发时刻选择的影响研究。为研究出行前信息质量对出行者出发时刻选择以及交通系统效率的影响,假设瓶颈通行能力逐日随机变化且服从伯努利分布,建立随机通行能力下出发时刻选择均衡模型。定义了信息遵从和信息不遵从两种出行者信息反应行为,推导了信息遵从和不遵从场景下模型的均衡解析解,并设计了求解共存场景下出行成本的迭代算法。分析了用户均衡下信息质量,瓶颈通行能力下降幅度和频率,以及出行者信息反应异质性等因素对不准确信息价值的影响。结果表明,在信息不遵从场景下,提供准确信息总是比提供不准确信息对减少出行成本的效果更好;但是,在信息遵从场景和共存场景中,提供不准确信息可能比提供准确信息对减少出行成本的效果更好。(3)准确信息下出行者风险态度对出行路径选择的影响研究。为刻画出行者的选择偏好,考虑出行者风险态度对出行路径选择的影响,假设路径通行能力逐日随机变化且服从伯努利分布,提出基于双路径交通网络的出行路径选择均衡模型。在特殊情况下,即假设出行时间函数是线性的,推导了零信息和完全信息两种场景下模型的均衡解析解,同时给出了一般情况下的定性研究结果。分析了用户均衡下自由流出行时间,出行者的风险态度,以及路径出行时间函数结构等因素对准确信息价值的影响。结果表明:假设出行者是风险中立的,可能会低估或高估信息对减少出行成本的效果;当信息使得整个网络性能提高时,其中一条路径的性能可能降低。(4)出行前信息对出行路径和出发时刻同时选择的影响研究。为研究不确定性条件下信息质量对多维度出行选择的影响,假设瓶颈通行能力和自由流出行时间都是逐日随机变化且服从一般概率分布,提出了一般分布下出行路径和出发时刻同时选择的均衡模型。推导了零信息和完全信息两种场景下模型的均衡解析解。分析了用户均衡下两条路径通行能力的关联度,瓶颈通行能力下降幅度和频率,以及自由流出行时间与瓶颈通行能力关系等因素对出行前信息价值的影响。结果表明:在瓶颈通行能力随机和自由流出行时间确定的条件下,完全准确信息总能减少出行成本;当瓶颈通行能力和自由流出行时间都是随机变化的,完全准确信息可能增加出行成本;而当瓶颈通行能力严重下降时,即使提供的信息不准确,也有可能减少出行成本。
李明航[2](2021)在《考虑振源随机特性的地铁列车振动环境影响混合预测模型研究》文中研究说明城市交通运量的巨大需求与其显着的环境振动影响之间的客观矛盾,已成为制约城市轨道交通持续发展的瓶颈。为最大限度地降低新建地铁线路环境振动影响的风险,需要针对不同敏感目标,给出精准、可靠的振动预测结果,并以此为基础制定合理、有效的综合减、隔振技术方案。作为一种适用于精准预测阶段的技术手段,基于“FDL&LSTML”模式的解析/数值计算法与实测法混合使用的预测模型(简称Hybrid预测模型)可同时兼顾先进解析/数值方法及实测法的优势,已经在地面线路的环境振动预测中展现出良好的应用效果。然而,该预测模型在城轨交通地下线路的环境振动影响预测评估中仍未得到成熟发展。此外,更加值得关注的是,在所有列车振动环境影响的预测中,大多数情况都是针对线路开通初期的定值预测。但由于车辆参数(如悬挂参数、乘客数量等因素)、轮/轨磨耗程度及养护水平等因素的显着差异,导致振动源强呈现明显的不确定性。在上述背景下,本文依托国家自然科学基金面上项目“基于混合预测方法的地铁列车振动环境影响参数不确定性研究(No.51978043)”、“列车振动环境影响预测的准确度与可靠性研究(No.51778049)”,以列车振动源强的不确定性研究为核心,拓展出适用于地下线路列车振动环境影响分析的Hybrid预测模型,并将现有列车振动环境影响的定值预测模式拓展为概率预测模式。主要研究工作、成果和主要创新点概括如下:1.本文选择在一条地铁运营线路固定断面及附属车辆段,全面开展并完成了运营列车车轮踏面粗糙度、选定断面轨道钢轨表面粗糙度及隧道壁振动的系统性跟踪测试工作。获得了该运营线路上轮/轨养护维修周期内的“钢轨表面粗糙度/车轮踏面粗糙度/振动源强”完整测试数据;全面揭示了轮、轨养护维修周期内振动源强的发展规律及统计分布特征;探索了车轮镟修、钢轨打磨在降低地铁列车环境振动影响方面的技术要素。2.基于多输入线性时不变系统的输入与响应谱数学理论,构建了轨道不平顺谱及车轮不圆顺谱随机耦合的轮、轨联合激励输入数学模型。根据该数学模型,可获得更接近实测的振源频域响应。如果忽略车轮不圆顺的影响,钢轨振动加速度的分频振级(车轮多边形磨耗对应频段)计算与实测误差最大可达15d B。3.结合本文及课题组多年积累的测试样本,构建了反映DTⅥ2扣件普通整体道床轨道钢轨表面粗糙度“时-空随机性”的随机粗糙度谱及完整养护维修周期内典型地铁6节编组B型列车的随机车轮不圆顺谱。基于频域“车辆-轨道”耦合解析模型,采用Monte Carlo法,以随机轮、轨不平顺谱作为输入激励,同时考虑车辆参数的随机特性,得到了多因素联合作用下列车振源频域响应的随机特征。4.分析了多种模式下,地下线路等效列车荷载线振源(简称等效线振源)激励的振动传递特征;对比分析了地下线路等效线振源长度、激励间距、激励位置对线传递率级的影响;以此为基础,进一步采用数值法、解析法,探索了地下线路列车荷载力密度级的测算方法;基于“FDL&LSTML”模式,拓展出了适用于地下线路列车振动环境影响预测的三种混合模式的Hybrid预测模型。为地下线路列车振动环境影响评估中,满足线路施工图设计阶段精准预测水平要求的预测方法提供了更好的选择。5.提出了考虑随机振动源强地铁列车振动环境影响概率预测方法的操作流程。据此,预测分析了某城市一处规划地铁线路对某临近既有研究院内敏感仪器的振动影响。在实际预测过程中发现,与参考类比线路开通运营初期随机源强给出的预测结果相比较,在考虑轮轨磨耗持续发展引起的随机轮轨不平顺状态后,本预测敏感点在10Hz以上频段的预测振动响应及超限概率明显增大。因此,在列车振动的环境影响预测过程中,应根据设计轨道型式及列车动力特性,合理选择随机轮轨不平顺激励,对反映轮轨磨耗持续发展引起的随机振动响应做出中期或者长期预测。
孟凡婷[3](2021)在《城市轨道交通客流协同控制优化模型与算法》文中认为随着我国城市化进程的加深,客流需求急剧攀升。城市轨道交通以其准点率高、安全、绿色、运量大等优点,逐渐成为了城市居民首选的出行方式。然而,在轨道交通建设规模扩大、客流激增的背后,城市轨道交通客流拥挤问题也随之浮现,成为了影响轨道交通安全运营的主要问题之一。为城市轨道交通运营设计合理的客流控制策略,是缓解客流拥挤,提高运营安全性的重要举措。鉴于此,本文通过分析轨道交通客流的时空分布特征,以客流协同控制方法为主线,对基于时空网络的客流协同控制策略、随机需求下鲁棒客流控制策略、客流控制与列车运行图一体化开展理论和方法研究,构建了基于不同评价准则的优化模型并设计了有效的求解算法,以期生成系统最优的轨道交通客流协同控制策略,达到均衡资源配置的目的。具体地,本文的主要研究工作包括以下四个方面:(1)城市轨道交通客流特征与运营组织分析。城市轨道交通系统中的客流需求在时间和空间维度上存在极大的不均衡性,这种不均衡性可加剧高峰期轨道交通客流拥挤状况。针对该问题,本文通过分析轨道交通客流组织和行车组织要素,以轨道交通运营现状为基础,剖析了实施轨道交通线路客流协同控制策略的必要性和紧迫性,从客流特征、车站设施容纳能力、列车输送能力三个方面阐述了轨道交通客流协同控制策略的相关影响因素。该部分内容是全文研究的基础,为后文客流协同控制优化提供了理论依据。(2)基于时空网络的客流协同控制优化。考虑到轨道交通中客流需求的动态性,在时间离散化和运行图给定的基础上,构造列车运行时空网络刻画列车和乘客出行轨迹。以最小化乘客总等待时间为目标,考虑流平衡约束、列车容量约束,为客流协同控制问题构建了面向个体乘客出行的约束最短路优化模型。进一步,对模型中的列车容量约束进行松弛,将原问题分解成一系列易于求解的子问题,在此基础上设计了基于拉格朗日松弛框架的启发式算法。以小规模轨道交通线路和北京地铁八通线为例进行了数值实验。结果表明,生成的客流控制策略可有效缓解站台乘客聚集情况,为实现轨道交通的安全运营提供了科学的理论支撑。(3)面向随机需求场景的鲁棒客流协同控制优化。考虑到城市轨道交通客流需求的动态性和随机性,以高峰期客流组织为研究对象,以多场景鲁棒客流控制变量和单场景实际客流控制变量为决策变量,建立了列车容量约束、场景耦合约束,以极小化乘客期望等待时间为目标,为多场景鲁棒客流控制问题构建了随机规划模型。为降低多场景问题的求解难度,引入拉格朗日乘子,对场景耦合难约束进行松弛,将模型分解为多个单场景下的客流控制问题,在此基础上设计了高效的启发式算法。以虚拟小规模地铁线路和北京地铁八通线为例,进行了多组数值实验,并讨论了通过设施能力、列车容量及场景个数等参数对鲁棒客流控制策略的影响。实验结果表明,所提出的方法适用性较强,能显着提高轨道交通客流组织的鲁棒性。(4)基于列车跳停模式的客流控制与运行图一体化优化。受到高峰期轨道交通线路上乘客出行的集聚性影响,客流在线路的不同站间分布极度不均衡,造成了乘客出行需求与轨道交通资源供给匹配度较低的问题。鉴于此,本文以列车发车间隔、进站乘客数量及列车停站方案为决策变量,为解决上述问题建立了列车跳停模式下的客流控制与运行图一体化优化模型。考虑到所建模型为混合整数非线性规划模型,基于线性化方法对模型进行了重构处理,在此基础上,使用优化求解器CPLEX调用分支定界算法对模型进行精确求解。以小规模轨道交通线路和北京地铁八通线为背景,设计了一系列数值实验。实验结果表明,该方法可在满足乘客出行需求的同时获得系统较优的列车运行图、停站方案和客流控制策略。该部分研究内容对指导城市轨道交通均衡资源配置,提高列车运营服务效率,实现运能和客流需求的合理匹配具有重要意义。论文包含图73幅,表31个,参考文献123篇。
