• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于粒子群算法優(yōu)化的城市供水量預(yù)測模型研究

    2019-10-11 11:24:36陳攀杜坤周明毛潤康雷雨晴丁榕藝
    軟件導(dǎo)刊 2019年7期
    關(guān)鍵詞:粒子群算法供水量神經(jīng)網(wǎng)絡(luò)

    陳攀 杜坤 周明 毛潤康 雷雨晴 丁榕藝

    摘 要:鑒于BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)在城市供水量預(yù)測精度上的不足,利用粒子群算法優(yōu)化兩者相關(guān)參數(shù),實(shí)現(xiàn)更高預(yù)測精度,并通過建立BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、PSO-BP神經(jīng)網(wǎng)絡(luò)、PSO-RBF神經(jīng)網(wǎng)絡(luò)分別對城市供水量數(shù)據(jù)進(jìn)行仿真預(yù)測。最終測試樣本統(tǒng)計(jì)結(jié)果顯示:RBF神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)平均相對誤差(MRE)低約1%,在擬合度(R2)上高約0.014;PSO-BP神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)在MRE上降低約1.25%,在R2上提高約0.05;PSO-RBF神經(jīng)網(wǎng)絡(luò)比RBF神經(jīng)網(wǎng)絡(luò)在MRE上降低約0.3%,在R2上提高約0.072。由此說明RBF神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)在城市供水量預(yù)測方面更有優(yōu)勢,并且利用粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型參數(shù)可有效提升神經(jīng)網(wǎng)絡(luò)預(yù)測精度。

    關(guān)鍵詞:粒子群算法;神經(jīng)網(wǎng)絡(luò);供水量;相對誤差;擬合度

    DOI:10. 11907/rjdk. 191738 開放科學(xué)(資源服務(wù))標(biāo)識碼(OSID):

    中圖分類號:TP303文獻(xiàn)標(biāo)識碼:A 文章編號:1672-7800(2019)007-0019-05

    Research on the Prediction Model of Urban Water Supply

    Based on Particle Swarm Optimization

    CHEN Pan, DU Kun, ZHOU Ming, MAO Run-kang, LEI Yu-qing, DING Rong-yi

    (Faculty of Civil Engineering and Mechanics, Kunming University of Science and Technology, Kunming 650500, China)

    Abstract:In view of the shortage of BP and RBF neural networks in the prediction accuracy of urban water supply, the particle swarm optimization algorithm is used to optimize the related parameters to achieve higher prediction accuracy, and BP neural network, RBF neural network and PSO-BP are established. The neural network and PSO-RBF neural network respectively simulate and predict the urban water supply data. The final test sample statistics show that the RBF neural network is about 1% lower than the BP neural network average relative error (MRE), and about 0.014 higher than the fitness (R2); PSO-BP neural network ratio the BP neural network was reduced by about 1.25% on the MRE and about 0.05 on the R2; the PSO-RBF neural network was reduced by about 0.3% on the MRE than the RBF neural network, and the R2 was improved on R2 by 0.072. Therefore, it is shown that RBF neural network has more advantages than BP neural network in urban water supply forecasting, and using particle swarm optimization algorithm to optimize the parameters of neural network model can effectively improve the prediction accuracy of neural network.

    Key Words: particle swarm optimization; neural network; water supply; relative error; fitting degree

    基金項(xiàng)目:國家自然科學(xué)基金項(xiàng)目(51608242);云南省應(yīng)用基礎(chǔ)研究青年項(xiàng)目(2017FD094)

    作者簡介:陳攀(1994-),男,昆明理工大學(xué)建筑工程學(xué)院碩士研究生,研究方向?yàn)槭姓こ?杜坤(1986-),男,博士,昆明理工大學(xué)建筑工程學(xué)院講師,研究方向?yàn)橹悄軆?yōu)化算法、供水管網(wǎng)數(shù)值仿真等。本文通訊作者:杜坤。

    0 引言

    城市供水量預(yù)測在水廠水泵運(yùn)行與優(yōu)化調(diào)度中起著舉足輕重的作用。準(zhǔn)確可靠的供水量預(yù)測可提高市政供水管網(wǎng)穩(wěn)定性與可靠性,并降低運(yùn)行時(shí)產(chǎn)生的能耗,同時(shí)也是城市供水基礎(chǔ)設(shè)施規(guī)劃設(shè)計(jì)的關(guān)鍵[1]。

    神經(jīng)網(wǎng)絡(luò)模型是近年研究熱門,也是預(yù)測城市供水量的有效模型,但由于其中參數(shù)設(shè)置直接影響模型性能和預(yù)測精準(zhǔn)度等,往往需要反復(fù)調(diào)試各個(gè)參數(shù)尋找最優(yōu)參數(shù)設(shè)置,而粒子群算法(PSO)能夠利用自身算法特點(diǎn)將神經(jīng)網(wǎng)絡(luò)中的某些參數(shù)進(jìn)行優(yōu)化,因此可以得到更優(yōu)越的神經(jīng)網(wǎng)絡(luò)模型用于供水量預(yù)測。

    班懿根[2]利用RBF神經(jīng)網(wǎng)絡(luò)對阿克蘇市需水量進(jìn)行預(yù)測,預(yù)測結(jié)果與實(shí)際需求吻合度較高,但當(dāng)原數(shù)據(jù)不充分時(shí),預(yù)測精度較低;溫家鳴等[3]利用BP神經(jīng)網(wǎng)絡(luò)對桂林市需水量進(jìn)行預(yù)測,精確度較高,但該神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)解。

