有软时窗约束带取送作业的车辆路径问题及其禁忌搜索算法研究

有软时窗约束带取送作业的车辆路径问题是在基本的车辆路径问题上增加了取送作业和时间窗约束的一种变化形式,是一个典型的NP-难问题.本文建立了问题模型,运用改进的禁忌搜索算法测试了根据实际状况构造的一个大规模算例.快速获得的高质量解验证了模型的正确性和算法性能的优良性.     

铁路旅客列车运行图始发方案优化设计北大核心CSCD

为了提高铁路运输部门编制列车运行图始发方案的可实施性,可优化列车运行图的整体布局。以客运站到发列车的到达、始发时间域最方便为目标,车站到发线能力为约柬,建立旅客列车始发方案数学优化模型。针对传统智能算法在求解上述问题易陷入局部最优的缺陷,采用动态启发式信息策略的改进蚁群算法进行求解。以列车发到时间域方便旅客程度为优化的准则确定蚂蚁转移概率,并在信息素更新策略中引入最大最小蚂蚁系统,改善算法的正负反馈机制,避免陷入局部最优。仿真结果表明,改进算法在优化性能上有较大改进,可为旅客列车运行方案编制问题提供有效解决方案。     

基于蚁群优化算法的高速列车运行调整研究

高速列车在运行过程中不可避免地会受到各种各样因素的影响,导致大量的高速列车出现晚点状况,影响高速列车的运行效率。为了保证所有的高速列车能够按照正点运行,对蚁群算法进行改进,引入混沌序列,优化蚂蚁的选路策略,建立以加权后列车总晚点时间最少为目标的高速列车运行调整模型,并且按照相应的约束条件对高速列车运行调整模型进行求解,实现对晚点高速列车运行图的快速调整。最后,通过比较算例得出,该算法能够有效解决高速列车运行调整问题。     

多配送中心下生鲜农产品同步取送选址-路径优化

多配送中心下生鲜农产品配送工作中配送中心选址和车辆取送是两项最为重要的工作，故本文研究带同步取送的生鲜农产品选址?路径问题。首先，建立考虑车辆容量、货物作业时间、取送作业时间窗等约束条件的非线性规划模型，模型以各配送区域内产生的运输成本、惩罚费用、货损费用总和最小为目标函数。然后，根据模型特点设计融合中心评估指数和改进遗传算法的启发式算法，算法先利用中心评估指数确定配送中心和车辆的配送区域，将区域划分的信息传递给改进遗传算法进行各区域内的路径优化。最后，通过对比取送分离和同步取送两种配送方式验证本文提出的配送模式及模型是合理有效的，可为企业的生鲜农产品配送提供决策依据。     

基于人工鱼群算法的列车运行调整方法研究

由于列车运行调整是大规模、非线性、强约束、建模困难的问题,用一般运筹学方法不易求解。基于人工鱼群算法,提出列车运行调整方法,并给出了详细的计算步骤。具体的,考虑车站到发线数目约束和列车越行约束,以列车进入车站和驶离车站的总晚点时间最少为目标,建立了高速铁路列车运行调整模型。利用郑西高铁运输数据进行仿真,结果说明人工鱼群算法在列车运行调整中具有有效性和收敛性。     

城市轨道交通共线交路运行图的优化与编制

传统铺画城市轨道交通共线交路运行图中考虑的因素较简单,针对其不能满足不断壮大的城市轨道交通网络的问题,先运用顺序推点法计算出列车在各站的到发时刻,然后分析为满足一条线路上的客流特征组织列车开行两种或两种以上交路的必要性,并根据折返站的容车能力以及折返时间等现场因素,提出适合于实际问题的模型与算法。实例铺图结果表明,相对于传统的车底交路勾画模型与算法,该模型与算法可明显减少车底在各折返站的总停留时间,从而最大限度地减少车底的运用数量。     

