基于整体分布优化算法的闭塞分区划分优化

本文将整体分布优化算法应用于闭塞分区的划分，设计了适应于闭塞分区划分的优化算法。通过MATLAB编程进行仿真，对整体分布优化算法和粒子群算法进行比较，并对优化结果进行检验，结果表明，整体分布优化算法的优化效果比粒子群算法更优，且优化结果满足实际需求。     

基于客流影响的城轨交通列车运行调整研究

列车运行调整是城轨交通调度指挥行车的重要内容,但存在约束条件多、搜索空间大、可行解范围小等问题,往往难以获得满意解。为解决该问题,结合城轨交通列车运行特点,本文建立基于客流量影响的列车运行调整优化模型,采用改进粒子群算法进行求解。通过与遗传算法、粒子群算法对比,验证本文模型及算法的有效性。     

基于遗传粒子群算法的堆垛机作业路径优化

堆垛机的作业路径决定了自动化仓库的作业效率。建立了堆垛机作业的数学模型,并采用遗传粒子群算法对自动化仓库堆垛机作业路径进行优化。该算法引入了遗传算法中交叉和变异操作,通过粒子与个体极值和群体极值的交叉和粒子自身变异的方式来搜索最优解。仿真实验结果表明,该算法的求解效果在收敛速度和优化效果方面都有明显的提高,可以有效地减少堆垛机系统拣选作业运行时间,提高了自动化仓库的作业效率。这对实际应用有一定的参考价值。     

基于个体位置变异的粒子群算法

针对粒子群算法随着迭代次数的增多,其种群多样性降低,粒子群算法容易陷入局部最优的不足,提出了一种基于个体位置变异的粒子群算法。该算法在保证最终收敛的前提下极大扩展了粒子的空间搜索范围,从而降低了粒子群算法发生早熟的可能,并且程序量较小。仿真实验中,将算法应用于6个典型测试函数中,并与其它改进粒子群算法进行比较,结果表明,该算法具有较强的全局寻优能力和较好的收敛速度,明显提高了粒子群算法的优化性能。     

基于粒子群优化神经网络算法的货运机车能耗预测研究

机车能耗是铁路能耗的主要部分,是衡量铁路运营水平的重要指标,机车能耗水平的有效降低,将成为未来铁路节能降耗的主要手段之一。阐述测算机车能耗普遍采取的算法,考虑粒子群算法具有全局最优、能够实现动态搜索等优势,提出粒子群优化神经网络算法,将机车能耗有关影响因素作为输入变量,建立基于粒子群优化神经网络算法的货运机车能耗预测模型。以邯长线货运机车能耗为例,分别采用神经网络算法和粒子群优化神经网络算法进行货运机车能耗预测。结果表明,基于粒子群优化神经网络算法的货运机车能耗预测具有较高的可信度。     

CIPSO算法在城市有轨电车控制策略中的应用研究

在保证电车安全的前提下,轨道交通中的城市有轨电车控制策略优化问题实质上是多目标优化问题,主要是针对节能、正点、停靠准确和乘客舒适度优化等方面的复杂问题,以电车运动学方程为基础,针对粒子群优化算法在离散优化问题中处理不佳,容易陷入局部最优的问题,采用混沌Tent映射初始化粒子群,建立其多目标优化模型。而后采用免疫接种和免疫选择的方法提高PSO优化算法的优化能力,对模型进行求解。以广州市海珠区环岛新型有轨电车试验段数据为对象进行实例仿真,结果表明,混沌免疫微粒群优化算法较传统微粒群优化算法可获得更好的控制策略,能更有效的解决电车运行多目标优化问题。     

基于粒子群优化算法的地铁列车节能运行研究

在建立地铁列车运行物理模型的基础上,采用粒子群优化算法搜寻列车区间运行的惰行点位置,优化列车区间运行时间及运行能耗。基于南京地铁2号线实际线路模型,利用粒子群优化算法求解定时节能策略中列车区间运行惰行点位置,计算区间运行时间、能耗及回馈能量。结果显示,区间运行时间增加5.5%,列车运行能耗相应降低18.73%。     

