既有交叉口信号配时与网联自动驾驶车辆(Connected and Automated Vehicle,CAV)轨迹规划协同优化中,未考虑CAV环境下出口、左转、直行及右转车道数在运营期可灵活动态调整的优势。本文结合CAV技术特征,提出一套CAV环境下交叉口车道分配...既有交叉口信号配时与网联自动驾驶车辆(Connected and Automated Vehicle,CAV)轨迹规划协同优化中,未考虑CAV环境下出口、左转、直行及右转车道数在运营期可灵活动态调整的优势。本文结合CAV技术特征,提出一套CAV环境下交叉口车道分配可动态调整的控制规则,称为灵活车道策略,与已有固定车道策略相比,实现了运营期交叉口各方向出口车道数和进口车道数(包括左转、直行和右转)的灵活调整。将车道分配和信号配时与CAV轨迹规划纳入到一个统一优化框架中,构建混合整数线性规划优化模型,同时,可根据各个方向车道分配情况自动生成可行的相位相序方案,并通过案例分析验证模型的有效性。研究结果表明:优化模型可根据各流向交通需求生成最优车道分配方案,尤其是当固定车道策略的车道分配与各流向交通组成不匹配时,灵活车道策略有助于提升交叉口通行效率;在低流量场景,灵活车道策略降低了4.08%的车均延误;在高流量场景,交叉口采用固定车道策略将处于过饱和状态,而灵活车道策略依然能满足通行需求。展开更多
近年来,混合整数线性规划(mixed integer linear programming,MILP)被广泛应用于密码分析中.MILP方法中的一个关键数学问题是,对于一个给定点集S■{0,1}n,寻找不等式个数尽可能少的线性整系数不等式组,使得其在{0,1}n上的解集恰好是S,...近年来,混合整数线性规划(mixed integer linear programming,MILP)被广泛应用于密码分析中.MILP方法中的一个关键数学问题是,对于一个给定点集S■{0,1}n,寻找不等式个数尽可能少的线性整系数不等式组,使得其在{0,1}n上的解集恰好是S,称该问题为S的线性整系数不等式完全刻画(full linear integer inequality characterization,FLIIC)问题.本文针对FLIIC问题改进了Coggia和Boura在会议FSE 2020上提出的球方法.对于半径为2的球的一个子集,给出了一个充要条件,其可以用来判定该子集是否可以只用一个整系数线性不等式完全刻画.该充要条件完全涵盖了Coggia和Boura的球方法中半径为1和2以及合并3个半径为1的球的情况.此外,进一步将球的半径从2扩展到了3,该方法可以对较大规模的S盒进行快速求解,例如对AES中使用的S盒,获得了含有2740个不等式的完全刻画.展开更多
文摘既有交叉口信号配时与网联自动驾驶车辆(Connected and Automated Vehicle,CAV)轨迹规划协同优化中,未考虑CAV环境下出口、左转、直行及右转车道数在运营期可灵活动态调整的优势。本文结合CAV技术特征,提出一套CAV环境下交叉口车道分配可动态调整的控制规则,称为灵活车道策略,与已有固定车道策略相比,实现了运营期交叉口各方向出口车道数和进口车道数(包括左转、直行和右转)的灵活调整。将车道分配和信号配时与CAV轨迹规划纳入到一个统一优化框架中,构建混合整数线性规划优化模型,同时,可根据各个方向车道分配情况自动生成可行的相位相序方案,并通过案例分析验证模型的有效性。研究结果表明:优化模型可根据各流向交通需求生成最优车道分配方案,尤其是当固定车道策略的车道分配与各流向交通组成不匹配时,灵活车道策略有助于提升交叉口通行效率;在低流量场景,灵活车道策略降低了4.08%的车均延误;在高流量场景,交叉口采用固定车道策略将处于过饱和状态,而灵活车道策略依然能满足通行需求。
文摘为提升自动化集装箱码头的作业效率,减轻码头吞吐量增大带来的交通问题,降低自动化导引小车(Automated Guided Vehicle,AGV)的空载率,在自动化集装箱码头应用可以同时搬运不止一个集装箱的多载AGV,建立多载AGV调度问题的混合整数线性规划(Mixed-Integer Linear Programming,MILP)模型,应用遗传算法进行求解.借助算例,对比遗传算法与MILP算法的求解效果,分析交叉概率和变异概率对遗传算法的影响,比较多载AGV与单载AGV的作业时间,验证遗传算法的可靠性.该方法表明,遗传算法不仅求解效率高,而且对MILP算法不适用的大、中型多载AGV调度问题,也能给出值得信赖的近似最优解.
文摘近年来,混合整数线性规划(mixed integer linear programming,MILP)被广泛应用于密码分析中.MILP方法中的一个关键数学问题是,对于一个给定点集S■{0,1}n,寻找不等式个数尽可能少的线性整系数不等式组,使得其在{0,1}n上的解集恰好是S,称该问题为S的线性整系数不等式完全刻画(full linear integer inequality characterization,FLIIC)问题.本文针对FLIIC问题改进了Coggia和Boura在会议FSE 2020上提出的球方法.对于半径为2的球的一个子集,给出了一个充要条件,其可以用来判定该子集是否可以只用一个整系数线性不等式完全刻画.该充要条件完全涵盖了Coggia和Boura的球方法中半径为1和2以及合并3个半径为1的球的情况.此外,进一步将球的半径从2扩展到了3,该方法可以对较大规模的S盒进行快速求解,例如对AES中使用的S盒,获得了含有2740个不等式的完全刻画.
