• <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
    国产91精品成人一区二区三区 | 日韩欧美一区二区三区在线观看 | 高清av免费在线| 精品国产乱码久久久久久小说| 国产又色又爽无遮挡免费看| 王馨瑶露胸无遮挡在线观看| 欧美日韩亚洲国产一区二区在线观看 | 啦啦啦 在线观看视频| 国产精品国产高清国产av | 可以免费在线观看a视频的电影网站| 国产精品免费大片| 欧美激情 高清一区二区三区| 麻豆乱淫一区二区| 啦啦啦视频在线资源免费观看| 亚洲国产欧美在线一区| 久久久久久久精品吃奶| 久热这里只有精品99| 水蜜桃什么品种好| 老司机在亚洲福利影院| 色播在线永久视频| 美女扒开内裤让男人捅视频| 交换朋友夫妻互换小说| 中文字幕另类日韩欧美亚洲嫩草| 午夜福利乱码中文字幕| av线在线观看网站| av线在线观看网站| 国产亚洲精品第一综合不卡| 黑人巨大精品欧美一区二区蜜桃| 91大片在线观看| 亚洲性夜色夜夜综合| 亚洲男人天堂网一区| 亚洲视频免费观看视频| 亚洲三区欧美一区| 男女高潮啪啪啪动态图| 无人区码免费观看不卡 | 一级毛片女人18水好多| 十分钟在线观看高清视频www| 欧美精品一区二区免费开放| 精品国产一区二区三区久久久樱花| www.999成人在线观看| 三上悠亚av全集在线观看| 激情视频va一区二区三区| 久久影院123| 国产国语露脸激情在线看| 18在线观看网站| 啪啪无遮挡十八禁网站| 亚洲av欧美aⅴ国产| 国产精品 国内视频| 国产三级黄色录像| 另类亚洲欧美激情| 亚洲国产成人一精品久久久| 亚洲五月色婷婷综合| 9热在线视频观看99| 777久久人妻少妇嫩草av网站| 色婷婷久久久亚洲欧美| 视频区图区小说| av有码第一页| 国产av一区二区精品久久| 国产在线观看jvid| 两性午夜刺激爽爽歪歪视频在线观看 | 久久毛片免费看一区二区三区| 18禁观看日本| 国产视频一区二区在线看| 欧美日韩av久久| 岛国在线观看网站| 精品少妇内射三级| 精品一区二区三区av网在线观看 | 我要看黄色一级片免费的| 欧美一级毛片孕妇| 久久99一区二区三区| 亚洲中文av在线| 99re6热这里在线精品视频| 99精品欧美一区二区三区四区| 亚洲成av片中文字幕在线观看| 国产在线观看jvid| 亚洲少妇的诱惑av| 国产一区有黄有色的免费视频| 黄色 视频免费看| 日韩一区二区三区影片| 美女视频免费永久观看网站| 国产欧美日韩一区二区三区在线| 每晚都被弄得嗷嗷叫到高潮| netflix在线观看网站| 色尼玛亚洲综合影院| 久久久精品国产亚洲av高清涩受| 国产精品美女特级片免费视频播放器 | 国产精品二区激情视频| 久久久精品免费免费高清| 日本欧美视频一区| www.自偷自拍.com| 国产精品一区二区精品视频观看| 国产精品熟女久久久久浪| 美女视频免费永久观看网站| 一级毛片电影观看| 欧美中文综合在线视频| 午夜成年电影在线免费观看| 50天的宝宝边吃奶边哭怎么回事| 丁香六月欧美| 久久精品亚洲精品国产色婷小说| 亚洲av片天天在线观看| 窝窝影院91人妻| 丁香六月欧美| 一级毛片电影观看| 最近最新中文字幕大全电影3 | 久久久久精品国产欧美久久久| 亚洲人成电影免费在线| 国产成人精品无人区| 久久精品91无色码中文字幕| 欧美日本中文国产一区发布| 亚洲国产看品久久| 久久精品国产a三级三级三级| 成人特级黄色片久久久久久久 | 亚洲专区中文字幕在线| 激情视频va一区二区三区| 亚洲精品成人av观看孕妇| 亚洲色图av天堂| 亚洲成人免费电影在线观看| 