李斌斌[4](2021)在《城轨服务中断下乘客出行行为分析及应急接驳公交优化研究》文中研究说明城市轨道交通成为城市发展的主导交通模式,但随着轨道网络化运营规模不断的增加,运营环境变得愈加复杂。一旦发生服务中断,如何精确把握出行受阻乘客出行行为,制定高效高质应急接驳服务保证其后续出行,成为近些年来交通运输管理部门以及运营管理者关注的重点。传统应急接驳方案主要为基于积压客流产生后的被动疏解接驳,由于缺乏对受阻乘客出行行为以及需求弹性变化的考虑,往往出现供需不匹配和实施效果差的现象。因此,有必要从受阻乘客出行行为角度出发,立足于服务中断时空范围特征,构建应急接驳下受阻乘客出行方案选择行为模型并在此基础上开展应急接驳公交优化研究,在尽可能降低应急接驳成本的同时最大程度上保障受阻乘客出行。本文首先从服务中断下出行行为分析和应急接驳公交优化等方面开展了国内外研究综述,总结了既有研究进展及待改进之处;在此基础上,设计SP(Stated Preference)和RP(Revealed Preference)调查问卷获取应急接驳下受阻乘客出行行为相关数据;构建考虑不确定性和异质性的出行方案选择行为模型,深入分析受阻乘客决策过程、机理及影响因素;兼顾乘客和运营部门利益,建立基于多模式弹性需求的应急接驳公交运行方案优化模型以及联合调度下应急接驳公交行车计划优化模型,并设计相应求解算法得到综合成本最小化的应急接驳公交快慢车站停方案、发车时刻及其行车计划编制结果,为服务中断场景下运营管理部门组织高质高效应急接驳公交提供指导。具体而言,本文开展的研究工作及成果如下:(1)应急接驳下出行方案选择行为调查及特征分析。开展问卷调查获取应急接驳下出行行为相关数据,并在场景实验中设计具有不确定性的服务中断时间区间代替以往研究中简单假定的确定时间值以更加贴近现实场景。基于问卷数据进行出行特征分析,结果表明,场景属性(服务中断时间区间、发生时段、乘客位置)、个人属性(性别、收入、年龄)和出行特征属性(出行频次、服务中断经历、信息关注度)均在一定程度上影响应急接驳下受阻乘客出行方案选择行为。(2)考虑不确定性和异质性的应急接驳下出行方案选择行为建模。针对应急接驳场景下不确定服务中断持续时间引起的乘客出行方案中存在的不确定风险,分别构建基于特定属性扩展期望效用(Attribute-specific Extended Expected Utility,ASEEU)和信息熵不确定性风险度量(Risk Measurement with Shannon Entropy,RMSE)的出行方案选择模型。进一步考虑到乘客决策机理和决策权重异质性,基于潜在分类方法(Latent Class,LC)构建LC-ASEEU&RMSE和LC-RMSE模型,结果表明,存在ASEEU和RMSE两个决策机理的群体且后者人群显着占比远高于前者;同时乘客可划分为风险乐观/悲观两个类别,而风险悲观人群对等待风险的感知更加敏感。(3)弹性需求下应急接驳公交运行方案优化研究。基于能够精准刻画受阻乘客出行决策过程的行为模型实现服务中断下乘客需求分布的客观高精度预测,并考虑站停多样性构建快慢车组合的站停方案备选集合,进而建立弹性需求下应急接驳公交运行方案优化模型。立足于容量限制下受阻乘客弹性需求与应急接驳公交运行方案间相互反馈过程设计了包括乘客和接驳车辆的离散仿真事件并将仿真过程嵌入遗传算法中,同时设计了双层染色体表征蕴含不同站停方案的接驳公交发车间隔以提升求解高效性和准确度。结合广州城市轨道交通历史服务中断事件设计实验算例以验证所构建优化模型以及求解算法的有效性。结果表明,本文所构建的应急接驳公交运行方案优化模型求解得到的优化结果上行和下行方向上相较于无接驳(传统站站停单一站停方案)分别能够降低27.3%和28.8%(9.6%和11.7%)的成本。同时,为了给运营管理部门制定应急接驳方案提供政策性建议而进行了敏感性分析,结果表明:出行延误成本、接驳运行成本和综合成本均随过估计系数增大而增大;随着站停方案个数的增加,综合成本整体呈现下降趋势而求解耗时呈现出指数级增加趋势;随着接驳启动时间的增加,综合成本持续上升且上升幅度也在不断提高。(4)联合调度下应急接驳公交行车计划编制研究。在分析应急接驳公交运行方案特征的基础上确定了组合站停方案下快慢车联合调度的行车计划编制优化框架。以调度空驶时间和所需车辆数作为优化目标,并考虑相关时空约束及调度约束条件构建联合调度下应急接驳公交行车计划优化模型。结合优化问题多目标和解空间广的特征对NSGA-Ⅱ算法中编解码、交叉、变异操作进行适应性改造以保障求解时效性。基于广州城市轨道交通实验算例验证优化模型及求解算法的效果,多次重复试验结果表明求解算法具有较好的时效性和稳定性。同时将独立调度下优化结果作为对照组与联合调度进行对比分析。结果表明,联合调度策略下行车计划Pareto最优解集优于独立调度策略下行车计划Pareto最优解集,而不插入空驶车次情况下联合调度相较于独立调度能减少3辆接驳公交的使用,说明了在应急接驳公交行车计划编制中采用联合调度策略的优越性。图48幅,表27个,参考文献172篇。
朱达伟[5](2021)在《基于UGF的结构可靠性优化算法研究》文中研究指明传统结构优化设计方法常常由于未能充分考虑工程实际中的不确定性而导致所设计的结构无法满足预期要求。为解决传统优化设计方法的弊端,人们提出了基于可靠性的设计优化(RBDO)方法,此类方法可以合理表征不确定性对结构设计的影响。然而,现有诸多可靠性优化设计方法对涉及随机变量非正态、功能函数高度非线性等问题的求解尚存在不足之处。因此,针对上述问题本文展开深入研究,主要包括:1.引入求解精度高且不受随机变量非正态、功能函数高度非线性影响的通用生成函数(UGF)法进行可靠性分析。对于UGF法易产生组合爆炸问题提出了几种常用的解决技术,如:合并同类项、连续变量的非均匀离散化、非均匀聚类。非均匀离散化主要依照等比级数进行离散化,使得敏感点邻域内的离散点密集化以保证较少的离散状态总数同样可以获取较高的可靠性分析精度。非均匀聚类通过选取极限状态面附近的敏感点为聚类中心并进行定中心的聚类操作,从而确保求解精度和求解效率。2.为提高RBDO问题求解精度,提出了一种UGF-偏移向量法。该算法引入高精度可靠性分析方法和偏移向量求解策略完成优化,将迭代过程分为三个环节完成。第一环节利用最小二乘法拟合偏移函数的响应面回归模型,并根据模型和许用可靠度指标求解偏移向量;第二环节根据所求偏移向量完成确定性优化,得到当前设计点;第三环节利用UGF法进行可靠性分析和评估,并根据相关约束重新构建偏移函数。算例分析表明所提方法在保证求解效率的同时提高了优化精度,并很好地解决了功能函数为高度非线性时优化结果无法收敛问题。3.为提高UGF-偏移向量法的稳定性并简化求解流程,提出了一种UGF-直接映射法。一方面通过系列响应面直接建立设计变量与概率指标的动态映射,消除了传统双循环法的内层循环,将嵌套问题解耦成可靠性评估与优化设计顺序进行;另一方面借助UGF法进行可靠性分析,避开了传统矩法可靠性分析时精度低或无法收敛的劣势。算例分析表明,所提方法在可控的计算成本下具有显着高的求解精度,并且针对功能函数高度非线性、随机变量非正态问题具有更高的鲁棒性。提出了两种用于RBDO问题求解的新方法和三种用于解决UGF组合爆炸问题的关键技术,所提方法和技术具有较高的求解精度和可控的计算成本。同时为解决目前RBDO领域相关瓶颈问题如功能函数高度非线性、随机变量非正态等提供了新思路,具有理论意义和实际应用价值。
