基于A*搜索算法的城轨联锁系统仿真研究

进路搜索是计算机联锁软件的核心模块,搜索算法直接影响进路搜索的效率。为提高进路搜索效率,采用A*搜索算法进行进路搜索,为测试算法性能,使用C#编程语言搭建城轨联锁仿真平台进行仿真研究。在该仿真平台上,主要模拟城轨联锁系统中的进路处理过程,构建站场型数据结构,将A*搜索算法应用到进路搜索过程中,利用启发信息指导搜索,使搜索更高效、智能化。最后完善仿真平台的联锁功能,实现联锁人机交互。     

大型交通网络最优路径的随机深度搜索算法

提出了随机子空间的概念,并应用于随机深度搜索算法.该算法可以解决大型交通网络最优路径的搜索问题.并运用于约4000个车站,520多条线路的交通网络并取得了成效.随机深度搜索算法可以2 000ms快速的找到一个优秀解.     

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。     

基于等高线特征的三维地形造型技术研究与应用

讨论基于矢量化的等高线生成数字高度图(Digital Elevation Map)的方法,并在此基础上进行三维建模,实现等高线的三维可视化,本文以线性内插为基础,采取了简化的基于等高线特性的内插方法,并提出一种等高线的快速搜索方法.该算法通过软件实现,已在铁路电力架空线路辅助设计系统平台上进行试验,实验结果证明,该算法可以大幅度提高三维地形造型速度,提高工程设计人员设计效率.     

基于改进Dijkstra算法的进路搜索研究

进路搜索是计算机联锁的核心部分，其准确性及高效性对保证行车安全至关重要。建立铁路站场结构的有向图模型，将站场进路搜索问题转化为有向图的遍历问题；根据铁路站场简化图的特点，从数据存储结方式和队列结构2个方面改进传统Dijkstra算法，采用广度优先搜索方式，提出以最短路径为目标函数的进路搜索策略；编制仿真程序对该算法进行验证，结果表明:基于改进Dijkstra算法能够正确、高效地完成多种类别进路搜索。     

基于MATLAB的混合型蚁群算法求解旅行商问题

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,给出基于MATLAB的蚁群算法在旅行商问题中的应用,针对蚁群算法存在的过早收敛问题,加入2-opt方法对问题求解进行局部优化.计算机仿真结果表明,这种混合型蚁群算法对求解旅行商问题有较好的改进效果.     

基于BIM技术的铁路变配电所线缆敷设优化

为解决传统方法在铁路变配电所敷设施工时完全依靠二维设计布线图纸,易发生扭绞、交叉以及浪费物料等问题,基于建筑信息模型(BIM,Building Information Modeling)技术对铁路变配电所的线缆敷设进行优化。利用改进的快速扩展随机树(RRT*,Rapidly Exploring Random Tree*)算法,在三维视图下进行智能布线,解决了线缆布放规划复杂,工艺要求高,施工工艺难以掌握等问题,避免了施工过程中扭绞等问题的发生,同时实现了布线路径最优化。此外,还可以三维动画的形式对整个线缆敷设过程进行模拟和演示,并生成包含路由、长度、规格型号的线缆清单,显著提高了施工效率和工艺质量。     

基于启发式遗传算法的列车节能运行目标速度曲线优化算法研究

针对传统速度曲线优化算法在极限线路条件下鲁棒性差、易陷入局部最优的缺点,提出一种基于启发式遗传算法的速度曲线优化算法。基于列车运行基本模型和相关约束条件,按经典的四阶段法规划速度曲线轮廓,选取巡航速度和惰行点位置作为优化变量,采用启发式遗传算法进行寻优,中途如因限速变化等情况与最短时间运行曲线交汇则强制沿最短时间运行曲线运行。仿真实验结果显示,该算法具有收敛速度快、优化精度高、鲁棒性好的优点。该算法有效克服了进化算法搜索结果不确定性和速度波动性的固有缺点,对该领域以及其他交通工具的节能运行和自动驾驶,具有较好的参考意义和实用价值。     

城市轨道交通物资总库布点优化平台研究

根据城市轨道交通物资配送的特点,研究建立了城市轨道交通物资总库布点优化计算平台系统,平台通过对百度地图API(应用程序接口)二次开发进行配送路径的规划,结合层次聚类算法能够快速地进行物资总库布局的优化计算,实践证明该平台具有良好的适应性和应用推广价值。     

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。