少妇 在线观看| 欧美乱码精品一区二区三区| 国产日韩一区二区三区精品不卡| 自拍欧美九色日韩亚洲蝌蚪91| 高清在线国产一区| 99精品在免费线老司机午夜| 成人精品一区二区免费| 啦啦啦中文免费视频观看日本| 中文字幕高清在线视频| 午夜福利视频精品| 99国产精品99久久久久| 热99国产精品久久久久久7| 在线观看www视频免费| 男人舔女人的私密视频| 亚洲精品在线观看二区| 欧美日韩av久久| 欧美激情久久久久久爽电影 | 窝窝影院91人妻| 国产aⅴ精品一区二区三区波| 美女扒开内裤让男人捅视频| 亚洲成国产人片在线观看| 欧美黄色淫秽网站| 国产区一区二久久| 精品一区二区三区四区五区乱码| 国产成人av教育| 精品国产一区二区久久| 嫁个100分男人电影在线观看| 免费观看a级毛片全部| 亚洲一卡2卡3卡4卡5卡精品中文| 51午夜福利影视在线观看| 欧美激情极品国产一区二区三区| 国产91精品成人一区二区三区 | 国产午夜精品久久久久久| 亚洲视频免费观看视频| 亚洲av电影在线进入| 午夜福利在线观看吧| 美女主播在线视频| 99热国产这里只有精品6| 国产成人欧美在线观看 | 久久天躁狠狠躁夜夜2o2o| 超色免费av| 国产成人av教育| 国产人伦9x9x在线观看| 最近最新中文字幕大全电影3 | 国产高清videossex| 50天的宝宝边吃奶边哭怎么回事| 成人国产av品久久久| 中文字幕色久视频| av网站在线播放免费| 欧美国产精品一级二级三级| 国产精品 欧美亚洲| 亚洲精品国产色婷婷电影| 两个人看的免费小视频| xxxhd国产人妻xxx| 天天躁日日躁夜夜躁夜夜| 亚洲中文字幕日韩| 亚洲国产成人一精品久久久| 久久国产精品影院| 不卡av一区二区三区| 成人永久免费在线观看视频 | 免费观看人在逋| 一区二区三区精品91| 国产色视频综合| 欧美日韩亚洲国产一区二区在线观看 | 麻豆成人av在线观看| 欧美 日韩 精品 国产| h视频一区二区三区| 国产三级黄色录像| 免费观看av网站的网址| 国产有黄有色有爽视频| 免费高清在线观看日韩| 精品福利永久在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 午夜激情久久久久久久| 99热国产这里只有精品6| 欧美人与性动交α欧美精品济南到| 波多野结衣一区麻豆| 色婷婷av一区二区三区视频| 久久久久视频综合| 亚洲欧洲精品一区二区精品久久久| 久久99热这里只频精品6学生| 精品国产国语对白av| 下体分泌物呈黄色| 国产成+人综合+亚洲专区| 欧美国产精品va在线观看不卡| 日本黄色视频三级网站网址 | 欧美久久黑人一区二区| 看免费av毛片| 无限看片的www在线观看| 黄色 视频免费看| 午夜福利一区二区在线看| 90打野战视频偷拍视频| 亚洲九九香蕉| 亚洲天堂av无毛| 午夜成年电影在线免费观看| 50天的宝宝边吃奶边哭怎么回事| 色综合婷婷激情| 侵犯人妻中文字幕一二三四区| 一个人免费看片子| 欧美激情极品国产一区二区三区| 香蕉丝袜av| 在线天堂中文资源库| 天天添夜夜摸| 99riav亚洲国产免费| 操美女的视频在线观看| 人人澡人人妻人| 高清av免费在线| 黑人猛操日本美女一级片| 精品一区二区三区av网在线观看 | 亚洲欧美日韩另类电影网站| 男人舔女人的私密视频| 国产成人系列免费观看| 国产一卡二卡三卡精品| 高清视频免费观看一区二区| 满18在线观看网站| 夜夜夜夜夜久久久久| 午夜激情久久久久久久| 一级毛片电影观看| 两个人看的免费小视频| 成人永久免费在线观看视频 | 午夜福利在线观看吧| 