基于改进遗传算法的ATO速度曲线研究

常用遗传算法研究ATO速度曲线,但其存在着局部搜索能力和全局收敛效果较差的缺点。针对此问题,提出一种基于自适应变异算子的变异策略,并结合精英保存策略使算法全局收敛。然后基于列车动力学和牵引制动模型,建立多目标优化模型,用于求解ATO速度曲线。结果表明:改进算法比标准遗传算法效果更优,生成的ATO速度曲线符合相应模式的牵引控制策略,且算法具有一定的参考价值。     

基于遗传算法的铁路纵断面优化研究

针对铁路纵断面优化问题,基于遗传算法建立铁路纵断面优化模型。研究结论:在初始铁路纵断面方案基础上,基于遗传算法进行纵断面自动优化,可以提高优化速度和优化结果;以变坡点里程及设计高程为优化设计变量,依据对纵断面设计内涵的分析,构建了遗传算法的多目标适应度函数;在种群多样性评价的基础上,确定选择、交叉和变异算子操作概率的自适应调整方法;在纵断面优化理论的研究基础上,利用VC.NET和ObjectARX2006编制了基于遗传算法的纵断面优化程序。     

基于GA-MADS混合算法的既有铁路平面线形自动重构

研究目的:既有铁路平面线形重构是铁路养护维修与增改建设计的重要基础,重构结果对列车运行安全、养护改建工程量将产生重要影响。既有方法通常先识别确定交点坐标,再逐交点优化半径缓长,属局部重构,难以实现全局优化;同时对约束的处理还不全面,重构的线形需要经过大量人工调整方可应用。对此,本文提出一种遗传算法混合网格自适应直接搜索(GA-MADS)的既有线路平面重构方法,实现线路平面整体自动优化重构。研究结论:(1)在遗传算法中融入MADS,有效克服了遗传算法在优化中随机性大、早熟收敛的缺点,实现平面线形整体重构;(2)各类约束在优化过程中被自动处理,无需人工后续调整;(3)研究成果已在各大铁路设计院6 000余公里的既有线增改建设计中成功应用,结果表明该方法可以自动产生满足工程约束的优化重构线形,大幅提高效率和质量。     

基于遗传算法的铁路纵断面优化系统的研究

提出一种基于全局最优的改进式遗传算法.采用改进的启发式交叉算子和多种算子混合操作,加快算法向最优解收敛的速度.给出相应的纵断面优化模型,并改进初始种群生成的方法,将一个二维优化问题转化为两个一维优化问题进行求解,简化了算法的执行过程.引入惩罚函数的概念处理方案的约束问题,设计算法实现的流程图,并开发相应的优化系统.利用实例证明遗传算法在纵断面优化设计中的可行性及全局寻优的性能.     

遗传算法在树枝型专用线取送车作业中的应用研究

针对树枝型铁路专用线取送车的作业方式,建立优化取送车作业数学模型.该模型既适用于送取分离的作业方式,又适用于送取结合的作业方式.同时提出一种改进的遗传算法,将该算法与建立的数学模型结合解决取送车优化问题.该算法采用自适应的交叉概率,能保证优良的个体在种群中得到较好的遗传,不良的个体被淘汰,并能保证搜索到问题的最优解,从而改善了算法的搜索效率.仿真实验能搜索到专用线取送车优化问题的最优解,结果验证了模型和算法的有效性.     

高速铁路接触网悬挂系统维修计划的优化研究

将高速铁路接触网系统的维修方式分为3类,根据不同维修方式下系统的可靠性和维修费用不同的特点,建立不同维修组合下接触网系统的动态可靠性模型和维修费用模型。为实现提高接触网系统的可靠性并降低维修费用的目标,提出一种混沌自适应进化算法(CSEA)来求解这一多目标优化问题。该算法的混沌初始种群算子提高了初代种群的多样性,分组选择策略保证各代有一定数量的劣势个体能参与进化,自适应遗传算子增加了劣势个体的交叉和变异概率,从而避免算法早熟,增强了算法的全局搜索能力。计算结果表明,CSEA在种群多样性保持和帕累托(Pareto)最优解收敛方面均优于流行的NSGA-Ⅱ多目标算法。采用CSEA算法得到的优化维修计划,可显著提高接触网系统的可靠性,也大幅度降低维修费用。将本文多目标优化算法与传统的单目标优化算法进行比较,验证了多目标优化算法的优越性。     

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。     

遗传算法改进及其在非线性最小二乘平差中的应用

经典平差方法对于处理非线性问题,尤其是强非线性问题,有些力所不逮.从数学的角度来看,可把非线性最小二乘平差问题作为一个优化问题进行处理.遗传算法在此领域具有独到的优势.从初始种群产生,个体适应度计算,选择与交叉,个体子代的产生、变异,种群的进化、进化终止条件几个方面对遗传算法进行了改进,并且用一个测边网平差的实例,说明了改进算法在收敛速度和全局收敛方面的优势和用于非线性最小二乘平差的有效性,具有一定的实用价值.     

城市轨道交通列车运行过程的多目标优化研究

为了使城市轨道交通列车运行曲线能更好地为司机提供驾驶指导,进一步保证列车高效运行,在前人研究的基础上,建立包含巡航模式的列车运行过程优化模型。在建模过程中综合考虑列车运行过程的时间、能耗、乘坐舒适度、精确停车等多个性能指标,并使用差分进化算法对建立的模型进行求解。由于传统的差分进化算法存在许多不足,采用一种具有自适应参数调整策略的改进差分进化算法。通过调整算法的变异因子和交叉因子,增加了种群的多样性、扩大了全局搜索区域,避免了局部最优解,同时在后期也加快了收敛速度。通过对所选线路的仿真优化,使各优化性能指标达到了整体相对最优,验证了模型与算法的有效性。     

基于多目标遗传算法的RITS物理结构优化设计

铁路智能运输系统(RITS)是涉及多学科、多专业领域,集底层控制、实时调度、运营管理于一体的多功能、多任务的复杂大型信息系统,系统结构优化设计方法研究对铁路信息化建设和现有信息化资源的整合具有重要意义。本文提出了RITS物理结构优化设计问题模型,即在一定资源条件约束下,综合考虑技术、经济等方面因素,实现功能单元在物理实体上的优化配置,并提出了基于多目标优化的解决思路。RITS结构优化设计待优化函数具有高维、多峰、非线性等特点,求解难度大。本文重点研究了一类基于Pareto机制的具有快速全局收敛能力的多目标遗传算法,并以紧急救援系统为例进行结构优化设计,验证了算法的有效性。