多约束分离路径算法

多媒体流和视讯会议等新应用的出现要求网络提供可靠的服务质量(QoS)保证。为网络中的每对节点建立两条多约束链路/节点分离路由是提供可靠QoS的一条重要途径。如何建立两条链路/节点分离多约束路径是一个关键问题,这一问题与经典的一维测度下的分离路径问题有着很多概念上的不同。本文分析了这一问题的困难性,并提出一组解决此问题的启发式算法。     

编组站调度计划随机机会约束规划模型及算法研究

运用随机规划方法,研究列车解编时间随机变动情况下编组站阶段计划的优化编制问题,建立了以压缩车辆中时和减少出发列车晚点时间为目标的随机机会约束规划模型。将模型中的随机机会约束转化为相应等价形式,从而将随机规划模型转化为确定性模型,并提出了一种改进遗传算法对之进行求解。该算法基于列车解编顺序对染色体进行编码,并针对问题的特殊性设计了相应的交叉和变异操作。算例表明,设计的改进遗传算法能够在较短时间内收敛至最优解,编组站阶段计划的随机机会约束规划模型能取得可靠性更高的调度计划,为改进编组站的决策质量提供了一条解决的途径与方法。     

基于遗传算法的用户线缆智能选路系统

将遗传算法的思想与原理应用到大型通信网络路由选择算法中来，使得路由选择功能随着网络动态的变化而不断自我进化与完善。其根本目的是通过准确率极高的预见性来提高路由选择性能。这种改进后的新型选路机制将会在很大程度上改善复杂通信网络中选路系统的性能与效率。     

地铁站台光照动态调控方法

为满足地铁站台的照度需求并降低照明能耗,基于最小能耗光照调控模型和改进遗传算法的动态调控方法,对站台光照进行控制。先将站台公共区划分为多个子区域,在照明模拟软件DIALux中建立站台照明模型,进行照明模拟以获取照度数据,并考虑子区域光照的耦合关系来构建照度的等式约束;再利用变量独立性分析处理等式约束,进而建立无等式约束最小能耗光照调控模型;最后,基于反向学习策略提出自适应反向学习方法,对遗传算法进行改进,并依据站台客流特征确定子区域照度设定值,作为光照调控模型的输入,利用改进算法求解光照调控模型,获得LED灯具的最佳调光比,实现光照的最优控制。通过算法对比试验和光照调控模拟试验,结果表明:改进算法在收敛速度、局部寻优能力和稳定性方面优于粒子群算法、竞赛选择遗传算法和反向遗传算法;利用提出的动态调控方法进行光照调控,可将照度偏差控制在1.33%以内,并实现52.06%的照明节能,在满足照度需求的同时显著降低照明能耗。     

基于遗传算法的集装箱单箱三维装载优化问题

研究应用改进遗传算法优化铁路集装箱单箱三维装箱问题,达到充分利用集装箱装载质量或装载容积的目的。改进遗传算法中考虑货物放置方向、装载容积、装载质量及装载重心等约束条件,并结合方向及顺序约束采用巧妙的个体编码方法,结合装载容积、装载质量及重心约束构造合理的适应值函数。以16件货物装入20英尺箱为实例,应用改进遗传算法进行计算,计算结果为集装箱装载容积利用率为63 18%,并且可以缩短计算时间一半以上。     

列车在移动IPv6网中的切换性能分析

提出基于铁路的GSM-R网络的小区切换技术,采用分级的网络结构、MIPv6技术并借助于MAP优化路由思想,根据列车行车特点设定路径指针,通过对小区内高速列车通信特性用M/M/1/k队列建模分析其切换的延时和带宽利用率.     

计算机广域网优化技术的应用研究

讨论通过调整网络结构、自治系统及OSPF域的划分,及采用策略路由、QoS、路由过滤器等路由技术对北京铁路局计算机广域网进行优化.     