精品久久蜜臀av无| 亚洲中文日韩欧美视频| 亚洲va日本ⅴa欧美va伊人久久| 国产一区二区三区视频了| 91麻豆精品激情在线观看国产 | 国产亚洲欧美精品永久| 高清在线国产一区| 亚洲av片天天在线观看| 成人av一区二区三区在线看| 久久毛片免费看一区二区三区| 狠狠狠狠99中文字幕| 久久精品亚洲av国产电影网| 国产精品av久久久久免费| 久久香蕉激情| 老司机午夜福利在线观看视频 | 老汉色∧v一级毛片| 天天躁夜夜躁狠狠躁躁| 欧美日韩亚洲高清精品| 亚洲第一av免费看| 国产欧美日韩一区二区三| 叶爱在线成人免费视频播放| 中文欧美无线码| 老司机福利观看| 久久久精品94久久精品| 国产激情久久老熟女| 国产片内射在线| 久久ye,这里只有精品| 9191精品国产免费久久| 久久久久久久国产电影| 亚洲第一av免费看| 久久久精品免费免费高清| 亚洲精品粉嫩美女一区| 十八禁人妻一区二区| a在线观看视频网站| 欧美日韩亚洲国产一区二区在线观看 | 另类亚洲欧美激情| 欧美激情极品国产一区二区三区| 成年人黄色毛片网站| 丰满迷人的少妇在线观看| 免费日韩欧美在线观看| 好男人电影高清在线观看| 亚洲国产看品久久| 老司机影院毛片| 国产精品九九99| 狠狠婷婷综合久久久久久88av| 大香蕉久久成人网| 亚洲人成伊人成综合网2020| 2018国产大陆天天弄谢| 亚洲成人手机| 欧美日韩黄片免| 亚洲成人免费av在线播放| 久久毛片免费看一区二区三区| 久久人妻福利社区极品人妻图片| 黄片大片在线免费观看| 亚洲国产中文字幕在线视频| 一本久久精品| 亚洲全国av大片| 18禁国产床啪视频网站| 免费女性裸体啪啪无遮挡网站| 一区二区av电影网| 国产高清videossex| 在线观看舔阴道视频| 国产深夜福利视频在线观看| 国产av一区二区精品久久| av有码第一页| 中国美女看黄片| 自拍欧美九色日韩亚洲蝌蚪91| 咕卡用的链子| 99国产极品粉嫩在线观看| 免费观看人在逋| √禁漫天堂资源中文www| 水蜜桃什么品种好| 波多野结衣av一区二区av| 女性生殖器流出的白浆| 国产熟女午夜一区二区三区| 啦啦啦在线免费观看视频4| 少妇 在线观看| 亚洲国产看品久久| 国产精品 国内视频| 丰满人妻熟妇乱又伦精品不卡| 国产精品久久久久久精品电影小说| 免费看a级黄色片| 亚洲第一青青草原| 国产男女超爽视频在线观看| 亚洲熟女精品中文字幕| 看免费av毛片| 伊人久久大香线蕉亚洲五| 亚洲精品美女久久久久99蜜臀| 人人妻人人澡人人爽人人夜夜| 久久精品亚洲av国产电影网| 欧美国产精品一级二级三级| 久久精品亚洲熟妇少妇任你| 新久久久久国产一级毛片| 日韩熟女老妇一区二区性免费视频| 两性夫妻黄色片| 国产片内射在线| 五月天丁香电影| 99久久人妻综合| 久久人妻福利社区极品人妻图片| 精品久久蜜臀av无| 又黄又粗又硬又大视频| 国产精品久久久久久精品古装| 80岁老熟妇乱子伦牲交| 满18在线观看网站| 大码成人一级视频| 亚洲欧美激情在线| 国产欧美亚洲国产| 女人精品久久久久毛片| 岛国在线观看网站| 丁香欧美五月| 日韩视频一区二区在线观看| 女人精品久久久久毛片| 老熟妇乱子伦视频在线观看| 日韩 欧美 亚洲 中文字幕| 中国美女看黄片| 我的亚洲天堂| 久久精品国产a三级三级三级| 中文字幕另类日韩欧美亚洲嫩草| 欧美另类亚洲清纯唯美| 日韩中文字幕欧美一区二区| avwww免费| 丝袜美腿诱惑在线| 色婷婷av一区二区三区视频| 日日爽夜夜爽网站| 999精品在线视频| 久热这里只有精品99| 18在线观看网站| 50天的宝宝边吃奶边哭怎么回事| 