    針對以上神經(jīng)網(wǎng)絡(luò)的缺點(diǎn),許多學(xué)者利用粒子群算法進(jìn)行參數(shù)優(yōu)化:張志宇等[4]利用粒子群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)參數(shù),再對需水量進(jìn)行預(yù)測,模型運(yùn)行速度及預(yù)測精度得到了提升;徐瑾等[5]為了解決BP易陷入局部最優(yōu)解的問題,利用粒子群算法優(yōu)化BP網(wǎng)絡(luò)連接權(quán)值及閾值,結(jié)果顯示優(yōu)化后的模型預(yù)測精度更高、更穩(wěn)定;陳偉楠等[6]將主成分分析法、粒子群算法及BP神經(jīng)網(wǎng)絡(luò)相結(jié)合對泰州市供水量進(jìn)行預(yù)測,結(jié)果顯示該組合運(yùn)行速度快、預(yù)測精度更高;商志根等[7]利用粒子群算法確定LS-SVM模型相關(guān)參數(shù),相比于原模型,優(yōu)化后的模型預(yù)測精度更高。

    本文利用粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)與RBF神經(jīng)網(wǎng)絡(luò)相關(guān)參數(shù),并對某市供水量數(shù)據(jù)進(jìn)行仿真預(yù)測,對比分析預(yù)測結(jié)果可知,該算法不僅可比較兩者性能差異,還可對神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,克服神經(jīng)網(wǎng)絡(luò)應(yīng)用的部分難點(diǎn)。

    1 神經(jīng)網(wǎng)絡(luò)模型

    1.1 RBF神經(jīng)網(wǎng)絡(luò)

    徑向基(RBF)神經(jīng)網(wǎng)絡(luò)[8]是一個(gè)三層前向神經(jīng)網(wǎng)絡(luò),具有一個(gè)單獨(dú)隱層。如圖1所示,第一層為輸入層,輸入層由信號源節(jié)點(diǎn)組成,僅用于傳輸信號;第二層是隱含層,利用非線性優(yōu)化方法對輸入向量進(jìn)行變換,并將低維輸入數(shù)據(jù)轉(zhuǎn)換為高維空間,使低維空間非線性問題成為高維空間線性問題;第三層是輸出層,使用線性優(yōu)化策略調(diào)整線性權(quán)重。

    圖1 RBF神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

    激活函數(shù)(徑向基函數(shù))[9]可表示為:

    [R(Xi-Zi)=exp(-12σ2Xi-Zi2)]? ? ? ? (1)

    網(wǎng)絡(luò)輸出[10]可表示為:

    [Yi=i=1hWijexp(-12σ2Xi-Zi2)]? ? ? ? (2)

    其中,[Xi]指第i個(gè)輸入樣本,[Zi]指隱藏層單元中心,[σ]指寬度,h指隱含層節(jié)點(diǎn)數(shù),n指輸出的樣本數(shù),W指隱含神經(jīng)元至輸出神經(jīng)元的連接權(quán)值。

    RBF應(yīng)用難點(diǎn)在于網(wǎng)絡(luò)訓(xùn)練,網(wǎng)絡(luò)訓(xùn)練應(yīng)正確選擇和估計(jì)輸入?yún)?shù),包括基本功能的中心和寬度以及神經(jīng)元連接權(quán)重。RBF神經(jīng)網(wǎng)絡(luò)隱含層至輸出層的映射關(guān)系是線性的,而將向量由低維度映射至高維度就是隱含層的作用,由此在高維度中就變成線性可分。RBF網(wǎng)絡(luò)在非線性與線性之間變化,使網(wǎng)絡(luò)加快學(xué)習(xí)速度且避免陷入局部極小解的情況;預(yù)測模型中的特征預(yù)處理技術(shù)對預(yù)測精度也有顯著影響,尤其是將神經(jīng)網(wǎng)絡(luò)與預(yù)處理的輸入特征數(shù)據(jù)相結(jié)合,可以獲得更好的預(yù)測精度。

    本文利用MATLAB中的newrb函數(shù)進(jìn)行建模。建模前需要預(yù)先設(shè)定訓(xùn)練參數(shù),包括徑向基函數(shù)擴(kuò)展速度和均方誤差目標(biāo)。速度越大,函數(shù)逼近誤差越大,但低速會(huì)導(dǎo)致網(wǎng)絡(luò)性能下降。目標(biāo)用于控制訓(xùn)練過程的終止。在訓(xùn)練過程中,中間層神經(jīng)元數(shù)量不斷增加,直至模型均方誤差達(dá)到設(shè)定值(目標(biāo))。由于很難確定這兩個(gè)參數(shù)的最佳值,本文利用PSO優(yōu)化網(wǎng)絡(luò)中的最佳訓(xùn)練參數(shù)(W,Z,σ 3個(gè)參數(shù))使神經(jīng)網(wǎng)絡(luò)性能大幅提升。

    1.2 BP神經(jīng)網(wǎng)絡(luò)

    反向傳播神經(jīng)網(wǎng)絡(luò)[11](BP神經(jīng)網(wǎng)絡(luò))是一種多層前饋人工神經(jīng)網(wǎng)絡(luò),由Rumelhart & McCelland于1986年提出的誤差反向傳播算法訓(xùn)練而成。BP神經(jīng)網(wǎng)絡(luò)能夠在數(shù)據(jù)輸入前后學(xué)習(xí)和存儲大量功能關(guān)系,若沒有事先確定功能關(guān)系,只能通過數(shù)據(jù)訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)算法是一種監(jiān)督學(xué)習(xí)算法,即若輸出層的實(shí)際輸出值與期望的輸出值不匹配,將立即進(jìn)行誤差反向傳播。該算法基于最小二乘法(LMS),采用逐層向前移動(dòng)的方法,使輸出值與期望值之間的誤差平方在閾值范圍內(nèi)。換言之,BP神經(jīng)網(wǎng)絡(luò)通過反向傳播修正網(wǎng)絡(luò)權(quán)值和閾值,減小輸出值和期望值之間的誤差。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括輸入層、隱含層以及輸出層。