基于混沌遗传算法的MVB周期扫描表优化

按照国际标准IEC 61375的规则所构成的周期扫描表存在周期信息分布不均匀、带宽利用率较差的问题。在明确周期扫描表生成的规则和约束后,以均匀度为目标函数,使用混沌遗传算法构建数学模型求解。通过实例仿真构建周期扫描表,并与逐步填空法建立的周期扫描表的均匀度比较,显示混沌遗传算法的优越性。     

基于遗传算法的铁路纵断面优化系统的研究

提出一种基于全局最优的改进式遗传算法.采用改进的启发式交叉算子和多种算子混合操作,加快算法向最优解收敛的速度.给出相应的纵断面优化模型,并改进初始种群生成的方法,将一个二维优化问题转化为两个一维优化问题进行求解,简化了算法的执行过程.引入惩罚函数的概念处理方案的约束问题,设计算法实现的流程图,并开发相应的优化系统.利用实例证明遗传算法在纵断面优化设计中的可行性及全局寻优的性能.     

面向绿色制造的柔性作业车间调度优化

针对面向绿色制造的柔性作业车间调度问题,建立了以完工时间最优、能量消耗和环境影响最小为目标的调度模型,并采用遗传算法对模型进行求解。根据模型特点,采用机器染色体和工序染色体两种编码,并对初始种群的形成机制进行改进,采用精英策略和锦标赛法进行种群选择,两种染色体分别进行交叉和变异操作。最后通过实例对改进的遗传算法进行测试,并与其他方法的测试结果进行比较,验证了该算法的可行性和有效性。     

铁路应急通信网络组呼的组播路由算法分析

从建立GSM-R铁路应急通信网络的需要出发,在组播路由算法ODMRP的基础上通过改进,提出1种支持GSM-R铁路应急通信网络组呼的组播路由新算法(REGCA)及其算法流程。在该算法中加入了抑制听者发言、限制洪泛区域以及允许自动加入临时组播等控制策略。使用NS2仿真工具建立武广高铁应急通信系统自组网仿真模型,然后根据模型建立相应的仿真场景,对REGCA算法进行仿真分析。仿真结果表明,采用REGCA算法能够大大减轻网络负载、提高分组投递率、降低端到端传输时延和路由开销;采用REGCA算法在各种仿真场景中的分组投递率均达80%以上,端到端传输平均时延均在0.4s以下,能够满足GSM-R铁路应急通信环境下的组呼要求。     

铁路沿线线性无线传感器网络路由协议研究

针对铁路沿线环境监测对象种类繁多、位置分散的特点,设计一种无线传感器网络用于将传感器采集信息传输至监测中心,该无线传感器网络由传感器节点、轨边汇聚节点、机房汇聚节点及中继节点组成,重点研究提出轨边汇聚节点与机房汇聚节点之间线性无线传感器网络路由协议。鉴于铁路沿线传感器节点采集信息的重要程度不同,该路由协议根据信息重要程度对数据包进行优先级排序。综合考虑网络寿命和信息重要程度,以网络生命周期内传输数据包数量最大化为目标,建立数据包转发模型和数据包排队模型。在网络能耗均衡的前提下,采用减少优先级高的数据包的转发次数和减少优先级高的数据包在轨边汇聚节点的排队时延两种方式,减少优先级高的数据包的总传输时延。仿真结果表明,该路由协议可以显著减少高优先级数据包的传输时延,均衡使用网络能量,最大化网络寿命。     

基于遗传算法的铁路纵断面优化研究

针对铁路纵断面优化问题,基于遗传算法建立铁路纵断面优化模型。研究结论:在初始铁路纵断面方案基础上,基于遗传算法进行纵断面自动优化,可以提高优化速度和优化结果;以变坡点里程及设计高程为优化设计变量,依据对纵断面设计内涵的分析,构建了遗传算法的多目标适应度函数;在种群多样性评价的基础上,确定选择、交叉和变异算子操作概率的自适应调整方法;在纵断面优化理论的研究基础上,利用VC.NET和ObjectARX2006编制了基于遗传算法的纵断面优化程序。     

