铁路编组站动态配流分层模型

为了使编组站动态配流充分考虑实际解体和编组作业过程,首先基于约束程序中的累积调度和字典序多目标优化理论,按照配流成功的出发列车优先级总和最大、车辆在站平均中转停留时间最小和资源利用率最高3个目标函数的字典序,建立适应于不同解体方式的动态配流字典序多目标累积调度模型,并设计约束传播与多点结构化搜索相结合的混合算法迭代求解,得到解编顺序和初步配流方案;然后,以出发列车车流来源总数最少为目标函数,建立二次配流整数规划模型,并设计贪婪算法对初步配流方案优化。算例结果表明,采用给出的编组站动态配流分层模型和求解算法,可提高铁路编组站的解编调车作业效率和配流方案兑现率。     

自适应粒子群算法求解编组站车流推算问题的研究

编组站日班计划和阶段计划编制核心之一是出发列车车流来源的推算,由于车流推算的复杂性,其求解算法也是研究重点之一。基于解编顺序建立编组站动态车流推算的数学模型,约束中考虑了单调机资源、车流接续去向和时间等约束,目标函数在优化正点出发列车数的同时考虑总停留车小时的优化。通过设计自适应离散粒子群算法(ADPSO)对数学模型进行求解,以解编顺序为主要优化对象,静态配流采用Lingo编程实现,最后通过算例验证了算法的有效性。     

技术站配流与调机运用综合问题的拉格朗日松弛算法

技术站调度问题中配流与调机运用是关系密切的两个基础问题。基于单机器调度和资源分配理论,构建单解单编技术站配流与调机运用综合问题的混合整数线性规划模型,同时确定出发列车的编组内容和调机的解编任务,使得出发列车满足列车编组要求,且车辆在站加权总停留时间最小。设计拉格朗日松弛算法松弛掉连接约束,将原问题分解为解体子问题、配流子问题和编组子问题,对偶问题采用传统次梯度优化算法求解。最后,采用既有文献算例对该算法的有效性进行测试,结果表明:与分支定界算法相比,该算法能够实现计算质量和时间的较好折中。     

考虑不同满轴约束的编组站阶段计划配流优化

基于阶段计划列车解编顺序优化,同时考虑出发列车牵引质量及换长两个满轴约束,以车流接续与分配的"代价"最小为目标,构建编组站配流优化0-1整数规划模型,并设计与ILOG优化软件结合的和声搜索算法进行求解。其中配流结果使用ILOG求解,列车解编顺序则采用和声搜索策略进行优化。在构造新的和声过程中,采用邻域搜索策略提升算法的寻优效率。算例结果表明:提出的方法能获取鲁棒性更高的配流方案。     

双向编组站配流问题整数规划模型及算法

双向编组站是铁路大型技术站,有2个相对独立的改编系统,业务繁忙且复杂。每个系统中出发列车的车流既来源于本系统的普通车流,也来源于对向系统的折角车流。配流问题指同时确定2个系统中出发列车的编组内容及车流来源,指派并调度解编调机的任务。本文设定折角车流利用交换场进行转场,以车辆在站总停留时间最小为目标,构建大规模混合整数线性规划模型。利用模型结构,开发拉格朗日松弛算法,通过松弛连接约束,将原问题分解为更为简单的子问题。最后以案例测试算法,结果表明,该算法在求解质量和时间方面明显优于商业优化软件CPLEX和现场使用的经验方法。     

免疫算法求解编组站阶段计划配流问题研究

在编制编组站阶段计划时需解决的一个核心问题是确定出发列车的车流来源.本文针对该问题作了深入研究,以解编顺序为优化对象,在考虑解、编调机资源约束的情况下,以在正点出发列车数最大基础上考虑总停留车小时最小的解编顺序为目标建立数学模型,并设计了免疫算法中自适应克隆选择算法对其求解,其中抗体评价所需的配流结果通过lingo编程实现.算例证明了算法的有效性,为编组站阶段计划配流智能化提供了较好的解决途径.     

技术站广义配流问题模型与算法

根据列车解编顺序是否确定,将阶段计划中的广义配流问题分为广义静态配流问题和广义动态配流问题。以阶段内发出配流车数最多和车辆在站平均停留时间最短为目标函数,以列车解体开始时刻、车流分配、车流接续和列车编组开始时刻为约束条件,建立广义动态配流问题的多目标非线性混合整数规划模型。综合考虑优先排空、优先发送较近编组去向车流,模拟车站调度员编制阶段计划时的思维过程,设计搜索算法,解决广义静态配流问题(给定列车解编顺序的广义动态配流问题)。以有7个编组去向的某技术站为例,运用该算法可以在较短时间内得到列车解编方案和配流方案,表明了该算法的实用性和可行性。     

基于约束规划的编组站阶段作业计划优化研究

为了解决编组站阶段作业计划优化模型规模过于庞大、适用性不强、求解方法复杂、算法收敛慢等缺点,通过剖析编组站阶段作业计划优化编制问题的本质,在此基础上建立了一个以车流累积为模型对象、出发车车流来源及解编顺序为决策变量,出发车最多为总目标的约束规划(CP,Constraint Programming)模型.将模型求解分为:利用约束传播得到初始解和利用搜索技术结合约束转播改进初始解两部分,并用约束规划算法引擎(CP Optimizer)实现模型的求解.实验表明,本模型均能在普通PC机上运行20 s左右就能得到最优的方案,符合现场对算法时间及空间复杂度要求.     

