考虑轮轨黏着的高速列车多目标速度曲线优化

高速列车运行环境复杂多变，现有的给定运行速度目标曲线主要考虑列车运行的安全性和正点性，难以改善列车的其他运行性能。为了满足高速列车日益增加的行车需求，并改善列车的运行性能，针对安全、节能、正点及舒适多个目标，考虑轮轨间最优黏着，提出一种改进的多目标运行速度优化方法。首先，在满足区间限速以及列车动力学模型约束的前提下，建立安全、节能、正点、舒适4个评价指标，构成高速列车运行过程多目标优化模型；其次，在节能模型中考虑轮轨间黏着的影响，优化牵引/制动力使得其保持在最优黏着范围内，节约运行能耗；最后，采用基于参考点的非支配排序的优化算法（NSGA-Ⅲ）对多目标运行速度曲线进行优化。对真实线路的仿真验证表明，本文提出的考虑轮轨黏着的优化效果显著提高，尤其在节能方面；优化算法相较于GA和NSGA-Ⅱ，NSGA-Ⅲ算法在收敛效果和收敛速度上均为更优。     

基于改进遗传算法的航班-登机口分配多目标优化

为提高现代机场的资源利用效率和乘客换乘体验, 研究了多目标航班-登机口分配问题; 在考虑航班类型约束、飞机机体类型约束和转场时间间隔约束的基础上, 以分配在固定登机口的航班数量最多、使用的固定登机口数量最少和乘客换乘紧张度最小为目标函数, 建立了航班-登机口分配的多目标非线性0-1整数规划模型, 并设计了一种改进型基因编码的遗传算法以提高求解效率; 基因个体采用两段式整数编码, 设计了该编码方式到可行解的映射流程, 同时从理论上证明该编码方式可以映射到最优解; 对两段基因编码分别设计了不同的交叉算子和变异算子, 避免产生非可行个体; 为验证算法的有效性, 基于某大规模机场的实际运营数据, 对比了改进型遗传算法与MATLAB内置遗传算法。计算结果表明: 采用改进型遗传算法使得安排在固定登机口的航班数目增大5%, 乘客换乘总紧张度减小3%, 乘客换乘平均紧张度减小32%, 占用的固定登机口数量相同, 安排在固定登机口的乘客数量增大20%, 算法运行时间减小8%, 说明改进型遗传算法性能更好, 可提高登机口的利用效率和乘客的换乘舒适度; 在改进型遗传算法的优化过程中, 航班数量目标和登机口数量目标在130次迭代时寻到最优解, 换乘紧张度目标在400次迭后基本收敛, 且最优结果对应的航班时序合理, 说明该算法的迭代收敛速度快, 优化结果合理。      

一种多目标优化进化算法研究

提出了一种基于多性别遗传算法(MSGA)的多目标优化进化算法，在同一性别种群的进化中采用了线性排名选择算子，给出了一种求解非劣解的算法，并以两个算例作了对解决多目标优化问题有效性的验证。     

融入偏好信息的列车运行过程多目标优化算法

列车运行过程优化是一个多目标、大滞后、非线性的极其复杂的优化问题.为了更好地解决上述问题,以列车能耗、舒适性、停靠准确性和运行时间为控制目标,以列车运动动力学方程为约束,建立了列车运行过程的多目标优化模型,提出了一种融入偏好信息的列车运行过程多目标遗传粒子群算法.提出的改进策略具有以下优点,在融入偏好信息的基础上通过控制粒子群中个体在解空间的分布能够更好地保持粒子群多样性,从而在进化过程中具有更明显的全局收敛的指向作用.仿真得到的速度距离曲线表明,在列车及其运行线路相同的情况下,本文所提出的算法性能较佳、寻优结果较好.     

物体表面重建轮廓拼接的改进遗传算法

为解决物体表面重建中的轮廓拼接问题，将其转化为在有向图中寻求最优路径问题．提出了基于遗传算法的适用各种目标函数的轮廓拼接算法，其中对初始种群的产生、交叉算子和变异算子等做了改进，以确保产生的个体均能代表有效解．算例模拟结果表明，该算法简单可行，在优化性能、收敛速度及鲁棒性等方面优于模拟退火算法．     

基于微粒群算法的多目标列车运行过程优化

为客观地描述列车的运行过程,建立了列车运行过程的多目标优化模型,并用微粒群算法求解该模型.针对多目标微粒群优化(MOPSO)算法的不足,提出了相应的改进措施和解的多样性保持策略.仿真结果表明,提出的优化列车运行过程的改进MOPSO算法可以在一次运行过程中获得多组列车操纵控制策略,清晰地显示出各性能指标随控制策略变化的趋势,控制序列转换次数大大降低,每组控制策略都可以在能耗、运行时间和停靠准确性之间获得很好的折衷效果,可以根据列车运行状况选择恰当的策略控制列车,以获得预期的结果.     