    圖2 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

    隱含層節(jié)點(diǎn)輸出[12]為:

    [Oj=f(∑Wij×Xi-qj)]? ? ? ? (3)

    輸出節(jié)點(diǎn)輸出模型[13]為:

    [Ym=f(∑Wjk×Oj-qk)]? ? ? ? (4)

    其中,[Oj]指隱含層節(jié)點(diǎn)輸出,f指非線性作用函數(shù),[Wij]及[Wjk]指隱含層連接權(quán)值,[Xi]指輸入值,[Ym]指輸出值,[qj]及[qk]指神經(jīng)單元閾值。

    其中,PSO算法優(yōu)化對象是BP神經(jīng)網(wǎng)絡(luò)中的W和q兩個(gè)參數(shù)。

    考慮到將數(shù)據(jù)歸一化后可大幅提高神經(jīng)網(wǎng)絡(luò)性能,因此本文利用式(5)對原數(shù)據(jù)進(jìn)行線性函數(shù)轉(zhuǎn)換,再進(jìn)行歸一化處理。

    [y=x-xminxmax-xmin]? ? ? ? ? (5)

    其中,y指神經(jīng)網(wǎng)絡(luò)輸出值;x指原始數(shù)據(jù)輸入值;[xmin]指原始數(shù)據(jù)中的最小值;[xmax]指原始數(shù)據(jù)中的最大值。

    BP神經(jīng)網(wǎng)絡(luò)具有網(wǎng)絡(luò)結(jié)構(gòu)簡單、可操作性強(qiáng)、輸入輸出任意非線性擬合等優(yōu)點(diǎn),可用于圖像識別、信息預(yù)測和模式識別等。

    由式(6)可以大致確定BP神經(jīng)網(wǎng)絡(luò)的隱含層神經(jīng)元個(gè)數(shù)最佳值范圍[14]。

    [h=(m+n)+a]? ? ? ? ? (6)

    其中,h指隱含層神經(jīng)元個(gè)數(shù),m指輸入層節(jié)點(diǎn)數(shù),n指輸出層節(jié)點(diǎn)數(shù),a指1~10的常數(shù)。

    2 粒子群算法

    粒子群優(yōu)化(PSO)算法是Eberhart & Kennedy[15]于1995年提出的一種基于種群的隨機(jī)優(yōu)化技術(shù)。PSO的發(fā)展靈感來自于動(dòng)物群體的社會(huì)行為,如鳥群和魚群。PSO與其它一些進(jìn)化計(jì)算技術(shù)有許多相似之處:系統(tǒng)由隨機(jī)解的總體初始化,并通過更新代數(shù)搜索最優(yōu)解。在粒子群優(yōu)化算法中,每個(gè)個(gè)體都被稱為一個(gè)粒子,其行為就像鳥群(魚群)中的一只鳥(或魚)在尋找食物或躲避捕食者。每個(gè)粒子都有一個(gè)位置和一個(gè)速度,用來探索問題的搜索空間。一個(gè)位置代表一個(gè)潛在的問題解決辦法。一個(gè)粒子從它自己的經(jīng)驗(yàn)中學(xué)習(xí)(認(rèn)知成分),也從群體中學(xué)習(xí)(社會(huì)成分)。通常,個(gè)人和社會(huì)成分分別稱為Pbest(個(gè)體極值)和gbest(全局最優(yōu))。為了評估一個(gè)解,PSO迭代地計(jì)算每個(gè)粒子的適應(yīng)度[16]。

    這些粒子在超大型搜索空間中“飛行”。搜索空間中粒子位置變化是基于個(gè)體的社會(huì)心理激勵(lì)原理。每個(gè)粒子的位置根據(jù)其經(jīng)驗(yàn)和相鄰粒子的經(jīng)驗(yàn)變化。粒子群算法中的粒子作為候選解被引入。粒子執(zhí)行迭代目的是找到具有目標(biāo)函數(shù)最佳值的解。每個(gè)粒子都有一個(gè)由矢量[Xi](其中,i是粒子的下標(biāo))表示的位置,速度則表示為[Vi]矢量。迭代過程中的每一個(gè)粒子均會(huì)記住自身在Pbest矢量中的最佳位置。粒子群中的最佳位置矢量存儲在gbest中。每次迭代時(shí)速度矢量的更新根據(jù)公式(11)進(jìn)行;然后,利用前一位置獲得新的速度,根據(jù)公式(12)形成新的位置。

    具體過程為:設(shè)在一個(gè)Z維空間里面,存在隨機(jī)粒子N個(gè),則第i個(gè)粒子的位置函數(shù)可表示為[17]:

    [Xi=(Xi1,Xi2,?,XiZ)]? ? ? ? ? ? (7)

    其中i=1,2,……N(下同)。

    第i個(gè)粒子速度為:

    [Vi=(Vi1,Vi2,?,ViZ)]? ? ? ? ? (8)

    第i個(gè)粒子目前尋找到的個(gè)體極值為[18]:

    [Pbest=(Pi1,Pi2,?,PiZ)]? ? ? ? ?(9)

    則該Z維空間中的整個(gè)群落(粒子群)尋找到的最優(yōu)位置即為全局極值,因此可由式(6)表示為:

    [gbest=(Pg1,Pg2,?,PgZ)]? ? ? ? (10)

    其中,粒子依據(jù)公式(11)、(12)更新自己的速度及所在位置[19]:

    [ViZ=wViZ+c1r1(PiZ-XiZ)+c2r2(PgZ-XiZ)]? ?(11)