粒子群优化算法在多用户检测中的应用

粒子群优化算法是一类有效的随机全局优化技术。它利用一个粒子群搜索解空间,每个粒子表示一个被优化问题的解,通过粒子间的相互作用发现复杂空间中的最优区域。多用户检测技术是直扩序列码分多址中的一项关键技术。将粒子群优化算法应用于多用户检测中,能有效抑制多址干扰,实现结构简单、鲁棒性强的目的,在加速收敛的同时降低了计算复杂度。仿真结果表明,这种多用户检测器充分利用了粒子群优化算法的优良特性,与传统的码分多址接收机、基于进化算法的多用户检测器和基于遗传算法的多用户检测器比较,在误码率和收敛速度等方面都有显著的改善。     

改进粒子群优化算法的BP神经网络在机车滚动轴承故障诊断中的应用

本文提出了一个基于改进粒子群优化算法的BP神经网络优化模型来进行轴承故障诊断,此模型融合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了诊断结果的精确性.仿真结果表明机车滚动轴承故障得到了有效诊断.相比于常规的BP神经网络模型,此方法不仅改进网络的收敛速度并且提高了预测准确性.     

基于IPSO的霍尔特指数平滑系数的铁路客运量预测研究

为了提高霍尔特指数平滑法对铁路客运量预测的精度,基于改进粒子群算法(IPSO)对铁路客运量预测领域中霍尔特指数平滑系数的取值进行优化研究。以我国各省铁路客运量为研究对象进行仿真实验,以验证改进粒子群算法的寻优效果,并求解霍尔特指数以预测各省铁路客运量的平滑系数最优取值。研究表明,相较于经典的线性递减权重优化法和固定权重法,非线性递减权重优化的粒子群算法能更加准确地求出最优平滑系数,具有更好的寻优能力和收敛速度。以上海市为例,其收敛速度分别提高4代和14代,求解精度分别提高了0.000 18、0.000 006。     

基于KH算法的高速列车ATO控制策略优化研究

针对传统高速列车自动驾驶(ATO)控制策略优化时简化线路参数、列车牵引计算采用单质点模型等问题,将列车通过牵引供电分相区断电惰行纳入运行工况,建立动车组多质点模型。在满足列车运行图固定运行时间条件下,以能耗、准点性、停车准确性及舒适性为指标建立高速列车ATO控制策略优化模型。利用磷虾群(KH)算法对高速列车ATO控制策略进行优化。以兰新高速铁路某区间线路数据为例,仿真测试表明KH算法可以在较少的迭代次数下获得较粒子群算法更优的ATO控制策略,且列车过分相区断电惰行会对优化结果产生影响,验证了所提算法在优化高速列车ATO控制策略中的优越性及将列车过分相区断电惰行纳入运行工况的合理性。     

基于混合微粒群优化的多目标列车控制研究

列车控制策略包括输入控制序列和每一控制序列作用距离两方面,本文建立列车运行过程多目标优化模型,以二进制和实数域的混合微粒群优化方法对该问题进行了研究,二进制微粒群算法优化列车输入控制序列,实数域微粒群算法对列车运行距离进行优化,以此得到列车最佳控制策略;针对实际的问题,提出了微粒群算法中pBest更新和gBest选择策略;并与传统的单个目标的列车运行过程优化模型进行了对比研究,仿真研究结果表明混合微粒群优化算法用于列车运行过程优化控制,可以获得满意的效果。     

基于混合PSO-RBF神经网络的铁路隧道岩爆分级预测

岩爆是铁路隧道建设中主要灾害之一。为了准确预测铁路隧道岩爆烈度等级,以岩石应力系数σ_θ/σ_c、岩石脆性系数σ_c/σ_t以及弹性能量指数W_et作为岩爆烈度评价指标,提出一种基于混合粒子群优化算法优化的径向基(RBF)神经网络岩爆预测模型。首先在国内外研究成果基础上,选取80组已有岩爆实例作为模型基础数据;然后运用结合了模拟退火算法的粒子群算法(混合PSO)改进径向基神经网络,通过训练数据选取最优的权值W和基函数标准差σ,得到混合PSO-RBF神经网络岩爆烈度预测模型;最后将模型应用于实际铁路隧道工程进行验证。研究结果表明:该模型兼顾个体最优和全局最优,能够正确、有效的对铁路隧道岩爆等级做出预测,为铁路隧道岩爆预测提供了一种新方法。     

