机车周转图编制的自适应遗传算法

建立了成对与不成对列车运行图的机车周转图的数学模型和相应的机车最优配置的遗传算法．用单段映射交叉和基于知识的变异方法以及交叉概率，变异概率随个体优劣程度自适应调整策略，提高了局部搜索能力以及收敛和优化性能．以某区段实际运行图为例，用本文方法使机车总消耗时间和需要的机车数分别减少约5．7％和7．7％；用文献中的实例数据计算，与原方法相比，减少了机车总消耗时间．     

单线区间列车最优运行次序的量子遗传算法

讨论在单线区间上以车站接续时间最好为目标的优化列车运行次序问题.首先建立该问题的数学模型,然后结合排序理论给出求解该问题的一个量子遗传算法,阐述算法的实现方法.通过对某车站实际运行图实例计算结果表明,该算法能在较短的时间内以97%以上的概率得到最优解,所得接续时间较实际运行图减少约31%.     

��������Ԥ���һ�ָĽ�Winters����

提高航线需求预测精度是航空客运收益管理系统的重要研究课题。提出一种首先运用EM算法对航线历史订座数据中由于受资源限制而没有被满足的需求进行修复，取得更为准确的需求数据，然后，针对航班销售具有提前预订的特点，将航线历史订座数据整合成一个提前日矩阵，使预测时能够利用更多的已知信息并减少了计算数据量，最后再运用Winters模型进行预测的航线需求预测方法。以成都到广州航线历史数据为例仿真计算，预测结果的平均误差为4.9％ ，而直接采用winters法进行预测的平均误差为21.7％ ，验证了算法的可行性和有效性。     

不固定牵引方式双肩回交路机车最优配置的遗传算法

机车周转图的编制是多约束条件的组合优化问题。针对不固定牵引方式双肩回交路机车周转图编制建立数学模型,并以机车在2个折返段(站)和基本段(站)总停留时间最少为目标,设计不固定牵引方式双肩回交路机车运转制下求解机车最优配置的遗传算法。基于知识的变异方法和采用交叉概率、变异概率随个体优劣程度自适应的调整策略,提高算法的局部搜索能力以及收敛和优化性能。以某实际列车运行图为例进行仿真计算,结果表明:运用该算法可使机车的段内总停留时间和需要的牵引机车台数较实际的机车周转图分别减少约21%和8.6%。     

���ڱ�������IJ��̶�ǣ����ʽ˫��ؽ�·�������������㷨

建立了不固定牵引方式双肩回交路机车周转图的数学模型，以机车在两折返段和基本段总停留时间最少为目标，设计了求解该机车运转制机车最优配置的一种变异进化算法。该算法根据个体适应度的优劣而对个体进行不同程度的变异，并采用启发式变异和随机变异两种变异策略，既使优秀个体的染色体中优良模式能够最大程度地遗传给子代，又保持了子代的多样性，有助于提高算法的优化性能和收敛速度。以某列车运行图为例仿真计算，所求得的机车段内总停留时间和需要的机车数比该运行图分别减少约23.8%和9.8%，并与遗传算法进行了比较。