    [XiZ=XiZ+ViZ]? ? ? ? ? (12)

    其中,[c1、2]為學(xué)習(xí)因子[20](加速常數(shù)),[w]為慣性因子,[r1、2]指0~1的均勻隨機(jī)數(shù)。

    算法具體步驟[21]如下:

    Step1:設(shè)置好粒子群各項(xiàng)參數(shù)并且需要將各個(gè)粒子的位置及速度進(jìn)行初始化。

    Step2:計(jì)算各個(gè)粒子適應(yīng)度值。

    Step3:如果個(gè)體極值小于由Step2計(jì)算得到的適應(yīng)度值,則使用適應(yīng)度值替換掉個(gè)體極值。

    Step4:如果全局極值小于Step2計(jì)算得到的適應(yīng)度值,則會(huì)使用適應(yīng)度值替換掉全局極值。

    Step5:各個(gè)粒子根據(jù)式(11)及式(12)更新自己的速度以及位置。

    Step6:粒子群算法會(huì)在達(dá)到停止條件時(shí),停止繼續(xù)尋找最優(yōu)值,否則算法將會(huì)返回Step2。

    當(dāng)達(dá)到程序設(shè)置的最大迭代次數(shù)或找到整個(gè)群落(粒子群)尋找到的最佳位置,即全局極值[gbest]時(shí)停止粒子群算法。

    3 數(shù)據(jù)準(zhǔn)備

    本文采用收集到的某城市日供水量數(shù)據(jù)(不考慮其它影響因素),數(shù)據(jù)范圍由2004年1月1日-2005年2月3日,共計(jì)400個(gè)數(shù)值,并利用前5天的供水量值預(yù)測第6天的供水量值,若輸入矩陣記為P,輸出矩陣記為Y,第i天的供水量記為[Xi],則可得:

    P=[X1X2X3X4X5X2X3X4X5X6?????X395X396X397X398X399],Y=[X6X7?X399X400]

    其中,本文將輸入矩陣前365行數(shù)據(jù)作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù),第366行-第395行數(shù)據(jù)共30行數(shù)據(jù)作為測試數(shù)據(jù),輸出矩陣前365行數(shù)據(jù)作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù),第371行-第400行數(shù)據(jù)共30行數(shù)據(jù)作為網(wǎng)絡(luò)測試數(shù)據(jù)。

    4 模型構(gòu)建

    本文通過建立BP、RBF以及由PSO分別優(yōu)化的兩個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練及仿真測試。其中粒子群算法參數(shù)設(shè)置如下:C1=C2=2,迭代次數(shù)設(shè)為200次,種群規(guī)模設(shè)置為30,粒子最大速度取1,最小速度取-1,最大權(quán)值取0.9,最小權(quán)值取0.2,訓(xùn)練誤差設(shè)為1e-9。算法達(dá)到設(shè)置最大迭代次數(shù)或達(dá)到設(shè)置訓(xùn)練誤差時(shí)即停止尋找最優(yōu)值。

    4.1 仿真結(jié)果

    本文使用Matlab2016b軟件進(jìn)行模型訓(xùn)練以及仿真預(yù)測,分別建立BP、RBF、PSO-BP、PSO-RBF4種神經(jīng)網(wǎng)絡(luò)模型,預(yù)測得到的各項(xiàng)指標(biāo)情況如圖3及表1所示。

    圖3 各神經(jīng)網(wǎng)絡(luò)各項(xiàng)指標(biāo)

    圖3中的數(shù)據(jù)擬合圖為訓(xùn)練數(shù)據(jù)、驗(yàn)證數(shù)據(jù)、測試數(shù)據(jù)及所有數(shù)據(jù)擬合度,從中可以反映模型訓(xùn)練程度是否充分、模型是否可靠、有無過擬合等異常情況。由圖3可知,本文建立的4個(gè)神經(jīng)網(wǎng)絡(luò)模型均為可靠有效的模型。

    表1 相關(guān)指標(biāo)統(tǒng)計(jì)結(jié)果

    5 結(jié)語

    本文使用粒子群算法對RBF與BP神經(jīng)網(wǎng)絡(luò)的相關(guān)參數(shù)進(jìn)行優(yōu)化,再利用MATLAB軟件進(jìn)行仿真模擬,最后對比優(yōu)化前后神經(jīng)網(wǎng)絡(luò)的預(yù)測精度、預(yù)測誤差、擬合度等指標(biāo)。實(shí)驗(yàn)證明,粒子群算法能夠提升神經(jīng)網(wǎng)絡(luò)的預(yù)測精度與擬合度,減小預(yù)測誤差。但通過粒子群算法優(yōu)化后的神經(jīng)網(wǎng)絡(luò)在預(yù)測精度方面仍有提高空間,這是下一步研究重點(diǎn)。

    參考文獻(xiàn):

    [1] 郭冠呈,劉書明,李俊禹,等. 基于雙向長短時(shí)神經(jīng)網(wǎng)絡(luò)的水量預(yù)測方法研究[J]. 給水排水,2018,44(3):123-126.

    [2] 班懿根. 基于RBF神經(jīng)網(wǎng)絡(luò)的城市需水量預(yù)測[J]. 地下水,2012,34(1):114-116.

    [3] 溫家鳴,郭純青,李新建, 等. 基于BP神經(jīng)網(wǎng)絡(luò)的桂林生態(tài)城市建設(shè)需水量預(yù)測[J]. 水資源保護(hù),2012,28(3):47-50.

    [4] 張志宇,趙丹國,侯曉宇. PSO-RBF神經(jīng)網(wǎng)絡(luò)在城市需水量預(yù)測中的應(yīng)用[J]. 水電能源科學(xué),2013,31(6):55-57.