周思彤[6](2021)在《轨道角动量模式复用光通信系统中干扰抑制方法研究》文中提出随着社会的高速发展,对通信系统信道容量的需求逐渐增加,而传统的通信技术可提供的信道容量有限。因此,大容量、高保密性及高速率的通信技术成为了未来通信技术的发展趋势。为了解决信道容量危机,在已有的波分复用、偏振复用等方式之外,轨道角动量(Orbital Angular Momentum,OAM)复用技术作为一种新的复用形式,为增加网络带宽、扩大信道容量提供了一种新的方法,并成为光通信领域的研究热点。然而在实验中,由于存在着一定的干扰因素,OAM模式复用空间光通信系统或OAM模式复用光纤通信系统的传输容量和传输距离受限。因此,OAM模式复用光通信系统中,干扰抑制技术是至关重要的研究方向。本文以OAM模式复用空间光通信系统和光纤通信系统中的干扰抑制技术为研究方向,在研究干扰因素原理的基础上,分别对空间光通信中相位校正技术和光纤通信中器件非线性的判决技术展开研究,主要研究工作和创新点如下:1、OAM空间光通信中基于WF算法的相位校正研究针对OAM模式复用空间光通信系统中大气湍流引起的波前相位畸变的问题,提出了一种基于WirtingerFlow(WF)算法的相位校正方法,实现了校正精度的提高并简化了自适应光学系统中的波前传感的结构。仿真研究了该方法的校正效果和迭代性能,研究结果表明与传统Gerchberg-Saxton(GS)算法相比,系统的均方根误差(Root Mean Square Error,RMSE)、模式纯度、串扰和误码率等性能参数均有明显改善,同时该方法避免了基于传统GS算法的校正方法容易陷入局部最优解的问题。2、OAM光纤通信系统中基于KNN的非线性判决方法针对OAM模式复用光纤通信系统中接收端数字信号处理(Digital Signal Processing,DSP)模块对于降低复杂度的需求,提出了一种基于K最近邻(K NearestNeighbor,KNN)的非线性判决方法,该方法通过统计测试数据与训练数据中最相似的数据个数,对测试数据进行判决。在8-OAM模式复用光纤通信系统中进行实验,实验结果表明与传统Volterra均衡器相比,该方法的复杂度降低至少一个数量级,且误码率性能降低。在此基础上考虑进一步降低系统误码率和训练数据长度,提出一种基于概率KNN的非线性判决方法,该方法根据测试点附近的概率密度和分布,通过启发式学习方法计算出合适的参数,既保留了 KNN的简单性,又优化了性能。实验结果表明,与基于KNN的非线性判决方法相比,该方法误码率性能下降明显,节约了一部分由于选择k值而产生的交叉验证的计算开销,并一定程度上缓解了基于KNN的非线性判决方法对于数据的依赖性,从而降低了训练集的长度,训练数据长度降低了 1/3。3、OAM光纤通信系统中基于朴素贝叶斯的非线性判决方法针对OAM模式复用光纤通信系统中非线性模型的随机特性,提出了一种基于朴素高斯贝叶斯的非线性判决方法,该方法利用信号的统计特性求得信号的后验概率从而对信号进行判决,解决了系统非线性模型呈现随机性的问题。在8-OAM模式复用光纤通信系统中进行实验,研究结果表明,该方法与传统Volterra均衡器相比,误码率和复杂度显着降低。在此基础上进一步考虑降低系统误码率的需求,提出了基于数据自定义朴素贝叶斯(Data-defined Naive Bayes,DNB)算法的非线性判决方法,该方法将基于朴素高斯贝叶斯的非线性判决方法中的高斯模型进行改进,使用训练数据拟合概率分布模型。实验结果表明,该方法的误码率性能相比于传统Volterra均衡器、基于KNN的非线性判决方法、基于概率KNN的非线性判决方法及基于朴素高斯贝叶斯的非线性判决方法相比,误码率大幅降低,在l=-4光信噪比OSNR=23dB时误码率达到软件前向纠错(Forward Error Correction,FEC)极限。
鞠卓亚[7](2021)在《时间序列辨别性模式发现及分类方法关键技术研究》文中研究指明时间序列是以时间顺序记录的一系列数据,现实生活中存在大量依据一系列时间观测点获取的数据。时间序列数据的基本特征包括有序、数值型、维度高、数据量大、不断更新等特点。时间序列分类学习问题是从大量时间序列数据中挖掘可用于分类预测的模式或规则。时间序列的辨别性模式蕴含于属性之中,属性之间的依赖关系影响时间序列分类的准确率,而时间序列的属性为数值型,其依赖关系通常难以分析。如何快速发掘时间序列辨别性模式,同时提升分类器的性能与可解释性,已成为当前研究者所面临的主要挑战之一。尽管基于辨别性模式的时间序列分类方法已经开展了许多研究,但仍存在亟待解决的问题。首先,对于多数分类器如决策树或神经网络来说,输入数据为特征向量,然而时间序列数据并没有明确的特征。其次,时间序列为数值型数据,描述属性之间的依赖关系是非常困难的。第三,时间序列属性与属性值所构成的模式在分类问题中具有非常关键的作用,但其维度高的特点使得挖掘出的辨别性模式往往数量可观,如何在辨别性模式的数量与分类准确率之间作出平衡,仍是难以解决的问题。本文围绕以上问题,深入研究如何基于辨别性模式完成时间序列分类任务,主要贡献如下:(1)提出了基于选择性模式的贝叶斯分类方法。依据贝叶斯网络构建辨别性模式之间的依赖关系,提出了2种基于选择性模式区分能力的贝叶斯分类算法。提出了将选择性模式分别与朴素贝叶斯分类器和聚合单层依赖分类器相结合的算法。其中,利用聚合单层依赖方式处理属性之间的依赖关系,能够在减弱属性条件独立假设限制的同时,进一步平衡选择性模式内外属性之间的依赖关系。实验结果表明,充分挖掘选择性模式的分类能力,通过贝叶斯网络分析选择性模式内外属性之间的依赖关系,基于选择性模式的区分能力构造贝叶斯分类器,能够在部分数据集上取得最高准确率,与基准算法朴素贝叶斯分类器和聚合单层依赖分类器相比,分类准确率明显升高,验证了所提算法的正确性和合理性。(2)提出了基于shapelets的贝叶斯网络时间序列分类方法。研究时间序列辨别性模式的发掘方法,基于时间序列辨别性模式shapelets完成时间序列的转换。将转换后的数值型时间序列数据离散化为名称型,通过加权聚合单层依赖估计分类器完成分类。实验分析表明,提出的分类方法平均准确率比集成分类器典型时间序列特征更高,已具有显着性差异,与集成分类器基于转换的集成分层投票集体没有显着性差异。(3)提出了基于离散傅里叶变换的朴素贝叶斯时间序列分类方法。分析了时间序列符号化的方法,通过离散傅里叶变换提取辨别性特征,将时间序列从时域转换至频域,并离散为名称型数据。之后,通过简单有效的朴素贝叶斯分类器完成时间序列的最终分类。实验分析了滑动窗口长度、字母表大小对算法分类准确率的影响。实验结果表明,与朴素贝叶斯分类器、基于欧氏距离的最近邻分类器、基于动态时间弯曲的最近邻分类器等基准分类器相比,提出的分类方法平均准确率最高,且显着提升了朴素贝叶斯分类器的分类准确率。(4)提出了基于兴趣衰减机制加权的贝叶斯网络时间序列分类方法。提出了基于兴趣衰减机制控制结构化对等网络流量的方法,结合时间序列早期分类原理,将兴趣衰减机制用于分析刻画贝叶斯网络中的属性权重,提出了余弦加权聚合单层依赖分类方法。通过傅里叶变换将时间序列转换为名称型属性,分别通过加权聚合单层依赖分类器和余弦加权聚合单层依赖分类器完成分类。通过实验验证了提出的算法具有优秀的分类效果,与基于离散傅里叶变换的加权聚合单层依赖分类算法、基于欧氏距离的最近邻分类器、基于动态时间弯曲的最近邻分类器相比,已具有显着性差异。(5)开展面向军事的基于辨别性模式时间序列分类方法研究。明确了开源情报在军事领域的重要地位作用,分析了军事领域中开源数据的特点,结合传播学、早期分类等原理,通过基于辨别性模式的时间序列分类方法,研究军事领域开源数据的时间序列分析应用维度,丰富基于辨别性模式时间序列分类方法的应用场景,为开展军事领域开源情报分析工作奠定了基础。上述方法从多个角度论述了时间序列辨别性模式的发现及分类方法,通过大量的实验对比分析,展示了各算法在时间序列分类过程中的高性能,验证了所提算法的正确性和合理性,为实际应用建立了良好的理论基础。
贾飞凡[8](2021)在《城市轨道交通乘客路径动态诱导策略优化研究》文中认为随着城市轨道交通网络化运营模式的不断深化,乘客出行需求的时空不均衡性导致网络客流分布不均衡增强,局部路网客流拥挤问题日趋严重。除了提高能力供给之外,运营者还需要从需求侧出发对网络客流分布进行调节,而乘客对出行路径的选择是影响网络客流分布的关键因素。本文以城市轨道交通乘客路径动态诱导问题作为切入点,从诱导信息影响下的乘客路径选择行为建模、诱导信息发布条件下的网络客流分布动态推演和乘客路径动态诱导策略优化三方面展开研究,为运营者提高城市轨道交通运营效率和优化乘客出行体验提供理论支撑和辅助决策支持。具体研究内容包括:(1)城市轨道交通乘客路径动态诱导问题分析。首先对城市轨道交通客流诱导的现状和未来发展方向进行总结分析。基于对乘客路径动态诱导问题特征的分析,在马尔可夫决策过程框架下构建乘客路径动态诱导问题的抽象模型,通过分析模型中的关键要素明确解决乘客路径动态诱导问题需要研究诱导信息影响下的乘客路径选择行为、诱导信息发布条件下的网络客流分布动态推演、乘客路径动态诱导策略优化三个关键子问题。通过对三个子问题的特征进行分析提出了解决问题的研究思路,为后续研究奠定基础。(2)诱导信息影响下的乘客路径选择行为建模。通过分析诱导信息影响下的乘客选择行为特征,对既有随机后悔最小化模型进行改进,建立了以路径属性对比为基础,考虑乘客属性感知、尺度效应、决策惯性的路径选择模型以描述乘客在诱导信息影响下的路径选择行为。通过意向调查(State Preference Survey,SP Survey)采集受访者基本属性和订阅信息服务意愿,基于最优正交设计法设计SP实验构建路径选择场景采集受访者路径选择结果。通过对受访者基本属性和对订阅信息服务意愿进行Logistic回归,对订阅信息服务意愿的影响因素进行分析。基于极大似然估计法使用受访者路径选择场景的选择结果数据对改进随机后悔最小化模型进行标定,通过与经典随机后悔最小化模型和经典随机效用最大化模型的对比分析,结果表明本文所提出的路径选择模型能够更精准的描述诱导信息影响下的乘客路径选择行为。(3)诱导信息发布条件下的网络客流分布动态推演。基于城市轨道交通网络客流分布的特征,考虑乘客路径动态诱导策略优化的需求构建城市轨道交通系统的离散事件系统模型。