本文選題：交通工程　切入點(diǎn)：布局優(yōu)化　出處：《公路交通科技》2017年06期

【摘要】：針對(duì)帶有充電站服務(wù)要求和用戶充電需求限制的電動(dòng)汽車充電站布局優(yōu)化問題,構(gòu)建了以充電站服務(wù)成本和用戶需求成本之和最小為目標(biāo)的優(yōu)化模型。將K中心點(diǎn)算法和云模型混合自適應(yīng)粒子群算法相結(jié)合,提出了一種提高全局搜索能力的自適應(yīng)參數(shù)改變算法。利用云模型混合自適應(yīng)粒子群算法的特點(diǎn),構(gòu)建了求解電動(dòng)汽車充電站布局優(yōu)化問題的K中心點(diǎn)云模型混合自適應(yīng)粒子群算法。仿真結(jié)果表明:求解帶有充電站服務(wù)要求和用戶充電需求限制的電動(dòng)汽車充電站布局優(yōu)化問題時(shí),改進(jìn)的K中心點(diǎn)云模型混合自適應(yīng)粒子群算法優(yōu)于云模型粒子群算法和基本粒子群算法;與基本算法相比,改進(jìn)的算法效率更好,收斂性更好,證明了改進(jìn)算法的有效性與可行性。
[Abstract]:Aiming at the problem of layout optimization of charging stations for electric vehicles with charging station service requirements and user charging requirements, An optimization model with the goal of minimizing the sum of service cost of charging station and cost of user demand is constructed, which combines the K-center algorithm with the hybrid adaptive particle swarm optimization algorithm of cloud model. In this paper, an adaptive parameter changing algorithm is proposed to improve the global search ability. The K-center point cloud model hybrid adaptive particle swarm optimization algorithm for the layout optimization of charging stations of electric vehicles is constructed. The simulation results show that the charging of electric vehicles with charging requirements and user charging requirements is limited. When the power plant layout optimization problem, The improved K-center point cloud model hybrid adaptive particle swarm optimization algorithm is superior to the cloud model particle swarm optimization algorithm and the basic particle swarm optimization algorithm, compared with the basic algorithm, the improved algorithm has better efficiency and better convergence. The effectiveness and feasibility of the improved algorithm are proved.
【作者單位】： 上海理工大學(xué)管理學(xué)院;
【分類號(hào)】：TP18;U491.8

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張薇;;基于改進(jìn)粒子群算法的隨機(jī)流路網(wǎng)可靠性研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年03期

2 劉志雄;;基于粒子群算法的物流配送車輛優(yōu)化調(diào)度研究[J];武漢科技大學(xué)學(xué)報(bào);2009年06期

3 楊俊宇;秦志鋒;;基于粒子群算法的公交車調(diào)度研究[J];交通信息與安全;2009年06期

4 王非;張佳;孫浩杰;樊根耀;;配送中心選址-庫存問題的粒子群算法應(yīng)用[J];公路交通科技;2011年12期

5 高書儉;王勇;張永;;基于混合粒子群算法的物流集氣管網(wǎng)布局優(yōu)化[J];重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

6 連志剛;林蔚天;曹宇;計(jì)春雷;;基于類粒子群算法的集裝箱裝載模型優(yōu)化研究[J];重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

7 豐偉;李雪芹;;基于粒子群算法的多目標(biāo)車輛調(diào)度模型求解[J];系統(tǒng)工程;2007年04期

8 郝會(huì)霞;郗建國;;改進(jìn)的粒子群算法在VRP中的應(yīng)用[J];現(xiàn)代交通技術(shù);2007年04期

9 歐陽星明;林偉周;陳迎春;;基于混合粒子群算法的試驗(yàn)選址問題研究[J];計(jì)算機(jī)工程與科學(xué);2007年11期

10 陳金;周康;劉鵬;邱江;;三段式粒子群算法在車輛調(diào)度問題中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2012年33期

相關(guān)會(huì)議論文 前1條

1 李曙光;;粒子群算法在高速公路多路徑費(fèi)用拆分方法研究[A];第二十六屆中國控制會(huì)議論文集[C];2007年

相關(guān)碩士學(xué)位論文 前3條

1 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

2 王超;基于粒子群算法的橋墩多目標(biāo)優(yōu)化設(shè)計(jì)方法研究[D];西安工業(yè)大學(xué);2016年

3 張超;一種遺傳粒子群算法及其在集裝箱裝船順序優(yōu)化問題中的應(yīng)用[D];大連海事大學(xué);2014年

，

本文編號(hào)：1687055