随机需求IRPTW的多目标优化

针对随机需求下带时间窗的存贮路径问题,建立了多目标库存和配送策略优化模型,用多目标遗传算法对模型求解．该算法采用精华保留策略和自适应调整策略等遗传算子逼近全局最优解,可以克服遗传算法局部搜索能力不足的缺陷,提高收敛速度和改善全局寻优性能．以某物流公司的产品配送系统为例,用多目标遗传算法获得了费用较低的方案．     

基于遗传算法的单线列车运行调整体系

针对单线列车运行的特点，提出了“相邻列车”的概念，根据此概念建立了单线列车运行调整模型，并推导了列车运行图偏差函数作为模型调整目标．鉴于列车运行调整问题的解空间太大，用一般的运筹学方法难以有效地求解，提出了基于遗传算法的优化求解算法．该算法根据被调整列车的等级将原问题分解成若干子问题，并在对每个子问题求解的过程中，运用遗传算法在解空间中寻优．仿真结果显示了该模型和算法在应用于实际运行调整时的有效性和实时性．     

基于改进多目标差分进化算法的城轨列车速度曲线优化

城轨列车速度曲线研究对于优化列车运行过程具有重要的作用。为得到更好的城轨列车速度曲线优化效果，本文针对列车运行准时性、运行能耗和舒适度3个目标，提出一种基于改进多目标差分进化算法的速度曲线优化方法。首先，建立城轨列车运行过程的多目标优化模型；然后，通过采用精英镜像初始化策略、引入参数自适应和多变异策略，提升多目标差分进化（MODE）算法的性能，并通过与其他6种对比算法在ZDT系列测试函数上所得的反世代距离评价指标（IGD）值进行比较，验证了所提算法的优越性；最后，结合南昌地铁一号线某区间真实线路数据进行仿真。结果表明，改进的MODE算法（IMODE）相较于对比算法在综合性能方面具有一定优势，同时在列车节能优化问题中具有较强的实用性。     

基于遗传算法的供应链联盟伙伴选择

在建立供应链联盟伙伴选择多目标决策模型的基础上，提出了一种求解供应链联盟伙伴选择优化问题的自适应遗传算法，并给出了算例．该算法设计了自适应交叉概率和变异概率，使每个个体在遗传过程中对环境变化具有自适应调节能力．算例结果表明，用该方法能以较快的速度收敛于全局最优解．     

基于遗传算法的追踪列车节能优化

为了研究追踪列车的节能优化操纵策略,提出了四显示固定闭塞系统下的列车静态速度约束条件和追踪列车动态速度约束条件.在此基础上,建立了以列车操纵手柄级位和工况转换点为控制变最的追踪列车节能优化模型.采用染色体长度可变多目标遗传算法,结合外部惩罚函数对该模型进行了求解,并利用遗传算法中的染色体变长算子对列车操纵手柄变换策略进行了优化.在四显示固定闭塞平台上的仿真结果表明,该方法可在安全、准点的前提下,使追踪列车的能耗下降4.3％,运行时间误差减小1.7％.     

混合动力列车电源系统控制策略

为了实现混合动力列车的计算仿真,建立混合电源系统模型,并提出一种混合电源系统控制策略.在此基础上,通过对混合电源系统与列车纵向动力学系统的耦合分析,给出了基于该电源系统控制策略的列车运行目标速度曲线计算算法.利用MATLAB/Simulink对系统建模,对列车在某线路上的运行过程进行了仿真.仿真结果表明,系统控制策略能够满足列车的运行性能,列车自动控制(ATC)系统能够精确的控制列车跟踪计算的目标速度曲线运行,混合电源回收了41%的再生制动能量, 控制策略和目标速度曲线计算算法达到了设计目标.      