改进遗传算法在动车段检修物流配送中的应用

在动车段对动车组的检修作业过程中，检修车间所需零件或工具的物流配送时效性直接决定了检修作业的效率，而目前动车段内采用的配送方式均为点对点单一路径配送。通过对动车段检修物流配送问题进行分析并建立数学模型，采用遗传算法与模拟退火算法相结合的改进算法对模型进行求解，并将算法应用于动车组管理信息系统中。广州动车段在广东地区的实验数据结果表明，改进的遗传算法针对动车段在路径优化方面较为有效地提高了动车段检修物流配送效率，确保了段内动车组的及时检修，进而保障了段配属动车组的安全运用。     

基于计算机网络路由行为方案的春运旅客区域划分探讨

根据网络路由协议的特性,利用网络路由选择最优路径的原理,把全国春运铁路网络仿真成计算机网络并划分成不同的区域运行网络路由协议,寻找一种基于网络路由行为的铁路运输方式来提高运输旅客的效率,达到缓解春运压力的目的。     

服务资源动态分布的质量路由算法

从动态考察资源可能性分布的角度对质量路由算法进行改进,使之与用户需求与资源变化的不确定性相适应,以提高质量路由决策的效率与水平。仿真试验表明,新算法具有稳定服务水平、平衡网络负载的优点。     

基于改进LS-SVM算法的列车通信网络时延预测方法

由于通信网络诱导时延的存在会对列车牵引制动系统造成影响,因此对时延精准预测并实现补偿十分重要。提出了一种基于改进粒子群(PSO)算法优化的最小二乘法支持向量机(LS-SVM)算法对列车通信网络时延进行预测,搭建了列车网络控制系统半实物平台,使数据通过多功能车辆总线(MVB)进行传输,分别改变车辆控制单元(VCU)特征周期及负端口数量大小,以获取大量不同特性的时延数据。将数据分组后利用改进的PSO算法优化LS-SVM算法进行预测仿真。仿真结果表明,与传统的LS-SVM算法及Elman神经网络算法的预测方法相比,所提出的方法在列车通信网络的时延预测方面具有更好的快速性和准确性。     

铁路车站进路选择优化模型及求解算法的研究

铁路车站进路选择是车站运输组织的基础,合理地安排车站内各项作业的运行进路及其排列时机有利于提高运输生产效率,节约生产成本。本文以一般技术站为背景,从数学规划的角度研究车站进路的自动选择方法。通过定义衔接点和承载点,建立了车站网络的描述方法。以作业晚点时间最短以及各进路的总走行时间最短为目标,以避免车站作业的时空交叉、满足作业计划要求为约束构建了车站进路选择的数学规划模型。利用进路选择和进路排列时间的映射关系,把进路选择模型转化成一个等价的0-1整数规划模型。针对模型的非线性特点,以模拟退火算法为基础,提出了适合求解进路选择模型的复合优化算法。通过算例验证了模型的正确性以及求解算法的有效性。     

路网车流径路选择随机相关机会规划模型及其混合遗传算法

研究随机环境下车流径路的选择问题,首先给出路网车流径路方案可靠性的定义,并在此基础上建立随机环境下车流径路选择问题的随机相关机会多目标规划模型。模型考虑了车流具有不同权重的情况,目标为极大化车流径路方案的可靠性及极小化期望总费用。用C＋＋语言编写K短路算法,并在Visual Studio 6.0上基于该算法开发了软件,用于计算网络上任意两点之间的K短路。以该软件计算出的K短路作为节点间的可选径路集,提出一种基于随机模拟的混合遗传算法。算例表明,在不同交叉和变异概率的条件下算法均可在给定进化代数内收敛至相同的最优解,有较强的适应性。