非直达车流取送方案的中断时间筛选法研究

对放射形专用线非直达车流取送车问题进行了分析,提出了不利方案的判别条件和基于枚举法的中断时间方案筛选法.将送车过程和取车过程作为整体看待,简化了计算和优化过程.通过算例分析,说明了算法的效果和适用条件.     

放射形专用线非直达车流取送车问题研究

放射形专用线非直达车流取送车问题属于一类组合优化问题，影响因素较多。经过分析，本文建立了目标函数，给出了送车需要时间和取车需要时间计算公式，提出送车增量和取车增量概念，用以替代目标函数，可简化计算。寻求最佳取送方案按照分部求解的思路进行，整个选优过程实质是一个迭代过程。通过算例说明了算法步骤，其核心是在送车状态树上采用隐枚举法搜索优质可比送车方案，为此证明了一个定理，可借以提高收敛速度。     

树枝形专用线直达车流取送问题优化研究

在组织开行路企直通列车的企业装车区合理安排取送车顺序,对提高运输效率、加速车辆周转具有重要意义。本文针对专用线呈树枝形布置、直达车流非整列装车的情况,以车辆总停留时间最短为优化目标,结合问题特点设计方案树,采用隐枚举算法直接在方案树上搜索最优方案。最后,算例验证了算法的实用性和有效性。     

放射形专用线取送车模型及算法

为了解决放射形专用线取送作业的合理取送顺序、取送时机和取送次数问题,用定性与定量相结合的方法,建立了取送车模型,设计了求解模型的蚁群遗传算法.模型及其算法适用于求解多种到发车流形式的放射形专用线取送车问题,并可自适应地生成各种取送作业组织方式,实现了取送方案的整体最优,克服了固定取送作业方式的缺陷.算例仿真结果表明,取送次数从传统方法的30次减少到18次,减小了作业车的总车小时消耗.     

放射状专用线取送车问题模型和算法

为了解决放射形专用线取送作业的合理取送顺序、取送时机和取送次数问题,用定性与定量相结合的方法,建立取送车模型,设计求解模型的排序算法,对放射状专用线取送车问题进行优化,从而可减少非生产停留时间,依照运行图准时发车,并将调车空闲时间用于其他作业。     

基于时间窗的大型编组站取送调机作业优化研究

在分析拥有大型货场和大量专用线编组站各项取送、调移作业占用取送调机时间的基础上,将有时间窗的车辆调配问题变成了有具体的开始时间的问题.同时利用图论法解决了车站某一阶段某一调车区各项任务的先后顺序问题.达到了提高取送调机效率,减少作业车在编组站货场、专用线及编组场停留时间,优化调车作业的目的.     

改进的禁忌搜索算法求解多机并行模糊调度问题

提出一种改进的禁忌搜索算法求解多机并行模糊调度问题,该算法在邻域中引入记忆结构,可以减少重复搜索,并对候选解集使用映射排序法进行剪枝,减少了搜索空间,从而极大的提高了算法效率.同时为了减少计算误差,该算法计算时不需要将模糊时间转换为精确时间求解,可以同时处理作业加工时间是三角模糊数或梯形模糊数的情况,从而更具有通用性.仿真结果证明该算法有效、可行.     

树枝形专用线取送车问题哈密尔顿图模型及算法

合理安排铁路专用线取送车顺序,对提高调车机车作业效率、加速货车周转具 有重要的意义.在已知条件下,以机车在装卸点间走行时间为权,把树枝形专用线取（送） 车作业优化问题转换成哈密尔顿图最短路问题,并松弛为指派问题,采用匈牙利算法求 出指派问题的最优解,可得到最短回路路长的下界或最优解.若未得到最优解,再利用破 圈连接法求出满意的取（送）车顺序,此算法的复杂度为O(n2).同时对送兼调移、取兼调 移、取送结合、送调取结合作业形式进行了深入地讨论.最后举例说明了模型的构造及求 解过程.大量小规模案例表明,该算法的平均复杂度及性能是比较优越的.     