    猜你喜歡
    粒子群算法供水量神經(jīng)網(wǎng)絡(luò)
    成都市主城區(qū)日供水量的氣象相關(guān)性分析
    蘭溪市供水需求側(cè)氣象條件分析及預(yù)測模型建立
    河南省供水結(jié)構(gòu)變化及不平衡性
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    電力市場交易背景下水電站優(yōu)化調(diào)度研究
    基于粒子群算法的產(chǎn)業(yè)技術(shù)創(chuàng)新生態(tài)系統(tǒng)運(yùn)行穩(wěn)定性組合評價(jià)研究
    預(yù)測(2016年5期)2016-12-26 10:04:59
    全省供水工程供水量(按工程類型分)
    交通堵塞擾動(dòng)下多車場車輛路徑優(yōu)化
    商(2016年5期)2016-03-28 18:10:26
    車輛調(diào)度問題的全局—局部最優(yōu)信息比粒子群算法研究
    中國市場(2016年10期)2016-03-24 10:19:45
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    午夜福利,免费看| 亚洲av成人一区二区三| av福利片在线| 一夜夜www| 美女 人体艺术 gogo| 久久久久国产一级毛片高清牌| 精品久久久久久,| 中出人妻视频一区二区| 色综合欧美亚洲国产小说| 午夜福利成人在线免费观看| 在线观看www视频免费| av免费在线观看网站| 一级a爱视频在线免费观看| netflix在线观看网站| 高潮久久久久久久久久久不卡| 91老司机精品| 精品午夜福利视频在线观看一区| 性欧美人与动物交配| 久久久久久久久久久久大奶| 大型av网站在线播放| 亚洲狠狠婷婷综合久久图片| 亚洲欧美日韩另类电影网站| 一边摸一边抽搐一进一出视频| 黑人欧美特级aaaaaa片| 欧美精品亚洲一区二区| 午夜a级毛片| 满18在线观看网站| 性欧美人与动物交配| 国产熟女xx| 日韩精品青青久久久久久| 天堂√8在线中文| 午夜免费激情av| 亚洲国产精品久久男人天堂| 亚洲成人免费电影在线观看| 99精品欧美一区二区三区四区| 视频在线观看一区二区三区| 91大片在线观看| 午夜激情av网站| 国产真人三级小视频在线观看| 嫩草影院精品99| 可以在线观看的亚洲视频| 午夜免费鲁丝| 激情视频va一区二区三区| 色综合亚洲欧美另类图片| 亚洲国产精品成人综合色| 欧美中文日本在线观看视频| 热re99久久国产66热| 亚洲全国av大片| 久久精品影院6| 精品欧美国产一区二区三| 精品第一国产精品| 午夜福利高清视频| 免费看美女性在线毛片视频| 精品午夜福利视频在线观看一区| 久久国产精品影院| 国产精品免费一区二区三区在线| 午夜福利视频1000在线观看 | 美女午夜性视频免费| 日日干狠狠操夜夜爽| 免费在线观看亚洲国产| 精品久久久精品久久久| 亚洲国产精品999在线| 香蕉丝袜av| 99久久精品国产亚洲精品| 91在线观看av| 99国产极品粉嫩在线观看| 女性生殖器流出的白浆| 欧美日韩一级在线毛片| 怎么达到女性高潮| 日韩精品青青久久久久久| 久久天堂一区二区三区四区| 中文字幕人妻丝袜一区二区| av欧美777| 国产精品av久久久久免费| 亚洲人成伊人成综合网2020| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲男人的天堂狠狠| 不卡av一区二区三区| 久久人人精品亚洲av| 国内毛片毛片毛片毛片毛片| 精品午夜福利视频在线观看一区| 亚洲人成网站在线播放欧美日韩| 国产成年人精品一区二区| 禁无遮挡网站| 亚洲 欧美一区二区三区| 每晚都被弄得嗷嗷叫到高潮| 日韩视频一区二区在线观看| 午夜福利成人在线免费观看| 亚洲成人免费电影在线观看| 久久精品人人爽人人爽视色| 欧美中文日本在线观看视频| 亚洲精品一卡2卡三卡4卡5卡| 国产av一区二区精品久久| 亚洲五月天丁香| 多毛熟女@视频| 久久香蕉精品热| 午夜福利,免费看| 别揉我奶头~嗯~啊~动态视频| 亚洲色图综合在线观看| av天堂在线播放| 丝袜美腿诱惑在线| 午夜成年电影在线免费观看| 不卡一级毛片| 久久久久久大精品| 人妻久久中文字幕网| 日韩精品中文字幕看吧| av视频免费观看在线观看| 欧美成人一区二区免费高清观看 | 国产成人精品在线电影| 亚洲avbb在线观看| 亚洲中文字幕一区二区三区有码在线看 | 午夜成年电影在线免费观看| 欧美亚洲日本最大视频资源| 变态另类丝袜制服| 自拍欧美九色日韩亚洲蝌蚪91| 一边摸一边抽搐一进一出视频| 久久婷婷人人爽人人干人人爱 | ponron亚洲| 亚洲无线在线观看| 亚洲av电影不卡..