基于知识约束的空车调整优化方法研究

铁路空车调整是一个集空车O D量(调配方案)生成与车流径路分配于一体的复杂的铁路网流量分配问题。由于实际的空车调整计划将受到许多模糊或不确定因素的影响,需要凭借专家知识或经验来确定,所以如何基于知识建立空车调整问题的优化模型及算法是一个重要的研究课题。本文基于空车调配满足最小费用和路网中流量合理分布的综合评价原则,通过引入知识约束的概念,构造了一个带混合约束(数学约束 知识约束)的优化模型,并结合铁路空车调整计划的实际,采用模糊定量化指标的方法,对模型的求解提出一个应用算法。     

铁路空车调配问题的遗传启发算法

路网结构的复杂性和运输生产的动态性，决定了要获得较大规模的实际空车调配问题的最优解是不可能或非常困难的，为求解此类问题，提出了一种有效的遗传启发算法，针对该问题的特定领域知识，设计了适合空车调配问题的矩阵编码方法，基于该编码的初始化方法能保证初始种群的可行性，针对矩阵编码提出的特殊交叉算子和变异算子，能保证生成的新个体总是有效的，通过对收发平衡和收发不平衡的空车调配问题的数值计算和分析，验证了所设计算法的有效性。     

空车调整专家系统的研究

根据铁路货运营销管理对编制空车调整计划的新要求,提出了开发空车调整专家系统的总体结构,论述了用产生式规则和面向对象的方法相结合的知识表示方法和相应的推理机制。     

用振荡法解大规模路网上的空车调配问题

针对大规模路网上的空车调配问题，提出了一种网络变换方法－振荡法，计算空车调配方案时，为了压缩参与计算的支点数量，要把中间站上的空车流，按照区段上的空车排空方向，归并到相应的支点站上去，但是，某区段上的空车排空方向，在最优空车调配方案确定之前，是无法知道的。振荡法是在事先不知道某个区段空车排空方向的前提下，预先人为指定该区段的空车排空方向，作为初始方案，使得区段上中间站的空车流，能够按照一定的原则归并到前方技术站，然后对初始方案进行计算，对区段空车方向不断进行调整，反复振荡，反复计算，直到指定的空车方向与计算结果相符合时为止，文中给出了振荡法的算例。     

基于线路能力约束下的铁路空车调配迭代算法

以空车总走行里程最小为目标，以空车供需平衡和车流量不超过线路通过能力为约束条件，建立空车调配数学模型，并设计分步优化迭代算法进行求解。该算法的基本思路是：先放弃模型中能力约束条件，将问题转化为标准运输问题求解；再检验解是否满足能力约束条件，若满足，则得到最优解；否则，记忆有效解，调整OD供需量、路段通过容量和路网路段，形成新的能力约束条件下的空车调配子模型，再求解。如此反复迭代，直到全部空车车流配置殆尽为止；累计各步迭代的结果，得到空车调配方案。在应用实例中，分别采用直接求解算法和分步优化迭代算法求解，分步优化迭代算法得到的空车调配方案比直接求解法可减少空车走行里程6000km，且路网配流相对均衡。结果验证了空车调配数学模型及其分步优化迭代算法的正确性及可行性。     

路网节点间铁路冷藏车空车调整的蚁群算法

数量调配和网络配流是铁路冷藏车空车调整的2个核心问题。在对问题进行抽象描述的基础上，建立了铁路冷藏车空车调整协同优化模型，将空车调整径路与数量两者统一到同一个模型中，实现两者整体上的优化。通过约束条件分析，在不改变铁路冷藏车空车调整问题协同优化性质的前提下对模型进行简化，将非线性模型转化为线性模型，设计相应的蚁群算法（ACO），并对算法复杂度进行分析。通过理论分析和实际算例分析表明，ACO算法易于利用计算机实现，对求解铁路冷藏车空车调整问题具有优势。     

货车提速后空车脱轨原因的分析及防范措施的探讨

从设计原理、检修和运用实践及线路等方面分析了导致货车空车脱轨的相关因素，提出了防止空车脱轨应该重视解决的问题和有关建议。     

铁路空车调配流程优化分析

针对铁路运输目前存在的问题提出了优化空车调配流程，开发了铁路空车调配信息系统以及优化措施。     

含多个时间限制因素的空车调整优化模型

针对当前空车调整模型没有从空车流产生开始便全面地进行综合调整优化的问题，在传统空车调整模型的基础上，综合考虑了排空过程中各项时间限制因素，提出了以满足货主装车时间为重点，给定了途经中间站、技术站、装车站的时间限制条件，以满足转车时间为导向的空车调整优化模型。并对模型提出了现代启发式算法中遗传算法的求解思想，为解决在不同运输方式的衔接提供思路。     

混沌蚁群算法在空车调整问题中的应用

根据空车车流的混沌特性,以空车走行公里数最少为优化目标,提出了采用混沌蚁群算法求解空车调整问题.通过算例求解,验证了采用混沌蚁群算法求解空车调整问题的合理性和有效性.