模糊交货期下置换Flow Shop调度的禁忌搜索算法

实际生产过程中由于各种客观因素的影响,交货期往往具有不确定性.对模糊交货期下置换FlowShop调度问题以及禁忌搜索算法的邻域、禁忌表和搜索策略进行研究,提出一种求解该问题的禁忌搜索算法.仿真结果表明,此算法不仅可以解决模糊交货期下的最小满意度最大化问题,而且具有较高的效率.     

考虑运营费用和线性化树形改编策略的货物列车开行方案研究

国外货物列车开行方案的制定通常以车流和车列的综合费用最小为目标,而我国大多以车流的集结和改编车小时消耗最小为目标,很少考虑每个车列的运营费用,造成理论开行费用偏小,其方案未必最优.此外,我国现有开行方案模型将车流树形改编策略递归表示,不利于对不可行流的处理.鉴于此,本文对现有模型进行改造,在总目标中增加车列运营费用;在约束中引入新的决策变量,实现线性化的车流树形改编策略.设计并行禁忌搜索算法实现对模型的求解.结果表明,单位列车运营费用中的固定费用对开行方案有着重要的影响,其费用越高,总开行列数越少,列车平均运距越长,但总改编车流量增加;线性化的改编策略直观展现车流的改编路径,便于对不可行流的运输方案进行调整.     

考虑个体驾驶速度偏差的车辆调度模型

考虑驾驶速度偏差, 建立了多驾驶人、多种车型、多种物资、多仓库点和多需求点的物资车辆调度模型, 分别以整体运输时间最短、整体运输成本最低以及综合整体运输时间与成本最小为目标, 研究了个体驾驶速度偏差对上述目标的影响; 将驾驶人参数加入到遗传算法的基因编码中, 建立了驾驶人唯一性约束、初始地点约束以及物资供需数量约束, 保证每个基因个体中驾驶人分配方案可行, 且物资运输不超供需总量; 采用遗传算法求解了随机分配驾驶人条件下有驾驶速度偏差与无驾驶速度偏差时各目标的车辆调度方案。计算结果表明: 优化调度方案满足模型中的所有约束条件; 3种目标下的最优方案中, 驾驶人的分配方案不同, 说明目标函数受驾驶人驾驶速度偏差影响; 有驾驶速度偏差情况下的各目标调度结果均优于相应无驾驶速度偏差的调度结果, 3种目标函数差比分别为3.50%、2.96%和1.13%, 说明驾驶速度偏差对求解质量有一定影响; 驾驶人随机分配时的各目标调度结果均劣于相应最优结果, 3种目标函数差比分别为3.91%、2.47%和1.98%, 说明驾驶速度偏差会影响调度效率, 优化驾驶人分配方案能降低整体运输时间与成本。由此可见, 根据特定的调度目标对驾驶人进行合理分配, 可以得到更符合调度目标、更贴近实际、更经济省时的车辆调度方案。      

基于改进遗传算法的铁路三维空间线路智能优化方法研究

归纳和总结了铁路线路智能优化与三维空间信息之间的内在联系,基于OSG技术对空间信息数据进行高效组织,加工处理与信息输出为一体,建立了三维空间信息模型,为铁路三维空间线路智能搜索提供可视化地理信息环境。以平面交点坐标、交点半径、纵面变坡点里程、变坡点高程为设计变量,充分考虑了空间线路平面约束、纵断面约束、平纵组合约束和环境影响约束条件,深入分析铁路三维空间线路优化费用目标函数,建立了铁路三维空间线路综合优化数学模型。采用浮点编码方式,以交点偏移距、交点曲线半径、链式变坡点高程为基因序列,针对多约束条件构成的优化空间进行深入的研究,生成线路方案群;基于多目标排序矩阵方式对每代中线路方案进行适用度计算,设计了选择、交叉和变异三类遗传算子,逐代遗传进化,实现了线路方案向最优线路方案群自动搜索,完成了铁路三维空间线路智能寻优过程。以本文提出的理论与方法为基础,基于vs.net、OSG、数据库等技术实现了铁路三维空间智能选线系统的开发,结合实际工程对本文的理论模型与算法进行了验证和评价。     