在线观看| 欧美日韩黄片免| 国产黄a三级三级三级人| 免费一级毛片在线播放高清视频 | 成熟少妇高潮喷水视频| 动漫黄色视频在线观看| 亚洲人成77777在线视频| 少妇的丰满在线观看| 一边摸一边抽搐一进一出视频| 久久精品国产清高在天天线| 亚洲人成伊人成综合网2020| 一级黄色大片毛片| 色综合站精品国产| 亚洲精品国产一区二区精华液| 少妇 在线观看| 欧美黑人欧美精品刺激| av福利片在线| 欧美国产精品va在线观看不卡| 午夜a级毛片| 久久九九热精品免费| 成人精品一区二区免费| avwww免费| 69av精品久久久久久| av天堂久久9| 国产成人欧美| 90打野战视频偷拍视频| 亚洲国产精品久久男人天堂| 一进一出抽搐gif免费好疼| 一个人免费在线观看的高清视频| 国产亚洲欧美精品永久| 丝袜在线中文字幕| 久久精品国产亚洲av高清一级| 国内久久婷婷六月综合欲色啪| 亚洲成人免费电影在线观看| 久久精品人人爽人人爽视色| 日韩欧美国产在线观看| 午夜福利高清视频| 一级,二级,三级黄色视频| 怎么达到女性高潮| 亚洲国产看品久久| 麻豆国产av国片精品| 黑人操中国人逼视频| 国产真人三级小视频在线观看| 高清毛片免费观看视频网站| 欧美乱码精品一区二区三区| 久久中文看片网| 免费在线观看黄色视频的| 一本综合久久免费| www.999成人在线观看| 亚洲成a人片在线一区二区| 欧美精品亚洲一区二区| 琪琪午夜伦伦电影理论片6080| 欧美一级毛片孕妇| 悠悠久久av| 19禁男女啪啪无遮挡网站| 狂野欧美激情性xxxx| 国产精品98久久久久久宅男小说| 亚洲中文av在线| 人妻久久中文字幕网| 999久久久精品免费观看国产| 亚洲无线在线观看| 国产日韩一区二区三区精品不卡| 18禁观看日本| 午夜福利在线观看吧| 一级毛片精品| 他把我摸到了高潮在线观看| 97超级碰碰碰精品色视频在线观看| 美女国产高潮福利片在线看| 女性生殖器流出的白浆| 日韩欧美国产在线观看| 亚洲成人精品中文字幕电影| 麻豆国产av国片精品| 一本大道久久a久久精品| 欧美激情 高清一区二区三区| 精品国产一区二区久久| 欧美成人午夜精品| 午夜亚洲福利在线播放| 亚洲色图综合在线观看| 国产一卡二卡三卡精品| 精品欧美一区二区三区在线| 97碰自拍视频| 久久九九热精品免费| 久久精品亚洲精品国产色婷小说| 欧美激情极品国产一区二区三区| 在线播放国产精品三级| 人人妻人人澡欧美一区二区 | 精品电影一区二区在线| 老鸭窝网址在线观看| 99精品在免费线老司机午夜| 中文字幕人成人乱码亚洲影| 亚洲人成电影免费在线| 一二三四在线观看免费中文在| 色综合站精品国产| 精品久久久久久久久久免费视频| 成人三级黄色视频| 一区在线观看完整版| 久久精品亚洲熟妇少妇任你| 国产精品二区激情视频| 色尼玛亚洲综合影院| 18禁观看日本| 国产色视频综合| 欧美 亚洲 国产 日韩一| 亚洲久久久国产精品| 老司机午夜福利在线观看视频| 亚洲中文字幕一区二区三区有码在线看 | 免费观看精品视频网站| 一区福利在线观看| bbb黄色大片| 久久国产精品影院| 高清黄色对白视频在线免费看| 亚洲色图综合在线观看| 国产主播在线观看一区二区| e午夜精品久久久久久久| 亚洲成人免费电影在线观看| 久久亚洲真实| 午夜福利影视在线免费观看| 日韩欧美三级三区| 精品午夜福利视频在线观看一区| 国产av在哪里看| 国产成人影院久久av| 成人永久免费在线观看视频| 久久久国产精品麻豆| 国产高清videossex| 99国产极品粉嫩在线观看| 高清毛片免费观看视频网站| 午夜激情av网站| 天天添夜夜摸| 看片在线看免费视频| 免费av毛片视频| 性少妇av在线| 国产精品综合久久久久久久免费 | 国产亚洲精品一区二区www| 中文字幕人妻丝袜一区二区| 亚洲天堂国产精品一区在线| 久久久国产欧美日韩av| 国产精品美女特级片免费视频播放器 | 黄色视频,在线免费观看| 黑人欧美特级aaaaaa片| 少妇被粗大的猛进出69影院| 亚洲第一欧美日韩一区二区三区| 老司机靠b影院| 亚洲aⅴ乱码一区二区在线播放 | 99国产精品99久久久久| 91麻豆精品激情在线观看国产| 欧美丝袜亚洲另类 | 国产成人一区二区三区免费视频网站| 悠悠久久av| 久久天躁狠狠躁夜夜2o2o| 好看av亚洲va欧美ⅴa在| 国产一区二区三区综合在线观看| 9色porny在线观看| 国产蜜桃级精品一区二区三区| 久久亚洲真实| 欧美精品啪啪一区二区三区| 欧美日韩中文字幕国产精品一区二区三区 | 岛国在线观看网站| 黄频高清免费视频| 男男h啪啪无遮挡| 日本精品一区二区三区蜜桃| 久久人妻av系列| 丁香欧美五月| 日本vs欧美在线观看视频| 久久婷婷成人综合色麻豆| 亚洲aⅴ乱码一区二区在线播放 | 黑人操中国人逼视频| 亚洲精品美女久久久久99蜜臀| svipshipincom国产片| 久久国产乱子伦精品免费另类| 国产欧美日韩一区二区精品| 国产99白浆流出| 亚洲欧美一区二区三区黑人| 咕卡用的链子| 90打野战视频偷拍视频| 男男h啪啪无遮挡| 亚洲熟妇中文字幕五十中出| 国产精品一区二区在线不卡| 婷婷六月久久综合丁香| 狂野欧美激情性xxxx| www.