对城市轨道交通系统中的基础设施、列车、乘客和运营者等实体从中观层面进行建模,确定了各实体模型的输入、输出、状态转移、特征元组、决策元组等关键要素,基于实体模型之间的耦合关系建立了城市轨道交通系统的耦合模型。基于系统内实体的状态转移过程和实体之间的相互作用推演诱导信息发布条件下网络客流分布动态变化。基于离散事件系统模型开发城市轨道交通网络客流分布动态仿真系统,通过对列车运行过程、诱导信息影响下的乘客决策和出行过程、运营者向乘客发布诱导信息的过程进行模拟,推演获得诱导信息发布条件下的网络客流动态分布,为乘客路径动态诱导策略优化提供决策环境支持。通过实际案例验证了仿真系统可推演诱导信息影响下的网络客流分布。(4)城市轨道交通乘客路径动态诱导策略优化。在强化学习框架下研究乘客路径动态诱导策略优化问题,将网络客流分布特征作为状态,运营者向乘客发布诱导信息的行为作为动作,将诱导信息发布后的网络客流分布特征作为状态转移,并以此计算诱导信息发布动作的奖励值。提出基于自编码器的网络客流分布特征提取方法,基于诱导方向的诱导信息发布动作生成方法和基于多目标加权的奖励值计算方法。基于深度确定性策略梯度(DDPG)算法构建乘客路径动态诱导策略学习网络,利用网络客流分布动态仿真系统与学习网络的交互数据进行网络训练,生成优化的乘客路径动态诱导策略。分别以小规模假设网络和大规模实际网络为背景进行案例分析,结果表明使用路径动态诱导策略对客流进行诱导可以有效缓解网络客流拥挤问题。通过进一步改变算法中的相关参数,揭示了订阅信息服务比例和调控目标权重对乘客路径诱导效果的作用机理。
凤伟[9](2021)在《不确定性条件下流程企业生产调度和鲁棒优化研究》文中研究指明在流程工业中,生产调度作为上承企业长周期生产计划、下启底层实时过程控制的重要决策活动,经过近半个世纪的发展,已经取得了一系列重大的成果。然而,流程企业的生产和经营活动中广泛存在的不确定性为它的理论研究和工业实践带来了诸多挑战,因此如何在不确定性条件下优化调度方案,以使得企业能安稳长满优地运行便成为了一个重要的研究课题。为此,本文针对传统鲁棒调度方法在应用实践中所暴露出来的一些痛点和瓶颈问题,以可调鲁棒优化理论为研究主线,在对不确定性过程调度问题和鲁棒优化基础理论进行系统性综述的基础上,分别就帕累托最优有限适应性鲁棒调度方法、内生不确定性下的鲁棒优化问题、混合整数决策规则、分布鲁棒调度优化方法、主动学习与内生不确定性间的联系等方面进行了深入研究。本文的主要内容和创新点如下所述:1.针对考虑能耗和清焦不确定性的乙烯厂全厂生产调度问题,提出了一种新的基于有限适应性的可调鲁棒优化方法。为有效处理裂解炉能耗不确定性参数的时变性以及清焦敏感性,建立了基于不确定性集合树的帕累托最优有限适应性模型,使所求得的调度方案能同时具备帕累托最优性和鲁棒最优性。基于实际工业数据的仿真案例表明,该方法能在不影响鲁棒性的前提下,实现调度方案根据所观察到的清焦决策信号而进行相应调整,并能显着提高燃料采购的成本效益。2.针对过程调度问题中广泛存在的内生不确定性,提出了一种多阶段鲁棒混合整数优化方法,其不仅能同时实现连续和0-1补偿,还能对受(补偿)决策影响的不确定性集合进行有效建模。所提出的基于跃升不确定性的混合整数决策规则,包含用于连续补偿的不连续分段线性决策规则,能有效实现补偿决策和内生不确定性集合的有机结合,并由此可推得该问题的一个易于求解的鲁棒对等模型重构形式。包括一个考虑产能内生不确定性的生产调度问题在内的仿真案例表明,该方法不仅能有效处理内生不确定性,还能大大增强调度方案的灵活性。3.受乙烯裂解炉结焦不确定性和相应清焦决策的启发,针对考虑设备损耗不确定性的生产维护集成调度问题,提出了一种多阶段分布鲁棒优化方法。采用数据驱动的Wasserstein模糊集合来描述损耗不确定性参数未知的概率分布,并由此建立了相应的多阶段分布鲁棒集成调度优化模型,其在允许混合整数补偿的同时,能优化调度方案的最坏期望成本。通过开展一个基于工业数据的裂解炉群仿真案例在内的一系列实验,验证了该方法的有效性和实用性,且具有较好的样本外性能。4.进一步细化了内生不确定性的分类,以区分受决策影响的物化和观测,并由此指出了主动学习与考虑内生不确定性的可调鲁棒优化问题之间的联系。借助于一组辅助不确定性参数,实现了对取决于补偿决策的不可预见性的有效建模,并由此建立了一个能处理所有类型内生不确定性的多阶段可调鲁棒优化的统一框架。通过一个基于检视的生产维护集成调度问题和一个集成主动参数估计的生产调度问题在内的一系列计算案例,充分验证了该框架的有效性和通用性。最后在总结全文的基础上,对复杂可调鲁棒优化问题高效求解算法、在线鲁棒调度优化方法、结合主动学习概念的生产调度和控制问题等方面,提出了未来值得进一步研究和探索的方向。
彭泽栋[10](2021)在《面向石化企业的计划调度建模及优化算法研究》文中认为随着物联网、人工智能、数字孪生等技术的快速发展,智能制造以智能工厂为载体、以关键制造环节智能化为核心、以端到端数据流为基础,构建了以“数据+模型+算法+算力”为核心的技术体系,赋能传统制造业提质降耗。智能制造已成为我国制造业数字化智能化转型升级的核心驱动力之一。其中,智能决策是智能制造的核心,决策质量以及其可靠性、时效性、鲁棒性是制造企业智能化水平的重要指标之一。在智能决策中,多层级多系统协同决策、不确定环境下的鲁棒决策以及大规模决策问题的快速寻优是研究热点。本文以石化行业供应链上游页岩气开采设计计划问题及中下游炼油化工生产计划调度问题为工业应用背景,分别研究了在典型不确定性条件下,石化企业设计与计划集成建模、生产计划与调度集成建模以及相应的大规模混合整数线性规划(Mixed-Integer Linear Programming,MILP)模型的分解算法。此外,针对石化企业原油操作调度、过程设计等问题中应用广泛的混合整数非线性规划(Mixed-Integer Nonlinear Programming,MINLP),本文对其通用分解算法及求解器技术进行了深入研究。从而依次从复杂系统集成建模、不确定性建模以及高效求解算法三个方面提升企业决策智能化水平。本文的主要内容和创新点如下:1.针对石化供应链上游页岩气田开发设计和计划问题,提出了一种基于页岩气田超结构的大规模混合整数线性规划模型,对页岩气田开发过程中钻井平台和页岩气井位置的选择、开采操作调度、输气管道的安装、管道尺寸的选择进行集成决策。考虑到传统求解方法和求解器的限制,通过对模型结构的分析,提出了一种基于解池的双层分解算法对模型进行高效求解,通过五个不同规模页岩气田工业案例验证了模型和双层分解算法的有效性。该模型通过对页岩气田开发问题中页岩气网络设计和开发计划协同决策,提升了页岩气开发项目的经济效益。2.针对产量不确定性下的页岩气田开采计划问题,提出了一种多阶段随机规划模型,其中页岩气井产量不确定性的观测时间由开发决策确定,属于2型内生不确定性。模型采用广义析取规划(Generalized Disjunctive Programming,GDP)对决策变量与不确定性参数之间的逻辑关系进行建模,并考虑了实际开发中产量不确定性参数的观测延迟。针对内生不确定性下多阶段随机规划模型的结构特点,采用拉格朗日分解算法和启发式策略对模型进行求解。案例分析表明该模型提供的最优决策可以通过对页岩气井开发顺序的调整来减少开发低产量井的风险。3.针对需求不确定性下的石化供应链中下游化工企业生产计划和调度问题,提出了一种基于多阶段随机规划的计划调度集成建模框架,通过耦合约束构建计划层和调度层在决策粒度和时间尺度上逻辑连接,并采用场景树对需求不确定性进行刻画。为了对通用模型进行有效求解,提出了一种包含多种加速策略的逐步对冲算法。状态任务网络(State-Task Network,STN)案例和实际乙烯工厂案例都验证了该建模框架及算法的优越性,有效解决了传统的生产计划和调度中分步决策导致的生产效益下降和无法处理不确定性干扰的问题。4.针对石化行业企业级优化问题中常见的混合整数非线性规划问题,以外逼近法为基础对其通用求解算法进行了深入研究。为了解决外逼近法在非凸MINLP模型中的收敛性问题,提出了基于McCormick松弛的全局外逼近法和全局LP/NLP分支定界算法,通过非凸约束的McCormick凸松弛和凹松弛生成其有效割平面,构建非凸MINLP问题可行域的多面体近似,并通过添加整数割平面或禁忌表保证算法的收敛性。两种算法均已部署在开源求解器MindtPy(Mixed-Integer Nonlinear Decomposition Toolbox in Pyomo)中。通过原油操作调度问题以及上百个数值案例和工程案例的测试,验证了该算法对非凸MINLP问题的求解性能。5.针对经典外逼近法在相邻迭代间主问题最优解大幅跳变的问题,提出了正则化外逼近法。通过加入正则化问题的求解,对主问题最优解进行信赖域投影,限制相邻迭代间暂行解的移动范围。其中正则化问题通过对目标函数的边界限制构建等价的信赖域约束,并提出了基于l1范数、l2范数、l∞范数、拉格朗日函数一阶和二阶近似等多种信赖域范围计算方法。上百个开源数值案例和工程案例测试表明正则化的加入可以大幅降低不可行整数组合的发生次数,有效减少算法收敛所需的迭代次数,验证了正则化外逼近法相比于经典外逼近法在求解性能上的优越性。最后在总结全文的基础上,提出了内生和外生不确定性下企业级优化集成建模框架和混合整数规划分解算法的未来研究方向。