基于RAMS的地铁信号系统维修策略研究

为了保证整个地铁的正常载客运营,地铁信号系统的可靠性、可用性及安全性须维持在一个较高水平,因此应当加强对制定维修策略准确性与合理性的研究。通过对信号系统设备维修活动的研究,以其平均可靠性与维修费用共同作为二维优化目标,将系统可用性及安全性设定为算法的约束条件,建立相应的多目标优化模型。应用标准粒子群算法及引入退火机制的粒子群算法进行寻优计算与结果分析,最终获取全局最优解集以协助决策人员制定最有利的维修计划。     

基于广义费用函数的城际铁路分时定价策略研究

随着我国城市群的发展,区域内部各城市之间的客流需求不断增长,城际铁路作为城市间出行的主要方式,客流在高峰、低谷时段具有明显的不均衡性。为了更加平稳有序地提供高质量服务,充分发挥票价调节供需匹配关系的作用,对城际铁路分时定价策略进行研究,构建不同时刻、不同运输方式的旅客出行广义费用函数,建立双层规划模型,优化不同时段城际铁路票价,并结合Frank-Wolfe算法和带有惯性权重的粒子群算法,求解双层规划模型。最后,以京津城际铁路为例,验证了分时定价策略可以使客流分布更加均衡,并提高铁路运输部门收益。     

基于粒子群算法的轨道车辆设备布局优化

轨道车辆车上设备布局是轨道车辆设计中一个重要的环节，开展轨道车辆设备布局优化设计对保证轨道车辆的安全运行具有重要作用。考虑轨道车辆设备外轮廓约束、设备干涉约束等，建立了以设备总重心相对于轨道车辆自身中心的距离最小化的轨道车辆布局优化数学模型。根据轨道车辆设备布局优化的特点设计了基于粒子群算法的轨道车辆设备布局数学模型。采用线性递减权值策略，通过改进惩罚因子，有效地引导粒子群算法向全局最优解方向收敛。以轨道工程车辆的设备布局问题为实例，采用本文算法进行了车上设备布局优化设计的实例分析，表明本文方法可有效解决轨道车辆设备布局优化问题。     

基于人工蜂群算法的高速列车运行节能优化研究

合理的列车操纵方式能在很大程度上降低列车运行过程中的能耗,为了有效降低高速列车运行能耗,从研究高速列车的操纵方式入手,首先建立列车牵引计算模型和列车运行能耗计算模型,其次通过对比人工蜂群算法(ABC算法)和粒子群算法(PSO算法)的优化性能证明ABC算法优于PSO算法,提出了在满足运行速度、运行时间以及运行区间等约束条件下,采用ABC算法与操纵工况序列相结合的方法来优化计算确定高速列车操纵工况关键转换点最优位置和速度。最后通过对选取线路的MATLAB仿真模拟,验算了ABC算法在降低列车运行能耗方面的有效性。研究表明,经过ABC算法优化后的结果均能满足优化操纵方式的基本操纵策略且达到了良好的优化效果,能较好地解决列车节能操纵优化问题。     

基于四维可视化算法的牵引变电所位置优化

针对牵引供电系统设计的复杂性以及传统优化设计方法过程繁琐且很难找到可靠的最优解,粒子群和遗传算法等的迭代过程复杂并且容易陷入局部最优解的问题,将一种四维可视化算法运用到牵引供电系统的优化设计中。四维可视化算法不需要设定初始解、能够同时展现全局最优解的分布、能判断解的稳定性、方便添加约束条件。四维可视化优化算法通过编程使目标函数的最优解集在四维数据场可视化。以接触网对地电压为约束条件,以牵引网有功功率损失最小为目标函数,运用四维可视化算法进行牵引变电所和分区所位置的优化设计。通过实例计算验证了四维可视化算法可有效降低牵引网的功率损失。研究表明该方法能很好地克服传统方法和粒子群等优化算法在牵引供电系统优化设计中的不足。