999精品在线视频| 久久久精品免费免费高清| 亚洲黑人精品在线| 欧美中文综合在线视频| 激情在线观看视频在线高清 | av天堂久久9| 欧美日韩国产mv在线观看视频| 久久久久久免费高清国产稀缺| 国产伦理片在线播放av一区| 欧美精品一区二区免费开放| 人人澡人人妻人| 国产在线一区二区三区精| 国产福利在线免费观看视频| 自拍欧美九色日韩亚洲蝌蚪91| 国产老妇伦熟女老妇高清| 国产精品久久久av美女十八| 亚洲av日韩在线播放| 亚洲精品国产色婷婷电影| 蜜桃国产av成人99| 亚洲九九香蕉| 欧美精品av麻豆av| 好男人电影高清在线观看| 肉色欧美久久久久久久蜜桃| 成人国产av品久久久| 男女无遮挡免费网站观看| 丝袜人妻中文字幕| 黑人欧美特级aaaaaa片| 午夜精品国产一区二区电影| 狠狠婷婷综合久久久久久88av| svipshipincom国产片| 蜜桃国产av成人99| 日韩欧美免费精品| 91麻豆av在线| 又紧又爽又黄一区二区| 国产一卡二卡三卡精品| 男人操女人黄网站| 亚洲 欧美一区二区三区| tube8黄色片| 黄片大片在线免费观看| 在线观看舔阴道视频| 精品人妻1区二区| 国产亚洲精品久久久久5区| 国产精品熟女久久久久浪| 91成人精品电影| 啪啪无遮挡十八禁网站| 国产一区二区 视频在线| 老熟妇仑乱视频hdxx| 亚洲九九香蕉| √禁漫天堂资源中文www| 动漫黄色视频在线观看| 性高湖久久久久久久久免费观看| 一本—道久久a久久精品蜜桃钙片| 成年人午夜在线观看视频| 黄片小视频在线播放| 亚洲国产av新网站| 少妇 在线观看| 岛国毛片在线播放| 首页视频小说图片口味搜索| 欧美日韩精品网址| kizo精华| 黄色片一级片一级黄色片| netflix在线观看网站| 午夜福利一区二区在线看| 精品熟女少妇八av免费久了| 五月天丁香电影| 在线天堂中文资源库| 大码成人一级视频| 女同久久另类99精品国产91| 久久久国产精品麻豆| 亚洲国产中文字幕在线视频| 老熟妇仑乱视频hdxx| 精品久久久久久久毛片微露脸| 国产成人啪精品午夜网站| 飞空精品影院首页| 一级片免费观看大全| 精品少妇内射三级| 国产不卡av网站在线观看| 女人精品久久久久毛片| 中文亚洲av片在线观看爽 | 欧美日韩黄片免| 女性生殖器流出的白浆| 一级毛片电影观看| 一本久久精品| 日韩中文字幕欧美一区二区| 天天添夜夜摸| av天堂久久9| 国产精品影院久久| cao死你这个sao货| 夫妻午夜视频| 动漫黄色视频在线观看| 亚洲av电影在线进入| 欧美大码av| 国产男靠女视频免费网站| 99riav亚洲国产免费| 中文字幕精品免费在线观看视频| 十八禁网站网址无遮挡| 成人国语在线视频| 超碰97精品在线观看| 久久久水蜜桃国产精品网| √禁漫天堂资源中文www| 乱人伦中国视频| 大型av网站在线播放| 久久人人爽av亚洲精品天堂| 亚洲欧美色中文字幕在线| 在线观看免费午夜福利视频| 国产精品一区二区精品视频观看| 精品久久久久久久毛片微露脸| 国产日韩一区二区三区精品不卡| 亚洲美女黄片视频| 两性夫妻黄色片| 搡老熟女国产l中国老女人| 亚洲精品久久成人aⅴ小说| 视频区图区小说| 在线观看免费视频日本深夜| 久久中文字幕一级| 一级毛片女人18水好多| 日韩欧美一区二区三区在线观看 | 国产精品久久久av美女十八| 久久午夜亚洲精品久久| 欧美 亚洲 国产 日韩一| 国产欧美日韩精品亚洲av| 国产人伦9x9x在线观看| 在线观看免费视频网站a站| 国产一区二区在线观看av| 精品国产超薄肉色丝袜足j| 日本a在线网址| 