二、基于离散概率分布的随机需求之实现研究(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、基于离散概率分布的随机需求之实现研究(论文提纲范文)
(1)出行前信息对出行决策和出行成本的影响研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 零信息条件下出行选择均衡分析 |
1.2.2 信息条件下出行选择均衡分析 |
1.2.3 当前研究面临的问题 |
1.3 本文的研究内容与结构 |
2 零信息条件下出行选择均衡分析 |
2.1 出行路径选择均衡模型 |
2.1.1 确定条件下用户均衡模型 |
2.1.2 随机条件下用户均衡模型 |
2.2 出发时刻选择均衡模型 |
2.2.1 确定条件下用户均衡模型 |
2.2.2 随机条件下用户均衡模型 |
2.3 本章小结 |
3 不准确信息对出发时刻选择的影响研究 |
3.1 基于出行者对不准确信息反应行为的出发时刻选择随机均衡模型 |
3.1.1 信息误差率分析与理论建模 |
3.1.2 信息遵从场景 |
3.1.3 信息不遵从场景 |
3.1.4 共存场景 |
3.2 出行前信息价值评价 |
3.2.1 信息价值评价指标定义 |
3.2.2 信息对遵从行为出行者的价值 |
3.2.3 信息对不遵从行为出行者的价值 |
3.3 数值算例 |
3.3.1 参数设置 |
3.3.2 灵敏度分析 |
3.4 本章小结 |
4 准确信息下出行者风险态度对出行路径选择的影响研究 |
4.1 零信息下考虑风险态度的出行路径选择随机均衡模型 |
4.1.1 问题描述 |
4.1.2 模型建立 |
4.1.3 性质分析 |
4.2 完全准确信息下出行路径选择随机均衡模型 |
4.2.1 问题描述 |
4.2.2 模型建立 |
4.2.3 性质分析 |
4.3 出行前信息价值评价 |
4.3.1 信息价值评价指标定义 |
4.3.2 信息对出行者路径选择的价值 |
4.4 数值算例 |
4.4.1 参数设置 |
4.4.2 灵敏度分析 |
4.5 本章小结 |
5 出行前信息对出行路径和出发时刻同时选择的影响研究 |
5.1 一般分布下出行路径和出发时刻同时选择的随机均衡模型 |
5.1.1 问题描述 |
5.1.2 模型建立 |
5.2 信息价值评价 |
5.2.1 信息价值评价指标定义 |
5.2.2 信息对出行者出发时刻选择的价值 |
5.2.3 信息对出行者路径和出发时刻同时选择的价值 |
5.3 数值算例 |
5.3.1 参数设置 |
5.3.2 灵敏度分析 |
5.4 本章小结 |
6 结论与展望 |
6.1 研究结论 |
6.2 创新点 |
6.3 工作展望 |
参考文献 |
附录 A |
附录 B |
附录 C |
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 |
(2)考虑振源随机特性的地铁列车振动环境影响混合预测模型研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 城市轨道交通诱发的环境振动问题 |
1.2 国内外研究现况 |
1.2.1 轨道交通列车振动环境影响的预测评估体系 |
1.2.2 轨道交通列车振动环境影响的预测模型 |
1.2.3 列车振动环境影响预测中的不确定性研究 |
1.2.4 作者所在实验室的研究基础 |
1.3 目前研究存在的问题 |
1.4 主要研究目标、内容与思路 |
1.4.1 研究目标 |
1.4.2 研究内容及思路 |
1.4.3 主要研究工作与创新性成果 |
2 列车振动源强的全系统跟踪试验研究 |
2.1 全系统跟踪试验方案 |
2.2 测试内容与测试设备 |
2.2.1 振源加速度测试 |
2.2.2 轮、轨表面粗糙度测试 |
2.3 跟踪试验分析 |
2.3.1 车轮踏面粗糙度测试结果 |
2.3.2 钢轨表面粗糙度测试与区间动态高低不平顺 |
2.3.3 隧道壁振动加速度分析 |
2.3.4 隧道壁加速度跟踪对比分析 |
2.3.5 隧道壁测点Z振级与列车运营里程的对应关系 |
2.4 轮、轨养护维修对源强的影响 |
2.4.1 钢轨打磨对振源加速度的影响 |
2.4.2 车轮镟修对振源加速度的影响 |
2.5 本章小结 |
3 车轮不圆顺谱与轨道不平顺谱随机耦合激励模型 |
3.1 振源分析模型中的轮、轨动态激励信息 |
3.2 轮、轨联合激励模型 |
3.2.1 简化的轮轨相互作用模型 |
3.2.2 线性时不变系统的“激励-响应”关系 |
3.2.3 输出响应的自相关函数 |
3.2.4 轮轨耦合粗糙度谱 |
3.3 频域“车辆-轨道”耦合解析模型 |
3.3.1 车辆模型 |
3.3.2 轨道模型 |
3.4 “车辆-轨道”的耦合关系及系统响应的求解 |
3.4.1 “车辆-轨道”的耦合关系 |
3.4.2 轮、轨耦合不平顺谱拟合方法 |
3.4.3 轮轨力的求解 |
3.4.4 轨道动力响应的求解 |
3.5 轮、轨联合激励模型的案例计算及试验分析 |
3.5.1 理论算例分析 |
3.5.2 现场试验案例分析 |
3.6 本章小结 |
4 多随机因素联合作用下列车振源频域响应不确定性分析 |
4.1 轨道钢轨表面粗糙度谱及车轮不圆顺谱的随机模型 |
4.1.1 随机钢轨粗糙度谱 |
4.1.2 随机车轮不圆顺谱 |
4.2 随机车辆参数及随机激励对振源频域振动响应的影响 |
4.2.1 随机车辆参数对振源频域振动响应的影响分析 |
4.2.2 随机车辆参数及随机车轮不圆顺谱对振源频域振动响应的影响 |
4.2.3 随机车辆参数及轮轨耦合不平顺谱对振源频域振动响应的影响 |
4.3 本章小结 |
5 城轨地下线路列车振动环境影响预测的HYBRID模型 |
5.1 “FDL&LSTML”模式的力学机理及HYBRID预测模型 |
5.1.1 “FDL&LSTML”预测模式的力学机理 |
5.1.2 HYBRID预测模型 |
5.2 不同地铁列车激励作用下振动响应对比分析 |
5.3 线传递率级计算原理及影响因素分析 |
5.3.1 多点激励等效线振源激励模式振动传递特征的数学机理分析 |
5.3.2 均匀弹性半无限空间线传递率级计算精度影响因素分析 |
5.3.3 水平成层弹性半无限空间线传递率及计算精度影响因素分析 |
5.3.4 等效误差分析 |
5.4 考虑地下线路特征及随机振动源强的HYBRID预测模型 |
5.4.1 力密度级计算方法对比分析 |
5.4.2 考虑随机振动源强力密度级的HYBRID预测模型 |
5.5 本章小结 |
6 考虑随机振动源强的地铁列车振动环境影响概率预测方法及案例分析 |
6.1 考虑随机振动源强的地铁列车振动环境影响概率预测方法 |
6.2 预测案例工程背景及类比断面现况测试 |
6.2.1 工程背景 |
6.2.2 类比断面振动源强及地表振动现况测试 |
6.3 考虑实测随机振动源强的地铁列车振动环境影响概率预测 |
6.3.1 数值模型建立与校核 |
6.3.2 概率预测结果分析 |
6.4 考虑多随机因素的地铁列车振动环境影响概率预测 |
6.5 本章小结 |
7 结论与展望 |
7.1 主要工作及结论 |
7.2 主要创新点 |
7.3 有待进一步研究的问题 |
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 |
(3)城市轨道交通客流协同控制优化模型与算法(论文提纲范文)
致谢 |
中文摘要 |
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 轨道交通客流控制 |
1.2.2 轨道交通列车运行图优化 |
1.2.3 研究现状分析 |
1.3 本文研究内容及框架 |
1.3.1 研究内容 |
1.3.2 研究框架 |
2 城市轨道交通客流特征与运营组织分析 |
2.1 城市轨道交通客流特征分析 |
2.1.1 客流总量变化特征 |
2.1.2 客流时间分布特征 |
2.1.3 客流空间分布特征 |
2.2 城市轨道交通运营组织优化要素 |
2.2.1 客流组织优化要素 |
2.2.2 行车组织优化要素 |
2.3 城市轨道交通客流协同控制 |
2.3.1 客流协同控制必要性分析 |
2.3.2 客流协同控制策略影响因素 |
2.4 本章小结 |
3 基于时空网络的客流协同控制优化 |
3.1 出行选择行为刻画 |
3.2 时空网络构建 |
3.3 基于时空网络的客流协同控制优化模型 |
3.3.1 问题描述 |
3.3.2 列车运行轨迹 |
3.3.3 乘客出行轨迹 |
3.3.4 数学模型 |
3.4 基于拉格朗日松弛框架的模型求解 |
3.4.1 模型分解 |
3.4.2 算法设计 |
3.5 算例分析 |
3.5.1 小规模算例 |
3.5.2 北京地铁八通线算例 |