零担货物序贯装箱优化问题的遗传模拟退火算法

从缩小搜索区域，增强算法的收敛性以及缩短计算时间的角度出发，提出将模拟退火思想引入遗传算法，应用遗传模拟退火算法（GSAA）求解零担货物在集装箱中的序贯装箱优化问题，阐明了该算法的具体实现过程，包括问题编码，适应函数值计算，遗传操作，领域选择以及降温方法等内容，并通过实际数值计算表明该算法优于传统的计算方法。     

车辆路径问题的混沌粒子群算法研究

针对车辆路径问题中单仓库非满载这一基本类型的具体特性,设计了一种混沌粒子群算法;利用混沌系统的随机性、规律性和遍历性初始化粒子,大范围覆盖车辆路径问题的解空间,加强算法最优路径的搜索能力;通过在求解过程中的次优路径处施加混沌扰动,使算法放弃当前求解的路径,避免结果为次优解。并通过试验验证了该算法在车辆路径问题中具有很强的寻优能力。     

城际零担货运平台车辆路径问题研究

在考虑城际零担货运平台现有各种不同补贴方案的基础上，以平台补贴成本、车辆使用成本及燃油成本之和最小为目标函数，建立考虑车-货匹配、车辆三维装载等约束条件的车辆路径优化模型。设计一种混合量子粒子群优化算法，计算货物匹配方案、车辆路径、货物装卸顺序、货物装载位置以及平台补贴最优决策方案。实验结果表明：改进的量子粒子群算法得到的小规模算例优化解与CPLEX优化软件得到的最优解偏差为3.31%；改进的量子粒子群算法通过在求解最佳中间位置时引入适应度函数值作为权重，求解的大规模算例结果比传统量子粒子群算法提高了0.91%；通过分析最优解的特点，将改进的量子粒子群算法与启发式算法相结合，算法的求解 质量提高了4.05%；通过补贴模式对比实验发现，在合理规划周期内，货主时长补贴和空载补贴的增长在维持总成本基本不变的情况下，可有效提升平台利润，提高车辆利用率。     

混合运输需求的车队车辆路线规划模型及算法

研究在物流中心车队投递货物到客户，且有货物回投物流中心、每一客户可被访问2次的车队路线规划问题．建立了车队车辆分配客户子集模型和车辆在分配后的客户子集中路线成本优化的索套启发式的解法．算例表明，该算法求出的路线计划方案的成本，比用邻近搜索法得出的成本低．     

蚁群算法在城市交通路径选择中的应用

针对城市交通路径选择问题,引入蚁群算法并将其改进为可同时满足对路程和时间最优的路径搜索算法,设计了相关的搜索规则和流程.在大量试验的基础上,讨论了算法中各种参数对路径搜索算法收敛性(包括收敛速度和准确度)的影响,并获得了一纽最优的经验参数.分析了搜索中产生伪最优解路径的规律,并通过控制收敛速度和加快趋向最优路径对蚁群算法进行了优化.结果显示,所进行的优化能有效抑制伪最优路径的产生,在2个周期内即可完成搜索.     

列车节能运行目标速度控制优化研究

探讨了城市轨道交通列车节能运行控制问题,提出了一种分段目标速度控制策略,将目标速度的大小、调速范围和里程范围作为控制参量,建立了定时约束下的列车节能运行优化模型.设计了一种双重惩罚机制的实数编码遗传算法求解模型,对列车晚点和非节能方案进行惩罚以提高算法收敛速度.仿真分析表明,该方法得到的目标速度控制方案较好地适应了线路条件,有效地避免了列车在下坡道的制动调速,与启发式算法得到的运行结果相比,案例中不同富裕时分程度下的优化方案平均节能率22.2%.