铁路编组站动态配流分层模型

为了使编组站动态配流充分考虑实际解体和编组作业过程,首先基于约束程序中的累积调度和字典序多目标优化理论,按照配流成功的出发列车优先级总和最大、车辆在站平均中转停留时间最小和资源利用率最高3个目标函数的字典序,建立适应于不同解体方式的动态配流字典序多目标累积调度模型,并设计约束传播与多点结构化搜索相结合的混合算法迭代求解,得到解编顺序和初步配流方案;然后,以出发列车车流来源总数最少为目标函数,建立二次配流整数规划模型,并设计贪婪算法对初步配流方案优化。算例结果表明,采用给出的编组站动态配流分层模型和求解算法,可提高铁路编组站的解编调车作业效率和配流方案兑现率。     

编组站列车解体方案与编组方案的协调优化研究

编组站列车解体方案与编组方案的协调是阶段计划配流优化的关键,配流方案作为解体方案和编组方案的函数,只有当二者确定后,才能实现列车的配流.分析到达列车的最早可能解体时刻和不同调机作业方式下出发列车的最晚必须开始编组时刻的计算方法.通过定义特征点、时间调整格等概念,可以固定出发列车的解体特征,从而简化编组顺序的调整环节,减少计算量.以先编组出发列车的单个配流方案为主线,采用编组解体双向配流策略,找出合理编组顺序的有效匹配解体方案.根据解体特征和解体序号矩阵,提出解编方案协调优化算法,实例证明该算法可以缩小编组站配流问题的规模,从而快速得出优化配流方案.     

基于解体顺序的编组站到解作业计划自动化编制研究

以阶段内正点出发列车数最多为目标,构建考虑列车解体顺序和配流问题的广义动态配流问题模型;设计按照先到先服务的原则和贪婪思想为每一列车分配车流的启发式算法,并确定到解列车的解体顺序。在解体顺序的基础上,运用已编制好的编组站到解作业计划自动化编制系统确定到解列车到发线和调机运用。研究结果表明:构建的模型和编制的系统较好地实现编组站到解作业计划的自动编制,能为编组站实际工作中作业安排提供决策支持。     

提速干线上编组站到解系统匹配与协调关系的研究

提速干线上编组站到解系统作业特点是到达列车流不均衡。运用排队论和随机过程理论,定量分析系统出现饱和状态的条件,即驼峰作业负荷达到临界负荷,输入流强度的增加,将导致到解系统在临界密集到达时间内进入饱和状态。临界负荷主要取决于到发线数量和驼峰作业时间变异系数。临界密集到达时间受到达流强度、变异系数、驼峰作业负荷等因素的影响。改善编组站到解系统匹配与协调关系的措施有:建立有效的生产作业保障机制,优化车流组织方案,增加编组站设备数量等等。     

技术站广义配流问题模型与算法

根据列车解编顺序是否确定,将阶段计划中的广义配流问题分为广义静态配流问题和广义动态配流问题。以阶段内发出配流车数最多和车辆在站平均停留时间最短为目标函数,以列车解体开始时刻、车流分配、车流接续和列车编组开始时刻为约束条件,建立广义动态配流问题的多目标非线性混合整数规划模型。综合考虑优先排空、优先发送较近编组去向车流,模拟车站调度员编制阶段计划时的思维过程,设计搜索算法,解决广义静态配流问题(给定列车解编顺序的广义动态配流问题)。以有7个编组去向的某技术站为例,运用该算法可以在较短时间内得到列车解编方案和配流方案,表明了该算法的实用性和可行性。     

双向编组站列车调度调整的优化模型及算法

研究双向编组站调度优化问题,以解决到达列车接入系统和出发列车编组系统的实时调度调整。在分析双向编组站作业机理和规律的基础上,以列车的编成辆数、编组内容、接续时间、集结地点和作业能力为约束条件,以列车的走行距离、所产生的交换车数为综合优化目标,构造双向编组站列车调度调整的非线性优化模型。根据模型NP-Hard性和变量高度相关性的特点,建立基于网络流技术的遗传算法求解理论。算法的主要思想是在假定0-1变量已经确定的条件下,将整数变量的确定归结为求解网络最小费用流问题。以郑州北编组站为背景,给出算法的实际求解过程。求解算例表明,提出的方法能够有效解决到达列车和出发列车作业地点的实时选择问题。     

自适应粒子群算法求解编组站车流推算问题的研究

编组站日班计划和阶段计划编制核心之一是出发列车车流来源的推算,由于车流推算的复杂性,其求解算法也是研究重点之一。基于解编顺序建立编组站动态车流推算的数学模型,约束中考虑了单调机资源、车流接续去向和时间等约束,目标函数在优化正点出发列车数的同时考虑总停留车小时的优化。通过设计自适应离散粒子群算法(ADPSO)对数学模型进行求解,以解编顺序为主要优化对象,静态配流采用Lingo编程实现,最后通过算例验证了算法的有效性。     

免疫算法求解编组站阶段计划配流问题研究

在编制编组站阶段计划时需解决的一个核心问题是确定出发列车的车流来源.本文针对该问题作了深入研究,以解编顺序为优化对象,在考虑解、编调机资源约束的情况下,以在正点出发列车数最大基础上考虑总停留车小时最小的解编顺序为目标建立数学模型,并设计了免疫算法中自适应克隆选择算法对其求解,其中抗体评价所需的配流结果通过lingo编程实现.算例证明了算法的有效性,为编组站阶段计划配流智能化提供了较好的解决途径.     

基于约束程序累积调度的编组站静态配流模型研究

静态配流是铁路编组站阶段计划的核心,模型和算法的优劣直接影响编组站作业效率和经济效益。本文基于约束程序累积调度和字典序多目标优化理论,考虑配流成功的出发列车优先级总和最大、出发车流来源总数最小、到达车辆先到先发等具有字典序的3个目标,以满轴、正点、不违编、解编顺序及编组场容量限制等为约束条件,建立静态配流字典序多目标累积调度模型。采用迭代、约束传播和回溯算法求解。通过现场实际数据验证:本算法求解时间满足现场要求;模型稳定、扩展性好,符合实际需求。     

编组站阶段计划与动态车流的耦合及调整研究

编组站的阶段计划在执行过程中,会受到车流波动的影响,衡量阶段计划与动态车流之间的耦合关系,并将车流波动控制在一定的范围,对车站调度工作具有重要意义。在车站阶段计划执行资源已确定的条件下,分析列车晚点时间、解体作业时间、编组作业时间的容许变动范围,给出车站阶段计划与动态车流耦合度的计算方法。当车流的变化超出容许范围时,在不改变原有解编顺序的基础上,对车流进行一定幅度的调配,以减小对车站整体作业的影响,并以此为目标建立优化模型。算例表明,车站阶段作业计划易受到达列车晚点、列车编组内容改变、解编作业晚点等因素的影响,进行适当的车流调配可在一定程度上提高阶段计划与动态车流的耦合度。