3.6 本章小结 |
4 面向随机需求场景的鲁棒客流协同控制优化 |
4.1 动态随机客流刻画 |
4.2 精细化鲁棒客流控制规则 |
4.3 问题描述 |
4.4 鲁棒客流协同控制优化模型 |
4.4.1 参数和决策变量 |
4.4.2 乘客需求表示方法 |
4.4.3 鲁棒客流控制约束 |
4.4.4 乘客期望等待时间 |
4.4.5 模型整合 |
4.5 模型求解 |
4.5.1 模型分解 |
4.5.2 算法设计 |
4.6 算例分析 |
4.6.1 小规模算例 |
4.6.2 北京地铁八通线算例 |
4.7 本章小结 |
5 基于列车跳停模式的客流控制与运行图一体化优化 |
5.1 问题描述 |
5.1.1 列车灵活跳停模式 |
5.1.2 二次客流控制规则 |
5.2 客流控制与运行图一体化模型 |
5.2.1 参数和符号定义 |
5.2.2 系统约束 |
5.2.3 目标函数 |
5.3 基于线性化方法的模型重构 |
5.3.1 理论基础 |
5.3.2 约束线性化 |
5.3.3 混合整数线性规划模型构建 |
5.4 简化模型 |
5.4.1 目标函数 |
5.4.2 约束条件 |
5.5 算例分析 |
5.5.1 小规模算例 |
5.5.2 北京地铁八通线算例 |
5.6 本章小结 |
6 结论与展望 |
6.1 研究总结 |
6.2 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 |
(4)城轨服务中断下乘客出行行为分析及应急接驳公交优化研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 应急接驳实践问题的思考 |
1.1.3 研究意义 |
1.2 研究目标及范围界定 |
1.2.1 研究目标 |
1.2.2 研究范围界定 |
1.3 研究内容与技术路线 |
1.4 本章小结 |
2 国内外研究现状 |
2.1 服务中断下出行行为研究 |
2.1.1 数理统计方法 |
2.1.2 乘客仿真模型 |
2.1.3 离散选择模型 |
2.2 应急接驳公交优化 |
2.2.1 通用公交优化框架 |
2.2.2 应急接驳公交优化 |
2.3 研究现状评述 |
2.4 本章小结 |
3 应急接驳下出行方案选择行为调查及特征分析 |
3.1 行为调查问卷设计 |
3.1.1 场景实验设计 |
3.1.2 出行特征调查 |
3.1.3 个人属性调查 |
3.2 调查数据收集及统计分析 |
3.2.1 样本合理性验证 |
3.2.2 出行特征信息 |
3.2.3 个人属性信息 |
3.3 应急接驳下出行方案选择行为特征分析 |
3.3.1 场景变量对方案选择分布的影响 |
3.3.2 出行特征对方案选择分布的影响 |
3.3.3 个人属性对方案选择比例的影响 |
3.4 本章小结 |
4 考虑不确定性和异质性的应急接驳下出行方案选择行为建模 |
4.1 基于扩展期望效用的出行方案选择行为建模 |
4.1.1 扩展期望效用理论 |
4.1.2 扩展期望效用计算 |
4.1.3 模型变量说明 |
4.1.4 模型检验 |
4.1.5 模型结果分析 |
4.2 基于信息熵风险度量的出行方案选择行为建模 |
4.2.1 信息熵风险度量方法 |
4.2.2 模型变量说明 |
4.2.3 模型结果分析 |
4.3 基于潜在分类模型(LCM)的出行方案选择行为建模 |
4.3.1 LCM建模框架 |
4.3.2 模型变量说明 |
4.3.3 模型结果分析 |
4.4 应急接驳下出行方案选择模型汇总 |
4.5 本章小结 |
5 弹性需求下应急接驳公交运行方案优化研究 |
5.1 问题描述及解决思路 |
5.2 应急接驳公交运行方案优化模型 |
5.2.1 符号说明 |
5.2.2 模型假设 |
5.2.3 优化模型 |
5.3 模型求解算法 |
5.3.1 算法选择 |
5.3.2 站停方案生成 |
5.3.3 离散事件仿真过程 |
5.3.4 基于仿真的改进遗传算法设计 |
5.4 案例分析 |
5.4.1 基础数据 |
5.4.2 优化结果 |
5.4.3 灵敏度分析 |
5.5 本章小结 |
6 联合调度下应急接驳公交行车计划编制研究 |
6.1 问题描述及解决思路 |
6.2 联合调度下行车计划编制优化模型 |
6.2.1 符号说明 |
6.2.2 模型假设 |
6.2.3 优化模型 |
6.3 模型求解算法 |
6.3.1 算法选择 |
6.3.2 约束条件处理 |
6.3.3 NSGA-Ⅱ算法关键操作设计 |
6.4 案例分析 |
6.4.1 基础数据 |
6.4.2 对照求解算法 |
6.4.3 优化结果 |
6.5 本章小结 |
7 总结与展望 |
7.1 研究总结 |
7.2 创新点 |
7.3 研究展望 |
参考文献 |
附录A 城轨服务中断下乘客出行行为调查问卷 |
附录B 受阻客流界定主程序代码 |
附录C 同和-龙归应急接驳公交行车计划优化结果 |
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)基于UGF的结构可靠性优化算法研究(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 结构可靠性优化设计研究概述 |
1.2.1 可靠性优化设计方法 |
1.2.2 可靠性优化设计的概率计算 |
1.3 本文主要研究内容 |
第二章 典型RBDO方法及瓶颈问题研究 |
2.1 双循环法 |
2.1.1 基于RIA的双循环法 |
2.1.2 基于PMA的双循环法 |
2.2 单循环法 |
2.3 解耦法 |
2.4 RBDO瓶颈问题研究 |
2.4.1 随机变量非正态 |
2.4.2 随机变量具有相关性 |
2.4.3 功能函数高度非线性 |
2.4.4 多失效模式及系统可靠性优化 |
2.5 本章总结 |
第三章 基于UGF的可靠性分析 |
3.1 UGF理论研究概述 |
3.2 随机变量的UGF |
3.2.1 离散型随机变量的UGF |
3.2.2 连续型随机变量的UGF |
3.3 基于UGF的可靠性分析方法 |
3.4 连续变量的非均匀离散化技术 |
3.5 非均匀聚类技术 |
3.6 本章总结 |
第四章 UGF-偏移向量法 |
4.1 引言 |
4.2 理论基础 |
4.2.1 偏移向量的定义与更新策略 |
4.2.2 偏移函数J的拟合与动态更新 |
4.2.3 确定性优化求解与可靠性评估 |
4.3 算例分析 |
4.3.1 算例1 |
4.3.2 算例2 |
4.3.3 算例3 |
4.4 本章总结 |
第五章 UGF-直接映射法 |
5.1 引言 |
5.2 理论基础 |
5.2.1 指标函数的响应面模型 |
5.2.2 指标函数响应面的动态更新 |
5.2.3 UGF-直接映射法求解流程 |
5.3 算例分析 |
5.3.1 数值算例 |
5.3.2 工程算例 |
5.4 本章总结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
参考文献 |
攻读学位期间研究成果 |
致谢 |
(6)轨道角动量模式复用光通信系统中干扰抑制方法研究(论文提纲范文)
摘要 |
ABSTRACT |
缩略语 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 OAM的发展 |
1.2.2 OAM在通信领域的应用 |
1.2.3 OAM光通信系统中关键技术 |
1.3 本文主要研究内容和创新点 |
1.4 论文组织结构 |
参考文献 |
第二章 OAM模式复用光通信系统关键技术 |
2.1 引言 |
2.2 OAM模式复用空间光通信系统关键技术 |
2.2.1 大气湍流建模 |
2.2.2 大气湍流对涡旋光束的影响 |
2.2.3 GS算法 |
2.3 OAM模式复用光纤通信系统关键技术 |
2.3.1 OAM模式复用光纤通信系统搭建 |
2.3.2 非线性的产生及特性 |
2.3.3 传统器件非线性均衡方法 |
2.4 本章小结 |
参考文献 |
第三章 OAM-FSO系统中基于WF的相位校正方法研究 |
3.1 引言 |
3.2 基于OAM的AO-FSO通信链路模型 |
3.3 基于WF算法的相位校正方法 |
3.4 仿真结果和性能分析 |
3.5 本章小结 |
参考文献 |
第四章 OAM光纤通信系统中基于KNN的非线性判决方法研究 |
4.1 引言 |
4.2 基于KNN的判决方法 |
4.2.1 原理及方案 |
4.2.2 实验结果和性能分析 |
4.3 基于概率KNN的非线性判决方法 |
4.3.1 原理及方案 |
4.3.2 实验结果和性能分析 |
4.4 本章小结 |
参考文献 |
第五章 OAM光纤通信系统中基于朴素贝叶斯的非线性判决方法研究 |
5.1 引言 |
5.2 基于朴素贝叶斯的非线性判决方法 |
5.2.1 原理及方案 |
5.2.2 实验结果和性能分析 |
5.3 基于DNB的非线性判决方法 |
5.3.1 原理及方案 |
5.3.2 实验结果和性能分析 |
5.4 本章小结 |