自偷自拍.com| 国产成人av教育| 亚洲精品中文字幕在线视频| a在线观看视频网站| 天天一区二区日本电影三级 | 国产精品1区2区在线观看.| 免费女性裸体啪啪无遮挡网站| 亚洲中文日韩欧美视频| 黄色视频不卡| 啦啦啦观看免费观看视频高清 | 看黄色毛片网站| 美女高潮喷水抽搐中文字幕| 国产精品一区二区免费欧美| 精品国产美女av久久久久小说| 久久精品国产99精品国产亚洲性色 | 亚洲中文av在线| 黄色a级毛片大全视频| 国产精品久久久人人做人人爽| 国产单亲对白刺激| 亚洲第一av免费看| 欧美成人免费av一区二区三区| 91字幕亚洲| 久9热在线精品视频| 午夜两性在线视频| 嫁个100分男人电影在线观看| 国语自产精品视频在线第100页| 搡老妇女老女人老熟妇| 亚洲专区字幕在线| 国产伦人伦偷精品视频| 一本大道久久a久久精品| 亚洲av电影在线进入| 怎么达到女性高潮| 变态另类丝袜制服| 国产1区2区3区精品| 99精品欧美一区二区三区四区| 国产人伦9x9x在线观看| 18禁国产床啪视频网站| xxx96com| 免费高清视频大片| 黄片播放在线免费| 男女床上黄色一级片免费看| 午夜免费鲁丝| 日韩三级视频一区二区三区| 看免费av毛片| 久久久久久国产a免费观看| 黄片播放在线免费| 天堂√8在线中文| 91老司机精品| 久久久水蜜桃国产精品网| 欧美久久黑人一区二区| 亚洲av美国av| 精品国内亚洲2022精品成人| 亚洲中文av在线| 日日爽夜夜爽网站| 90打野战视频偷拍视频| 欧美乱码精品一区二区三区| 日本免费a在线| netflix在线观看网站| 露出奶头的视频| 波多野结衣巨乳人妻| 国产精品日韩av在线免费观看 | 精品免费久久久久久久清纯| 久久久久国产精品人妻aⅴ院| 俄罗斯特黄特色一大片| 国产伦一二天堂av在线观看| а√天堂www在线а√下载| av电影中文网址| 国产一区二区三区在线臀色熟女| 女人爽到高潮嗷嗷叫在线视频| 大陆偷拍与自拍| 91在线观看av| 搡老妇女老女人老熟妇| 国产精品国产高清国产av| 国产高清有码在线观看视频 | 国产成人啪精品午夜网站| 精品国产一区二区三区四区第35| 多毛熟女@视频| 男女做爰动态图高潮gif福利片 | 久久亚洲精品不卡| 午夜成年电影在线免费观看| 18禁国产床啪视频网站| 怎么达到女性高潮| 成人亚洲精品一区在线观看| 亚洲一区二区三区不卡视频| 亚洲av熟女| 在线十欧美十亚洲十日本专区| 免费观看人在逋| 又黄又粗又硬又大视频| 亚洲aⅴ乱码一区二区在线播放 | 又黄又爽又免费观看的视频| a级毛片在线看网站| 一级黄色大片毛片| 制服诱惑二区| 国产高清视频在线播放一区| 日本撒尿小便嘘嘘汇集6| 波多野结衣高清无吗| 性少妇av在线| 国产xxxxx性猛交| 精品久久久久久成人av| 国产蜜桃级精品一区二区三区| 久久久久精品国产欧美久久久| 国产91精品成人一区二区三区| 九色国产91popny在线| 欧美黑人欧美精品刺激| 精品久久久久久久人妻蜜臀av | 脱女人内裤的视频| 亚洲人成77777在线视频| 国产亚洲精品一区二区www| 日本免费a在线| 欧美激情久久久久久爽电影 | 日韩免费av在线播放| 午夜老司机福利片| 亚洲av成人不卡在线观看播放网| 非洲黑人性xxxx精品又粗又长| 精品人妻1区二区| 国产单亲对白刺激| 久久婷婷人人爽人人干人人爱 | 国产一区二区三区在线臀色熟女| 不卡av一区二区三区| 亚洲黑人精品在线| 亚洲电影在线观看av| 久久久国产成人免费| 久久人人97超碰香蕉20202| 免费不卡黄色视频| 一级a爱片免费观看的视频| 欧美日韩亚洲国产一区二区在线观看| 久久婷婷人人爽人人干人人爱 | 大陆偷拍与自拍| 搞女人的毛片| 亚洲精华国产精华精| 亚洲五月色婷婷综合| 男人的好看免费观看在线视频 | 日韩中文字幕欧美一区二区| 波多野结衣一区麻豆| 好男人电影高清在线观看| 99久久精品国产亚洲精品| 国产在线观看jvid| 级片在线观看| 天堂√8在线中文| 色综合婷婷激情| 搡老妇女老女人老熟妇| 亚洲五月色婷婷综合| 亚洲色图 男人天堂 中文字幕| 久久人人97超碰香蕉20202| 久久久久久亚洲精品国产蜜桃av| 一a级毛片在线观看| 中文字幕最新亚洲高清| 欧美绝顶高潮抽搐喷水| 中文字幕另类日韩欧美亚洲嫩草| 国产精品1区2区在线观看.