黄色a级毛片大全视频| av在线播放免费不卡| 18禁黄网站禁片午夜丰满| 亚洲欧美日韩另类电影网站| 香蕉丝袜av| 啦啦啦在线免费观看视频4| 80岁老熟妇乱子伦牲交| 18禁黄网站禁片午夜丰满| 麻豆乱淫一区二区| 天天操日日干夜夜撸| 国产亚洲精品一区二区www | 国产成人系列免费观看| 国产黄频视频在线观看| 一本大道久久a久久精品| 国产精品二区激情视频| 可以免费在线观看a视频的电影网站| 欧美亚洲日本最大视频资源| 亚洲av国产av综合av卡| 不卡av一区二区三区| 国产一区二区三区在线臀色熟女 | 一区二区日韩欧美中文字幕| av片东京热男人的天堂| 亚洲全国av大片| 这个男人来自地球电影免费观看| 精品久久久精品久久久| 亚洲熟妇熟女久久| 丰满迷人的少妇在线观看| 久久毛片免费看一区二区三区| 国产亚洲欧美精品永久| 巨乳人妻的诱惑在线观看| 十分钟在线观看高清视频www| www.自偷自拍.com| 欧美亚洲 丝袜 人妻 在线| 国产精品国产高清国产av | 亚洲精品久久成人aⅴ小说| 一进一出抽搐动态| 三上悠亚av全集在线观看| 免费观看a级毛片全部| 亚洲成人免费电影在线观看| 色精品久久人妻99蜜桃| 一本大道久久a久久精品| 99在线人妻在线中文字幕 | 少妇的丰满在线观看| 伊人久久大香线蕉亚洲五| tocl精华| 一区二区三区激情视频| 交换朋友夫妻互换小说| 亚洲专区字幕在线| 国产一区二区三区在线臀色熟女 | 飞空精品影院首页| 1024视频免费在线观看| 黄色视频在线播放观看不卡| 69av精品久久久久久 | 成人亚洲精品一区在线观看| 精品第一国产精品| 国产精品国产av在线观看| 亚洲综合色网址| 国产日韩欧美亚洲二区| 操出白浆在线播放| 超碰97精品在线观看| 国产黄频视频在线观看| 黄网站色视频无遮挡免费观看| 这个男人来自地球电影免费观看| 亚洲欧美精品综合一区二区三区| 交换朋友夫妻互换小说| a级毛片黄视频| 99国产精品一区二区蜜桃av | 黄色毛片三级朝国网站| 老汉色av国产亚洲站长工具| 脱女人内裤的视频| 91精品三级在线观看| 丰满迷人的少妇在线观看| 日韩欧美一区视频在线观看| 国产亚洲欧美精品永久| 欧美在线黄色| 亚洲成国产人片在线观看| 一个人免费看片子| 老司机午夜福利在线观看视频 | 叶爱在线成人免费视频播放| 色综合婷婷激情| 亚洲av电影在线进入| 91精品国产国语对白视频| 十八禁网站网址无遮挡| 9色porny在线观看| 国产精品二区激情视频| 精品少妇久久久久久888优播| 一本一本久久a久久精品综合妖精| 久久热在线av| 国产一区二区三区综合在线观看| 啦啦啦视频在线资源免费观看| 人人妻人人澡人人爽人人夜夜| 丰满少妇做爰视频| 亚洲人成77777在线视频| 亚洲av片天天在线观看| 国产成人精品在线电影| 色播在线永久视频| 国产精品一区二区在线观看99| 真人做人爱边吃奶动态| 亚洲av日韩精品久久久久久密| 国产免费视频播放在线视频| 欧美日韩中文字幕国产精品一区二区三区 | 日韩 欧美 亚洲 中文字幕| 可以免费在线观看a视频的电影网站| 一个人免费看片子| 可以免费在线观看a视频的电影网站| 国产精品久久久av美女十八| 成人三级做爰电影| 人妻 亚洲 视频| 久久午夜综合久久蜜桃| 人妻 亚洲 视频| 黄色丝袜av网址大全| 久久久精品免费免费高清| 夫妻午夜视频| 男女无遮挡免费网站观看| 69精品国产乱码久久久| 国产亚洲av高清不卡| 制服诱惑二区| 大型黄色视频在线免费观看| aaaaa片日本免费| 日韩视频在线欧美| 伦理电影免费视频| 十八禁网站免费在线| 国产成人免费无遮挡视频|