基于弹复力调整的高速列车群动态运行轨迹优化方法

为提高列车控制过程的自主性和智能性,研究了列车群动态运行过程,采用多智能体和图论方法构建了列车群分布式信息交互模型;以节能和准点为优化目标,以安全和乘客舒适度为约束条件,建立了列车群运行轨迹多目标优化模型,利用基于模拟退火思想改进的差分进化算法获取了列车群静态最优运行轨迹;在此基础上,为避免或消解列车运行过程中随机干扰导致的延误传播问题,针对移动闭塞系统,基于弹复力构建了信息交互支撑的列车群动态间隔调整机制,设计了列车群在线协同优化算法,实现了列车群运行轨迹的动态调整,最后采用武广高速铁路实际数据进行了仿真验证。研究结果表明:提出的在线协同优化算法可以有效提升最优解搜索能力,避免Pareto最优解集的频繁更新,在不同干扰场景下算法触发频率平均降低36.7%;在试验设计的一般干扰场景中,优化后的动态调整策略在保证列车群安全平稳运行的同时,将受扰列车的延误度由6.2%降至0,与立即恢复延误策略相比,节能率达4.8%;在试验设计的较大干扰场景中,受扰列车的延误度由13.1%降至1.4%,全局时间偏差恢复为0,节能率达1.8%。可见,提出的方法能够解决运行轨迹静态规划方式无法完全适应外部动态环境变化的问题,有效保障干扰情况下列车运行复合紊态的及时恢复。      

基于多速度调控的城轨列车区间运行策略优化

针对城市轨道交通区间运行时分要求,将列车在区间的最高运行速度、最低惰行速度作为速度参数,提出多速度参数调控的城轨列车区间运行策略优化问题。考虑线路平纵断面、列车性能等的影响,以及区间限速、运行时分限制等约束,以区间运行能耗最小化为目标,建立均布质量模型下的给定运行时分下基于多速度参数调控的列车运行节能优化策略模型,优化确定各速度参数取值和对应的区间运行控制方案,设计针对多速度参数综合调控的模拟退火求解方法。以广州地铁8号线中大-晓港为例,测算不同时分下的运行控制方案。结果表明：最高运行速度参数可有效控制区间运行时分取值;最低惰行速度的合理取值可显著降低能耗,最多可降低4.68%;列车操纵模式的确定需综合考虑区间运行时分、节能效果和惰行次数,节能操纵模式在较长运行时分下节能作用更为显著。优化结果可为城轨节能化列车运行组织提供决策支持。     

基于时间逼近搜索算法的城轨列车运行节能优化研究

针对地铁列车准点节能运行,提出了基于时间逼近搜索的列车节能优化算法。首先建立城市轨道列车在满足定时运行条件下的节能控制模型,通过庞特利亚金最大值原理得到了列车节能最优控制工况集;其次,推导了列车在不同节能运行模式下的能耗差异;在此基础上,提出了一种将列车运行区间进行分段优化的方法,采用时间逼近搜索求解列车工况转换点的位置,最终达到定时节能运行的目的。以上海地铁3号线铁力路至友谊路线路为算例,与实测负荷过程对比,列车采用本文算法优化后可节能12.5%。      

面向大客流的城轨备用车投放车站选择与优化模型

为快速疏解城轨线路上车站的大客流，减少乘客的等待时间，研究了备用车投放问题; 在考虑列车追踪关系、列车停站时间等约束的基础上，建立了综合备用车投放时机确定、投放最佳车站选择和时刻表动态调整的多目标优化模型; 界定了城轨备用车开行条件，提出了城轨备用车投放时机的定量化判定方法; 用0-1变量表征车站是否具备备用车投放条件，并将其作为模型输入，以减小大客流车站乘客等待时间和降低运行图偏离时间(延误时间)为优化目标，构建了备用车投放的混合整数非线性规划模型，该模型通过比较不同的备用车投放方案效率得到最佳的备用车投放车站和后续开行计划; 为同时求解0-1变量与连续变量，设计了带惩罚函数的改进粒子群优化算法求解模型。研究结果表明:该方法可对所有符合备用车开行条件的车站制定投放方案，并进一步筛选出最优的备用车投放车站，最多可减少1 318 209 s的乘客等待时间，优化效率为21.9%，且改进的粒子群优化算法对混合整数非线性规划模型的适用性较好; 相比于既有城轨线路列车运行调整和时刻表优化方法，本文提出的方法在应对突发大客流的备用车投放时机上做出了更加定量化的判断，优先考虑了大客流车站的疏解能力和效率，并优化了备用车与后续列车的开行方案，可以有效解决高峰时段车站大客流问题。      

基于遗传算法的列车运行能耗优化算法

研究了CBTC系统中列车控制模型和列车运行调整,以降低能耗为目标,对列车在区间的运行控制进行优化组合,提出了基于遗传算法的能耗优化算法,根据具体的线路条件,计算了在不同的运行等级下或不同区间运行时分对应的列车运行速度曲线。以一段2 400m长,具有典型节能坡设置,且包含一段60km.h-1区间限速的线路为例,进行了能耗计算和优化仿真。研究结果表明:优化之后速度曲线与其对应的运行等级2、3、4的速度曲线相比,列车牵引能耗减少到原来的62%、58%、60%,节能效果显著,算法有效。