技术站广义动态配流问题的遗传算法

技术站广义动态配流问题是在综合考虑优先排空和优先发送较近编组去向车流的编组要求、欠轴列车停运要求,以及到发列车在时间和车流接续关系的基础上,将静态配流和列车解编方案调整进行协同优化。分别以阶段内出发列车数最多、出发车辆数最多、车辆在站平均中转时间最短为目标,考虑解体、编组调机能力限制,到发列车车流接续,列车编组计划和列车运行图的影响约束,建立该问题的优化模型。针对问题机理,设计求解这一问题的遗传算法:运用启发式规则生成初始群体;运用倒数算子计算适应度函数,对各目标进行无量纲化和同向化处理;采用轮赌盘选择算子、基于顺序的杂交算子、逆转变异算子和精英保护策略。通过对算例的实验分析,表明该算法的实用性和计算的高效性。     

多站协同的技术站配流优化研究

技术站是铁路网的重要组成部分,其作业组织水平直接决定了铁路运输生产效率。传统的技术站配流问题通常考虑车站内部作业优化,如解编顺序、分类线运用等,以减少车辆在站停留时间。为加强站间互联互通,促进车流有序流动,提出基于货物列车编组计划的多站协同概念。建立以车辆在站停留时间最小为目标的考虑多台调机的单技术站动态配流模型M1和以协同后减少的停留时间之和最大、新增列车走行费用最小为目标的多站协同优化模型M2。考虑到模型M1属于NP-hard问题,设计拉格朗日松弛算法将模型分解为3个子问题求解。模型M2根据模型M1求得结果并结合多站协同概念,调用GUROBI求解器求解验证。通过案例分析可知：在计划时限内,给定的路网中共有6个技术站进行协同配流,通过改变欠轴停运列车的编组去向,实现相邻车站车流供给,车辆在站停留时间减少645.1 h,较协同前降低6.57%,增加6列正点出发列车。研究结果表明,提出的模型及算法能够压缩多站车辆在站停留时间,提高计划兑现率,增强铁路货物运输生产效率。     

单向编组站配流与调机运用综合问题

单向编组站配流与调机运用综合问题研究的是确定出发列车的编组内容,指派并调度解体和编组调机的任务,使得出发列车满足列车编组要求,调机任务没有冲突,且车辆在站总停留时间最小。基于并行机调度和资源分配理论,建立该问题的混合整数线性规划模型。设计有偏随机键遗传算法求解该优化模型,基于平均分配和随机分配规则生成初始种群,并采用参数均匀交叉算子以使子代能有效继承父代的优化特征。最后,以1个实际算例对所提出方法的有效性进行测试,并与现场采用的贪婪算法、直接求解模型的优化求解器CPLEX进行比较。算例结果显示所提算法在计算质量和计算效率上的优越性。     

编组站调度计划随机机会约束规划模型及算法研究

运用随机规划方法,研究列车解编时间随机变动情况下编组站阶段计划的优化编制问题,建立了以压缩车辆中时和减少出发列车晚点时间为目标的随机机会约束规划模型。将模型中的随机机会约束转化为相应等价形式,从而将随机规划模型转化为确定性模型,并提出了一种改进遗传算法对之进行求解。该算法基于列车解编顺序对染色体进行编码,并针对问题的特殊性设计了相应的交叉和变异操作。算例表明,设计的改进遗传算法能够在较短时间内收敛至最优解,编组站阶段计划的随机机会约束规划模型能取得可靠性更高的调度计划,为改进编组站的决策质量提供了一条解决的途径与方法。     

双向编组站列车调度调整的优化模型及算法

研究双向编组站调度优化问题,以解决到达列车接入系统和出发列车编组系统的实时调度调整。在分析双向编组站作业机理和规律的基础上,以列车的编成辆数、编组内容、接续时间、集结地点和作业能力为约束条件,以列车的走行距离、所产生的交换车数为综合优化目标,构造双向编组站列车调度调整的非线性优化模型。根据模型NP-Hard性和变量高度相关性的特点,建立基于网络流技术的遗传算法求解理论。算法的主要思想是在假定0-1变量已经确定的条件下,将整数变量的确定归结为求解网络最小费用流问题。以郑州北编组站为背景,给出算法的实际求解过程。求解算例表明,提出的方法能够有效解决到达列车和出发列车作业地点的实时选择问题。     