| 别揉我奶头~嗯~啊~动态视频| 乱人伦中国视频| 欧美一级毛片孕妇| 国产精品,欧美在线| 黄色a级毛片大全视频| 欧美日韩中文字幕国产精品一区二区三区 | 婷婷精品国产亚洲av在线| 91麻豆av在线| 在线免费观看的www视频| 精品国产乱子伦一区二区三区| 国产三级黄色录像| 国产精品乱码一区二三区的特点 | 欧美国产精品va在线观看不卡| 欧美日韩中文字幕国产精品一区二区三区 | 久久影院123| 天天躁狠狠躁夜夜躁狠狠躁| 波多野结衣一区麻豆| 国产精品亚洲一级av第二区| 亚洲精品中文字幕一二三四区| 亚洲av成人一区二区三| 19禁男女啪啪无遮挡网站| 国内精品久久久久精免费| 丰满的人妻完整版| 午夜久久久在线观看| 丁香欧美五月| 99久久精品国产亚洲精品| 女人被躁到高潮嗷嗷叫费观| 国产亚洲av嫩草精品影院| 97人妻天天添夜夜摸| 午夜亚洲福利在线播放| 精品久久久久久久人妻蜜臀av | 亚洲人成电影免费在线| 亚洲欧美精品综合一区二区三区| 亚洲欧美一区二区三区黑人| 欧美绝顶高潮抽搐喷水| 国产亚洲精品久久久久5区| 午夜激情av网站| 男人操女人黄网站| 精品人妻1区二区| 校园春色视频在线观看| АⅤ资源中文在线天堂| 亚洲va日本ⅴa欧美va伊人久久| 一个人观看的视频www高清免费观看 | 丰满的人妻完整版| 一级毛片高清免费大全| 少妇裸体淫交视频免费看高清 | 欧美久久黑人一区二区| 亚洲性夜色夜夜综合| 国产精品国产高清国产av| 香蕉国产在线看| 欧美日本亚洲视频在线播放| 亚洲天堂国产精品一区在线| or卡值多少钱| 久久国产精品影院| 非洲黑人性xxxx精品又粗又长| av在线播放免费不卡| 午夜免费鲁丝| 亚洲av第一区精品v没综合| 日韩中文字幕欧美一区二区| 免费不卡黄色视频| 久久精品国产清高在天天线| 99久久99久久久精品蜜桃| 老鸭窝网址在线观看| 少妇粗大呻吟视频| 国产亚洲欧美精品永久| 黄色视频不卡| 手机成人av网站| 国产av又大| 欧美av亚洲av综合av国产av| 精品一区二区三区av网在线观看| 免费观看人在逋| 亚洲国产高清在线一区二区三 | 欧美色欧美亚洲另类二区 | 精品高清国产在线一区| 一个人观看的视频www高清免费观看 | 久久久水蜜桃国产精品网| 欧美性长视频在线观看| 青草久久国产| 美女大奶头视频| 成人18禁高潮啪啪吃奶动态图| 国产精品自产拍在线观看55亚洲| 黄色成人免费大全| 亚洲人成伊人成综合网2020| 亚洲视频免费观看视频| 咕卡用的链子| 中亚洲国语对白在线视频| 成年版毛片免费区| 欧美乱妇无乱码| 日韩精品青青久久久久久| 免费不卡黄色视频| 精品乱码久久久久久99久播| 亚洲专区字幕在线| 制服诱惑二区| 亚洲国产看品久久| 久久国产亚洲av麻豆专区| 一个人观看的视频www高清免费观看 | 国产精品日韩av在线免费观看 | 久99久视频精品免费| 久久狼人影院| 日日夜夜操网爽| av网站免费在线观看视频| 好男人电影高清在线观看| 国内久久婷婷六月综合欲色啪| 淫秽高清视频在线观看| 国产视频一区二区在线看| 国产亚洲欧美98| 99热只有精品国产| 天天一区二区日本电影三级 | 成人三级黄色视频| 精品国内亚洲2022精品成人| 免费人成视频x8x8入口观看| 自线自在国产av| 丰满人妻熟妇乱又伦精品不卡| 久久久久久久午夜电影| 搡老熟女国产l中国老女人| 18禁裸乳无遮挡免费网站照片 | 亚洲成人国产一区在线观看| 亚洲专区字幕在线| 两个人视频免费观看高清| 老熟妇仑乱视频hdxx| 亚洲国产精品久久男人天堂| 亚洲狠狠婷婷综合久久图片| 亚洲国产高清在线一区二区三 | 黄片播放在线免费| av视频在线观看入口| 成人av一区二区三区在线看| 校园春色视频在线观看| 久久精品人人爽人人爽视色| 欧美成人午夜精品| 成年女人毛片免费观看观看9| 日韩三级视频一区二区三区| 九色亚洲精品在线播放| 桃色一区二区三区在线观看| 国产精品一区二区三区四区久久 | 老司机靠b影院| 欧洲精品卡2卡3卡4卡5卡区| 成在线人永久免费视频| 国产一级毛片七仙女欲春2 | 国产精品免费视频内射| 两人在一起打扑克的视频| 国产精品一区二区三区四区久久 | 国产成人欧美| 日韩欧美在线二视频| 极品教师在线免费播放| 动漫黄色视频在线观看| 亚洲avbb在线观看| 国产精品自产拍在线观看55亚洲| 国产一级毛片七仙女欲春2 | 变态另类成人亚洲欧美熟女 | 国产精品,欧美在线| 久久精品亚洲熟妇少妇任你| 一进一出抽搐动态| 亚洲第一青青草原| 两性午夜刺激爽爽歪歪视频在线观看 | 免费高清视频大片| 国产精品一区二区精品视频观看| 亚洲免费av在线视频| 久久久水蜜桃国产精品网| 麻豆成人av在线观看| 欧美丝袜亚洲另类 | 久久久久国产精品人妻aⅴ院| 三级毛片av免费| 人人妻人人爽人人添夜夜欢视频| 手机成人av网站| e午夜精品久久久久久久| 天堂√8在线中文| 麻豆成人av在线观看| 亚洲第一欧美日韩一区二区三区|