参考文献 |
第六章 总结与展望 |
6.1 总结 |
6.2 未来研究展望 |
致谢 |
攻读学位期间发表的学术论文目录 |
(7)时间序列辨别性模式发现及分类方法关键技术研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外发展现状 |
1.2.1 定义与符号 |
1.2.2 时间序列的相似性 |
1.2.3 时间序列中的辨别性模式发现 |
1.2.4 基于贝叶斯网络的分类 |
1.3 主要研究内容 |
1.4 论文组织 |
2 基于选择性模式的贝叶斯分类方法 |
2.1 引言 |
2.2 背景知识 |
2.2.1 模式的挖掘 |
2.2.2 属性依赖关系分析 |
2.3 基于选择性模式的贝叶斯分类算法 |
2.3.1 模式分类能力的刻画 |
2.3.2 基于选择性模式的朴素贝叶斯分类算法 |
2.3.3 基于选择性模式的单层依赖分类算法 |
2.4 实验评估 |
2.4.1 实验设置 |
2.4.2 准确率分析 |
2.4.3 参数分析 |
2.5 本章小结 |
3 基于shapelets的贝叶斯网络时间序列分类方法 |
3.1 引言 |
3.2 背景知识 |
3.2.1 时间序列辨别性模式shapelets |
3.2.2 加权聚合单层依赖估计 |
3.3 基于shapelets的贝叶斯网络分类算法 |
3.4 实验评估 |
3.4.1 实验设置 |
3.4.2 准确率分析 |
3.4.3 可解释性分析 |
3.5 本章小结 |
4 基于离散傅里叶变换的朴素贝叶斯时间序列分类方法 |
4.1 引言 |
4.2 时间序列的傅里叶变换 |
4.3 基于离散傅里叶变换的朴素贝叶斯分类算法 |
4.4 实验评估 |
4.4.1 参数分析 |
4.4.2 性能评估 |
4.4.3 讨论 |
4.5 本章小结 |
5 基于兴趣衰减机制加权的贝叶斯网络时间序列分类方法 |
5.1 引言 |
5.2 背景知识 |
5.2.1 时间序列早期分类 |
5.2.2 兴趣衰减机制 |
5.3 基于兴趣衰减机制的网络流量控制方法 |
5.3.1 对等网络流量控制 |
5.3.2 消息转发流程 |
5.3.3 实验设置 |
5.3.4 性能评估 |
5.3.5 小结 |
5.4 基于兴趣衰减机制的余弦加权分类方法 |
5.4.1 权重系数优化 |
5.4.2 实验设置 |
5.4.3 性能评估 |
5.5 本章小结 |
6 面向军事的基于辨别性模式时间序列分类方法研究 |
6.1 引言 |
6.2 开源情报分析问题 |
6.2.1 美国开源情报的发展历程 |
6.2.2 开源情报在联合作战条令中的地位 |
6.3 社交媒体开源情报的军事应用 |
6.3.1 开源情报的形成 |
6.3.2 引导军事行动 |
6.3.3 网络心理战 |
6.3.4 引导网情风向 |
6.4 基于辨别性模式的时间序列分类方法应用 |
6.4.1 筛选开源数据 |
6.4.2 增强可解释性 |
6.4.3 处理混合数据 |
6.5 本章小结 |
7 结论与展望 |
7.1 研究工作总结 |
7.2 未来工作展望 |
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 |
(8)城市轨道交通乘客路径动态诱导策略优化研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.3 国内外研究现状 |
1.3.1 诱导信息影响下的出行者选择行为研究 |
1.3.2 诱导信息发布条件下网络流分布研究 |
1.3.3 诱导策略优化研究 |
1.3.4 既有研究总结 |
1.4 研究范围和内容 |
1.4.1 研究范围 |
1.4.2 研究内容 |
1.5 论文结构及技术路线 |
2 城市轨道交通乘客路径动态诱导问题分析 |
2.1 客流诱导现状分析 |
2.2 乘客路径动态诱导问题特征 |
2.3 基于马尔可夫决策过程的问题建模 |
2.4 问题求解思路 |
2.4.1 关键子问题分析 |
2.4.2 诱导信息影响下乘客路径选择行为建模思路 |
2.4.3 诱导信息发布条件下的网络客流动态分布推演思路 |
2.4.4 乘客路径动态诱导策略优化思路 |
2.5 本章小结 |
3 诱导信息影响下乘客路径选择行为建模 |
3.1 问题分析 |
3.1.1 乘客决策特性分析 |
3.1.2 既有模型适用性与不足 |
3.2 诱导信息影响下乘客路径选择模型 |
3.2.1 后悔函数构建 |
3.2.2 模型构造 |
3.2.3 参数估计方法 |
3.2.4 模型评估指标 |
3.3 SP实验设计 |
3.3.1 实验设计要求 |
3.3.2 选择集规模确定 |
3.3.3 属性与属性水平确定 |
3.3.4 选择集生成 |
3.3.5 问卷设计 |
3.4 数据分析与模型标定 |
3.4.1 调查数据统计分析 |
3.4.2 订阅信息服务意愿Logistic回归分析 |
3.4.3 路径选择模型标定结果 |
3.5 本章小结 |
4 诱导信息发布条件下的网络客流分布动态推演 |
4.1 问题分析 |
4.1.1 网络客流分布特性 |
4.1.2 离散事件系统建模适用性分析 |
4.2 基于离散事件系统的城市轨道交通系统中观建模 |
4.2.1 基于点弧集合的网络拓扑实体建模 |
4.2.2 基于服务的列车实体建模 |
4.2.3 基于多智能体的乘客实体建模 |
4.2.4 基于智能决策的运营者实体建模 |
4.2.5 城市轨道交通系统耦合模型 |
4.3 诱导信息发布条件下系统动态推演机制 |
4.3.1 列车运行过程推演 |
4.3.2 乘客决策和出行过程推演 |
4.3.3 运营者路径诱导决策推演 |
4.4 网络客流分布动态仿真系统构建 |
4.4.1 系统基本框架 |
4.4.2 系统类结构设计 |
4.4.3 系统功能模块 |
4.5 案例验证 |
4.5.1 案例背景 |
4.5.2 案例结果 |
4.6 本章小结 |
5 基于深度强化学习的乘客路径动态诱导策略优化 |
5.1 问题分析 |
5.1.1 乘客路径诱导策略优化问题特征 |
5.1.2 强化学习适用性分析 |
5.2 训练样本构建 |
5.2.1 基于堆栈自编码器的网络客流分布状态特征提取 |
5.2.2 基于诱导方向的诱导信息发布动作生成 |
5.2.3 基于多目标加权的奖励值设定 |
5.3 基于DDPG的乘客路径动态诱导策略学习算法 |
5.3.1 DDPG算法概述 |
5.3.2 乘客路径动态诱导策略学习网络构建 |
5.3.3 网络训练流程 |
5.4 案例分析 |
5.4.1 小规模案例 |
5.4.2 大规模案例 |
5.4.3 案例结果总结 |
5.5 本章小结 |
6 结论与展望 |
6.1 研究总结 |
6.2 主要创新点 |
6.3 研究展望 |
参考文献 |
附录 A 城市轨道交通信息服务调查问卷 |
附录 B 随机后悔最小化模型路径选择概率推导 |
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 |
(9)不确定性条件下流程企业生产调度和鲁棒优化研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
缩写、术语表 |
1 绪论 |
1.1 流程企业中的生产调度问题 |
1.2 不确定性条件下过程调度的研究现状 |
1.2.1 不确定性的来源与分类 |
1.2.2 不确定性条件下的调度方法 |
1.2.2.1 被动反应式调度 |
1.2.2.2 主动预防式调度 |
1.3 鲁棒优化研究现状 |
1.3.1 数据驱动鲁棒优化 |
1.3.2 可调鲁棒优化 |
1.3.3 分布鲁棒优化 |
1.3.4 鲁棒优化与其它不确定性优化方法之间的联系 |
1.4 本文主要内容和结构 |
1.5 符号说明 |
1.6 本章小结 |
2 基于有限适应性的乙烯厂生产调度鲁棒优化 |
2.1 引言 |
2.2 问题描述 |
2.3 数据驱动的不确定性集合树 |
2.3.1 基于时间和演化路径进行划分的不确定性集合 |
2.3.2 不确定性集合树 |
2.3.3 基于核密度估计构建不确定性子集合 |
2.4 帕累托最优有限适应性 |
2.4.1 第一层模型 |
2.4.1.1 目标函数 |
2.4.1.2 约束 |
2.4.2 第二层模型 |
2.4.2.1 帕累托鲁棒最优解集的定义 |
2.4.2.2 最小利润约束 |
2.4.2.3 目标函数 |
2.5 瓶颈分析 |
2.5.1 瓶颈一:不确定性演化路径的数量 |
2.5.2 瓶颈二:可调变量的选取 |
2.6 工业仿真案例分析 |
2.6.1 可调变量的选取 |
2.6.1.1 基础组合 |
2.6.1.2 炉群组合和全组合 |
2.6.2 案例一:10天的调度周期并有4条演化路径 |
2.6.2.1 不确定性集合树 |
2.6.2.2 POFA模型鲁棒重构 |
2.6.2.3 结果分析与讨论 |
2.6.3 案例二:20天的调度周期并有29条演化路径 |
2.7 本章小结 |
3 考虑内生不确定性的多阶段鲁棒混合整数优化 |