高铁列车运行图冗余时间优化布局方法研究

在分析各种冗余时间之间作用机理的基础上,以列车旅行时间和列车到发站延误时间最短为优化目标,建立运行图冗余时间优化布局模型。在此基础上引入遗传粒子群优化算法对模型进行求解,并用MATLAB仿真。以虚拟运行时刻表为背景,通过合理设置列车运行干扰时间和仿真分析方案,对结果进行分析。结果表明：用该模型和算法得到的布局方案相比较于固定比例方案,总延误时间短,列车在区间和车站的晚点次数少;相比较于遗传算法求解该模型的总延误时间短,总冗余时间设置多,但是列车在车站和区间的晚点次数少。     

基于收敛粒子群算法的重载铁路列车运行调整方法

针对施工天窗对重载铁路行车安全限速和行车安全产生的不良影响,提出了基于收敛粒子群算法的重载铁路列车运行调整方法。首先,在分析列车追踪间隔影响因素的基础上,推导出不同编组类型重载列车之间的追踪间隔计算公式,实现了重载列车追踪间隔计算。然后,考虑施工天窗后的限速要求,以重载列车总晚点时间为优化目标,以列车区间最少运行时分、追踪间隔时分、列车停站时分、天窗时间段内禁止行车、天窗后安全限速等为约束条件,建立了施工条件下重载铁路列车运行调整模型,刻画了考虑安全限速的重载列车运行调整问题。通过优化列车到站、离站以及通过车站时刻,实现重载列车运行调整。进而,针对模型特点,在经典粒子群算法中引入收敛因子,设计了收敛粒子群算法对模型进行求解。最后,以朔黄铁路运输生产数据为基础,对建立的重载铁路运行调整模型进行实例化处理,验证了模型和算法。实验结果表明,对于求解重载铁路运行调整问题,设计的收敛粒子群算法比经典粒子群算法在计算效率上提升了5.45%,而求解精度保持不变。该方法可压缩重载列车追踪间隔,提高重载铁路运输效率,保证行车安全,提高基于安全限速的列车运行调整效率,为施工条件下重载铁路列车运行调整工作提...     

基于热送热装的板坯入库决策优化方法

针对目前钢铁企业热送热装（HCR）板坯库入库管理的实际需求,以板坯库有限HCR 储位和垛位选择 原则为约束,建立了一种基于铸轧作业计划协同优化的板坯入库决策模型．实现了需入库的HCR 板坯批次的全局 优化运算,算法可快速优化出板坯入库垛位和铸机板坯产出序．对于建立的模型,构造了一种遗传模拟退火算法进 行求解,该算法充分发挥了遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的优点．对实际问 题的求解结果表明,建立的模型和算法正确可行,为HCR 板坯入库选择合理垛位提供了一种行之有效的解决方法．     

基于策略梯度强化学习的高铁列车动态调度方法

高速铁路以其运输能力大、速度快、全天候等优势,取得了飞速蓬勃的发展.而恶劣天气等突发事件会导致列车延误晚点,更甚者延误会沿着路网不断传播扩散,其带来的多米诺效应将造成大面积列车无法按计划运行图运行.目前依靠人工经验的动态调度方式难以满足快速优化调整的实际要求.因此,针对突发事件造成高铁列车延误晚点的动态调度问题,设定所有列车在各站到发时间晚点总和最小为优化目标,构建高铁列车可运行情况下的混合整数非线性规划模型,提出基于策略梯度强化学习的高铁列车动态调度方法,包括交互环境建立、智能体状态及动作集合定义、策略网络结构及动作选择方法和回报函数建立,并结合具体问题对策略梯度强化学习(REINFORCE)算法进行误差放大和阈值设定两种改进.最后对算法收敛性及算法改进后的性能提升进行仿真研究,并与Q-learning算法进行比较,结果表明所提出的方法可以有效地对高铁列车进行动态调度,将突发事件带来的延误影响降至最小,从而提高列车的运行效率.