Category: Research

  • 0

Work on Big Data Analytics and Urban Computing

Category : Research

I have worked on big data analytics for different transportation-related topics. Here is a list of publications in this field. Xiao-Feng Xie and Zun-Jing Wang. Examining travel patterns and characteristics in a bikesharing network and implications for data-driven decision supports: Case study in the Washington DC area. Journal of Transport Geography, 71: 84-102, 2018. @Article{Xie2018Bike,

Read More

  • 0

Ant Colony Optimization (ACO) Algorithms

Ant colony optimization (ACO), or ant system (AS), is a class of metaheuristic optimization algorithms inspired by the emergent search behavior using pheromone trails in natural ants. We present CGO-AS, a generalized ant system (AS) implemented in the framework of cooperative group optimization (CGO), to show the leveraged optimization with a mixed individual and social

Read More

  • 0

Differential Evolution (DE)

Differential Evolution (DE) is an optimizatin method developed by Price and Storn in 1995. DE is original proposed as an evolution strategy (ES). It may also be considered as an swarm intelligence (SI) based method. DE has been implemented into the Cooperative Group Optimization System (CGOS). DEPSO is a effective algorithm to combine the advantages

Read More

  • 0

中文论文

Tags :

Category : 中文论文

  差异演化的实验研究. 控制与决策, 2004, 19(1): 49-52 摘要:首先基于一些实例研究了差异演化(DE)的参数选择问题;然后在分析DE特点的基础上,将缩放因子F由固定数值设为随机函数,实现了一个简化的DE版本(SDE).该方法不仅减少了需调整的参数,而且对CR的参数选择更为宽松.与已有文献中遗传算法的带约束型数值优化问题的实验结果对比,表明SDE能在较少的计算次数内获得较好的结果. * 差异演化算法(Differential Evolution, DE),又称为差分演化算法或差分进化算法 (相关论文和源代码) 微粒群算法综述. 控制与决策, 2003, 18(2): 129-134 摘要:讨论微粒群算法的开发与应用.首先回顾从1995年以来的开发过程,然后根据一些已有的测试结果对其参数设置进行系统地分析,并讨论一些非标准的改进手段,如簇分解、选择方法、邻域算子、无希望/重新希望方法等.介绍了一些常用的测试函数,以及与其他演化算法的比较.最后讨论了一些已经开发和在将来有希望的领域中的应用. * 微粒群算法(Particle Swarm Optimization, PSO),又称为粒子群优化算法、粒子群算法、或微粒群优化算法 (相关论文和源代码) 半导体器件建模与优化系统. 半导体学报, 2003, 24(3): 327-331 摘要:随着器件尺寸的缩小,器件特性空间变得越来越复杂.如果仍采用手工参数调整的方法,不仅需要有较好的器件物理知识,而且也不一定能得到合适的结果.为节约设计时间,对半导体器件建模与优化系统(MOSSED)进行了研究与实现.该系统可以对半导体器件进行有效地建模、优化和综合,以得到所需要的器件.通过一些实例对部分功能进行了说明,并和一些已有的系统进行了比较. 一种防止浮点遗传算法早熟收敛的父代选择策略. 控制与决策, 2002, 17(5): 625-628 摘要:通过对浮点遗传算法早熟收敛现象的分析,提出了一种新的父代选择策略,即使用当前代的子代个体作为下代的父代个体,可使交叉算子持续地探索和开发新空间.引入对个体的代数保护策略,即在它发生变异前保证有足够的演化,可以避免对新空间不成熟的开发.通过与其它父代选择策略的对比,并通过实验和GENOCOP系统比较,表明本方法能得到较好的结果. 半导体器件与工艺综合. 半导体学报, 2002, 23(7): 772-776 摘要:综合技术作为一项重要的研究方法,不仅在电路设计中获得广泛应用,而且在器件和工艺的研究上同样获得应用。利用器件与工艺综合的思想,我们开发出自顶向下的新的器件和工艺设计方法,和实现了该设计方法的MOSPAD 软件,并利用MOSPAD 系统做出一定的综合结果。本文分别做出关于器件与工艺综合的两个实例,即对FIB 器件的器件综合和对阱形成工艺模块进行的工艺综合,并证明了自顶向下的器件与工艺综合思想的可行性。 改进的用于半导体器件综合系统的遗传算法. 电子学报, 2002, 30(2): 184-186 摘要:本文对应用于器件综合系统的遗传算法GENOCOP进行了改进.将实数设计空间根据参数的工艺精度影响转换为整型空间,并加入适应性复合算子利用已经得到的点来扩展和开发准可行空间.使其保持有效搜索到可行解的特性的同时,在同等的算法设置下,提高了对可行空间的覆盖率(约2.87倍),可以帮助设计人员更有效的设计可工作的器件. 应用遗传算法实现MOS器件综合. 半导体学报, 2002, 23(1): 95-101 摘要:为实现器件综合,即从期望的器件性能出发得到优化的器件设计参数,最关键的是要选用有效的优化搜索算法。文章将遗传算法应用于实现一个器件综合的原型系统,并通过对FIBMOS器件的综合设计,验证了遗传算法和该器件综合原型系统的有效性。器件的参数化表示也被作为器件综合的重要问题进行了讨论。  

Read More

  • 0

Work on Smart Urban Traffic Control published on Transportation Research Part C

Category : Activities Research

Schedule-driven intersection control (SchIC) is the core control engine (the brain) of the smart and scalable urban traffic control system. Xiao-Feng Xie, S. Smith, Liang Lu, and G. Barlow. Schedule-driven intersection control. Transportation Research Part C, 24: 168-189, 2012. @Article{Xie2012, Title = {Schedule-driven intersection control}, Author = {Xiao-Feng Xie and S. Smith and Liang Lu

Read More