基于配放约束的货物多车配载优化模型与算法

构建具有装载重量、体积以及性质相互抵触的货物不能混装等多约束条件下,基于配放约束的货物多车配载模型.并以该模型为基础,提出求解该问题的蚁群算法.在模型求解过程中,针对问题特点,充分考虑货物配装限制及装载工具的载重、容积等方面约束,基于待装货物比容动态逼近装载工具剩余空间比容策略,综合运用ACA-VEHICLE和ACA-VOTUME等2个不同蚁群协同考虑两个目标--需用装载工具数目和重量、容积利用率优化对问题的求解策略进行研究.改进了蚁群算法的求解策略,提升了算法性能.最后,结合8类100件货物的配装问题,对模型算法进行检验,结果满意,说明该方法具有实用性.     

树枝形货物作业点取送车作业方案的多目标优化模型及算法

以调机取送作业总时间、总入线车辆小时和总走行车辆公里加权综合值最小为优化目标,以调机的牵引辆数和访问调移作业点先后顺序为约束条件,建立树枝形货物作业点取送车作业方案的多目标优化模型;采用自然数作为解的编码序列,任意构造1个满足调移优先关系的解作为初始解,将调机牵引辆数约束转化为惩罚函数,并与目标函数式累积起来作为解的评价函数,依次运用3种邻域结构操作方法进行随机搜索,利用模拟退火算法对模型进行求解。以某铁路车站取送车作业为例对模型和算法进行验证。结果表明:所建模型符合取送车作业方案的编制要求和作业实际,模型求解算法的效率和结果满足现场需要。     

编组站配流问题中多阶段优化算法的启发式规则

以所有车辆在站停留时间最短为目标,对单向单推单溜配流模型进行理论分析,证明该模型下的三个优化目标转换定理,并在不同假设条件下得出8个推论。为了验证上述定理和推论的启发效果,将它们设计为各阶段选择解体列车和编制配流方案的优先规则,并构建以每列出发列车获得最大车流数最多为子目标的多阶段配流问题推理算法,实例结果表明该算法可在线性时间复杂度内获得高效近似解。     

铁路网货流分配模型的D—GUB算法

在文献（１）提出铁路网货流分配模型的基础上，对模型规模大、变量约束数多，一船 线性规划算法无法求解的问题进行深入研究。并利用模型的特点结构，将分解算法与限约束算法相结合提出Ｄ－ＧＵＢ算法，求解效率显著提高。     

重载铁路装车端编组站重载列车组合优化

重载铁路装车端编组站重载列车组合在于确定出发重载列车的发车时刻、编组内容及其列车来源,以使得所有出发列车遵守满轴、不违编和追踪间隔的规定。考虑到达列车残存、出发列车停运和出发时刻调整等实际情况,以车辆在编组站总停留时间和车辆在前方站总额外中转时间最小为目标,构建多目标混合整数线性规划模型。设计增广ε-约束法求解模型,寻找若干区分度明显的代表性非支配解。以大秦线湖东站为背景构造算例,对所提出的方法进行测试。计算结果表明,与现场常采用的"先到先组、正点出发"经验方法相比,本文所提出方法可明显缩短车辆在编组站的停留时间和在前方站的额外中转时间。     

基于改进列生成算法的高速列车开行方案优化研究

针对编制开行方案涉及因素多、建模及求解困难的特点,结合有容量限制的多商品流网络设计问题,建立确定列车开行对数、开行区段、停站方案及编组形式的多目标整数规划模型,运用权重法将多目标规划转化为单目标规划。鉴于标准的列生成算法难以协同处理网络设计与网络配流问题,设计综合使用列生成与行生成策略的启发式算法确定列车的运行路径及停站方案,采用改进分支策略的分支定界算法求解最终模型。最后,以京沪高铁为例进行验证,在有效时间内获得较高质量解,该解与最优解的误差率为2.13%,且优于京沪高铁实际采用的开行方案。     

不确定条件下编组站动态配流模型及算法研究

由于编组站解、编作业时间存在一定的波动性,将其作为模糊变量,用变量的λ悲观值表示在一定置信水平下的解、编作业时间,以阶段内出发车辆数最大为目标,建立不确定条件下的编组站动态配流模型。通过定义不确定条件下的可解集合、待解集合和选解集合将动态配流问题映射为方案树,从而设计一种基于蚂蚁系统的非确定性树搜索算法。由于改进了蚂蚁系统的选择策略和信息素更新,并在每次转移过程中对模型的约束条件进行判断,提高了解的性能和算法的收敛速度。算例表明,该算法能够较快地搜索到有利的全局方案。