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。     

铁路空车调整优化模型及其蚁群算法

以理论研究为主，通过对空车调整问题的特点分析，明确了空车数量调配和网络配流是空车调整的两个核心问题；在分析已有模型及对问题进行抽象描述的基础上，建立了空车调整协同优化（EWDCO）模型，并设计了相应的蚁群算法。分析发现，共同径路约束与EWDCO模型是不协调的；通过对定理的证明得出，对流约束不会对EWDCO模型的最优解产生影响，模型可以描述为线性整数规划模型，其实质是带容量约束的最小费用流模型。同时，研究表明ACO对求解空车调整问题具有一定的优势，是一种较为有效的算法。     

通道内平行铁路间列车径路选择优化研究

论文通过运用系统工程和系统科学的方法与理论,将通道系统进行抽象的描述,选取通过能力、旅行速度、运行调整和运输成本四个方面,作为通道系统分工比选和判断优劣的标准,建立了通道分工的系统优化模型,并运用满意优化的理论,给出了模型的算法步骤.最后,运用研究成果,确定出了京兰通道（北京-集宁段）列车的优化分工方案.     

结点站间集装箱班列开行方案的优化模型及算法

基于一定的边际假定、定义及其定理，将铁路结点站间集装箱班列开行方案（BCTFP）箱小时消耗最少的优化目标描述为线性阶跃函数，得到BCTFP的优化模型。在模型中，每支非零箱流均对应1个线性等式约束，且每个约束条件之间没有任何交叉。将该模型改造为不含约束条件的0-1二层线性规划模型：上层规划的目标为箱小时节省最大，下层规划的目标为在给定决策变量条件下的沿途改编箱小时消耗最小。按照适应性遗传算法的思想确定遗传策略，采用协同多群体遗传算法，以有效地克服由于问题本身具有强基因关联和超多峰性质而带来的模式欺骗问题，设计相应的遗传算法。通过对算法每个环节计算复杂度的分析，得到该算法的整体复杂度为O（αn^3 1nβn^2），说明该算法是收敛于全局最优的有效算法。     

两种速度地铁动车组混合开行的影响分析

速度100km／h和120km／h的地铁动车组的逐步采用，将引起越行的发生，并对地铁线路的站点分布、能力的利用、不同速度动车组的旅行速度和开行数量比例等方面产生一定的影响。为此，研究了最小追踪间隔时间与最大站间距之间的关系，确定了较高速度动车组的开行比例范围，并讨论了较高速度动车组对能力的影响，以及较低速度动车组旅行速度的变化情况。     

中心站间铁路集装箱运输径路选择优化研究

采用系统观点和类比方法,运用运输组织、离散数学、最优化理论等相关理论,对中心站间集装箱运输径路选择问题的参数和模型进行了深入的研究。在分析和借鉴已有车流径路选择优化模型的基础上,构建了重箱流径路选择的多目标0-1规划模型,并经过对相关算法的研究和分析,选择DBFS和GP作为模型的求解方法。