3.1 引言 |
3.2 两阶段模型 |
3.2.1 跃升不确定性集合 |
3.2.2 基于决策规则近似的模型重构 |
3.3 多阶段模型 |
3.3.1 跃升不确定性集合 |
3.3.2 基于决策规则近似的模型重构 |
3.4 案例分析 |
3.4.1 两阶段决策优化问题 |
3.4.1.1 0-1补偿的收益 |
3.4.1.2 内生不确定性的影响 |
3.4.1.3 折点的选择 |
3.4.2 多阶段生产调度问题 |
3.4.2.1 0-1补偿的收益 |
3.4.2.2 计算性能的相关讨论 |
3.5 本章小结 |
4 基于多阶段分布鲁棒优化的生产维护集成调度研究 |
4.1 引言 |
4.2 问题描述 |
4.3 集成生产与维护操作的确定性调度模型 |
4.3.1 任务分配约束 |
4.3.2 产量约束 |
4.3.3 设备单元健康状态的确定性模型 |
4.3.4 物料守恒约束 |
4.3.5 目标函数 |
4.4 考虑设备损耗不确定性的分布鲁棒调度模型 |
4.4.1 设备健康状态的随机模型 |
4.4.2 多阶段分布鲁棒调度模型 |
4.4.3 Wasserstein模糊集合 |
4.5 基于决策规则的鲁棒模型重构 |
4.5.1 跃升不确定性集合 |
4.5.2 跃升模糊集合 |
4.5.3 决策规则 |
4.5.4 约束的鲁棒重构 |
4.5.5 目标函数的鲁棒重构 |
4.5.6 补偿决策的信息基 |
4.6 案例分析 |
4.6.1 应用示例 |
4.6.1.1 补偿决策的信息基 |
4.6.1.2 混合整数补偿决策的收益 |
4.6.1.3 考虑多种维护选项的收益 |
4.6.1.4 分布鲁棒性与样本外性能 |
4.6.2 工业仿真案例 |
4.7 本章小结 |
5 可调鲁棒优化和内生不确定性及主动学习的统一框架 |
5.1 引言 |
5.2 从鲁棒优化的视角看内生不确定性 |
5.3 内生不确定性和主动学习 |
5.4 考虑内生不确定性的两阶段鲁棒优化 |
5.4.1 考虑1型内生不确定性 |
5.4.2 考虑2a型内生不确定性 |
5.4.3 考虑2b型内生不确定性 |
5.5 考虑内生不确定性的多阶段鲁棒优化 |
5.6 决策规则方法 |
5.6.1 取决于决策的不可预见性 |
5.6.2 跃升不确定性 |
5.6.3 决策规则近似 |
5.6.4 鲁棒模型重构 |
5.7 案例分析 |
5.7.1 案例一:工厂建设决策优化 |
5.7.1.1 解析解 |
5.7.1.2 非最坏场景目标函数 |
5.7.2 案例二:基于检视的生产维护集成调度优化 |
5.7.3 案例三:产能规划的修订时间点优化 |
5.7.4 案例四:集成主动参数估计的生产调度优化 |
5.8 本章小结 |
6 总结与展望 |
6.1 研究工作总结 |
6.2 研究工作展望 |
参考文献 |
附录 |
A1 第2章:基于有限适应性的乙烯厂生产调度鲁棒优化 |
A1.1 符号说明 |
A1.2 乙烯厂确定性调度模型 |
A2 第3章:考虑内生不确定性的多阶段鲁棒混合整数优化 |
A2.1 多阶段问题中受限制的决策规则 |
A2.2 案例数据 |
A3 第4章:基于多阶段分布鲁棒优化的生产维护集成调度研究 |
A3.1 确定性生产维护集成调度模型的符号说明 |
A3.2 目标函数鲁棒重构模型的证明 |
A3.3 应用示例:案例数据 |
A4 第5章:可调鲁棒优化和内生不确定性及主动学习的统一框架 |
A4.1 模型(5.36)的详细推导过程 |
A4.2 案例三:装机容量规划问题的案例数据 |
作者简历及攻读博士学位期间科研成果 |
(10)面向石化企业的计划调度建模及优化算法研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
缩写、术语表 |
1 绪论 |
1.1 智能制造下企业级优化的背景和意义 |
1.2 企业级优化的挑战 |
1.3 石化企业决策建模 |
1.3.1 企业级建模方法 |
1.3.2 集成建模 |
1.3.3 不确定性建模与优化 |
1.4 大规模混合整数规划优化算法 |
1.4.1 针对MILP问题的分解算法 |
1.4.2 针对MINLP问题的分解算法 |
1.5 论文研究内容及组织结构 |
2 多周期页岩气田开发设计及计划问题研究 |
2.1 引言 |
2.2 相关工作 |
2.3 问题描述 |
2.4 模型假设 |
2.5 数学模型 |
2.5.1 符号说明 |
2.5.2 页岩气井开发约束 |
2.5.3 关井约束 |
2.5.4 钻机分配约束 |
2.5.5 流量平衡约束 |
2.5.6 管道尺寸约束 |
2.5.7 目标函数 |
2.6 双层分解算法 |
2.6.1 主问题定义 |
2.6.2 子问题定义 |
2.6.3 基于解池的双层分解算法 |
2.7 案例分析 |
2.7.1 模型性能分析 |
2.7.2 算法性能分析 |
2.7.3 最优决策分析 |
2.8 本章小结 |
3 产量不确定性下的页岩气田开发设计及计划问题研究 |
3.1 引言 |
3.2 问题描述 |
3.2.1 模型假设 |
3.3 确定性模型 |
3.3.1 符号说明 |
3.3.2 页岩气井开发约束 |
3.3.3 钻机分配约束 |
3.3.4 流量平衡约束 |
3.3.5 管道容量约束 |
3.3.6 目标函数 |
3.3.7 现金流约束 |
3.4 多阶段随机规划模型 |
3.4.1 流量约束 |
3.4.2 期望净现值 |
3.4.3 初始不可预期约束 |
3.4.4 条件不可预期约束 |
3.4.5 逻辑约束 |
3.5 拉格朗日分解 |
3.5.1 启发式算法 |
3.6 案例分析 |
3.6.1 拉格朗日分解算法计算结果 |
3.6.2 随机规划决策过程 |
3.6.3 产量系数方差灵敏度分析 |
3.6.4 增大区域间产量期望值差异 |
3.6.5 针对不确定性参数概率分布的灵敏度分析 |
3.6.6 不确定性参数观测延迟的影响 |
3.7 本章小结 |
4 需求不确定下的生产计划调度集成模型研究 |
4.1 引言 |
4.2 问题描述及通用模型 |
4.3 求解策略 |
4.3.1 基于逐步对冲算法的求解策略 |
4.3.2 加速策略 |
4.4 案例分析 |
4.4.1 应用案例 |
4.4.2 实际工业案例 |
4.5 本章小结 |
5 针对非凸MINLP问题的全局外逼近法研究 |
5.1 引言 |
5.2 外逼近法 |
5.3 基于LP/NLP的分支定界算法 |
5.4 基于McCormick松弛的全局外逼近法 |
5.4.1 McCormick松弛 |
5.4.2 基于McCormick的全局松弛外逼近法 |
5.4.3 基于McCormick松弛的LP/NLP分支定界算法 |
5.5 收敛性证明 |
5.6 工程实践细节 |
5.6.1 整数割平面 |
5.6.2 禁忌表 |
5.6.3 分支定界算法 |
5.7 算法性能测试 |
5.7.1 数值示例 |
5.7.2 工业案例:炼油厂原油操作调度问题 |
5.7.3 基准库测试 |
5.8 本章小结 |
6 正则化外逼近法及LP/NLP分支定界算法研究 |
6.1 引言 |
6.2 正则化外逼近法 |
6.3 基于拉格朗日函数的正则化 |
6.4 收敛性证明 |
6.5 正则化LP/NLP分支定界算法 |
6.6 算法性能测试 |
6.6.1 工程实践细节 |
6.6.2 外逼近法性能测试 |
6.6.3 正则化外逼近法性能测试 |
6.7 本章小结 |
7 总结与展望 |
7.1 研究工作总结 |
7.2 研究工作展望 |
参考文献 |
附录 |
A 拉格朗日分解中乘子更新方法 |
A.1 割平面法 |
A.2 次梯度法 |
B 第二章广义析取规划约束重构 |
C 非凸MINLP算例集 |
D 凸MINLP算例集 |
作者简历及在学期间所取得的科研成果 |
四、基于离散概率分布的随机需求之实现研究(论文参考文献)
- [1]出行前信息对出行决策和出行成本的影响研究[D]. 于云. 北京交通大学, 2021
- [2]考虑振源随机特性的地铁列车振动环境影响混合预测模型研究[D]. 李明航. 北京交通大学, 2021
- [3]城市轨道交通客流协同控制优化模型与算法[D]. 孟凡婷. 北京交通大学, 2021
- [4]城轨服务中断下乘客出行行为分析及应急接驳公交优化研究[D]. 李斌斌. 北京交通大学, 2021
- [5]基于UGF的结构可靠性优化算法研究[D]. 朱达伟. 江苏理工学院, 2021(02)
- [6]轨道角动量模式复用光通信系统中干扰抑制方法研究[D]. 周思彤. 北京邮电大学, 2021(01)
- [7]时间序列辨别性模式发现及分类方法关键技术研究[D]. 鞠卓亚. 北京交通大学, 2021(02)
- [8]城市轨道交通乘客路径动态诱导策略优化研究[D]. 贾飞凡. 北京交通大学, 2021
- [9]不确定性条件下流程企业生产调度和鲁棒优化研究[D]. 凤伟. 浙江大学, 2021(01)
- [10]面向石化企业的计划调度建模及优化算法研究[D]. 彭泽栋. 浙江大学, 2021(01)