模拟退火法在路面结构模量反算中的应用

利用模拟退火法反算路面结构层弹性模量可以避免一般反算方法受初值影响的缺陷。文中探讨了模拟退火法在跃同结构模量反算中的应用，并开发了反分析程序BC-SA，计算结果表明，该方法可行，分析结果令人满意。     

城市轨道交通网络化列车开行方案优化方法

通过引入备选集,建立双层规划模型,将网络化列车开行方案这一复杂的混合交通网络设计问题简化成0-1规划问题;采用混合遗传模拟退火算法对城市轨道交通网络化列车开行方案优化问题进行求解。上层模型以城市轨道交通网络化列车开行方案涉及的运营单位和乘客综合费用最小化为目标,以交路必须覆盖整个运营网络、限制区间交路数、满足发车间隔时间限制和区间客流量小于列车运力为约束条件;下层模型为用于城市轨道交通网络客流分配的随机用户均衡问题优化模型,它充分考虑了乘客选择出行时路径感知费用与实际费用之间的差异。算例结果表明,采用基于备选集的双层规划模型和混合遗传模拟退火算法对城市轨道交通网络化列车开行方案进行优化是可行和有效的,而且求解效率高。     

SA-BP神经网络在轨道电路故障诊断中的应用研究

针对25 Hz相敏轨道电路故障的复杂性,提出一种模拟退火(SA,Simulated Annealing)算法与BP神经网络相结合的故障诊断方法。发挥SA算法全局寻优的特点来优化BP神经网络的学习过程,避免网络训练时间长和陷入局部极小值;通过Matlab进行仿真分析,结果表明,将该方法应用于轨道电路故障诊断,可有效提高故障诊断效率和准确度。     

旅客列车过站径路优化模型与算法

在给定铁路客运站站形布局和列车运行图的前提下,研究旅客列车过站径路优化问题。过站径路由列车的接车作业进路、占用的到发线和发车作业进路拼接而成。以旅客列车的接发车作业进路为决策,以道岔和到发线占用相容性为约束,以最大化接发车作业进路效用和到发线运用效用为优化目标,建立旅客列车过站径路优化的0-1规划模型。设计基于极大列车过站径路方案k剔除邻域系的模拟退火算法。以某客运站为例验证该模型和算法的合理性。结果表明:模型对实际问题的描述准确,算法效率较高,适用于求解大规模铁路客运站旅客列车过站径路优化问题。     

基于弹性需求的城市轨道交通列车开行方案研究

城市轨道交通的列车开行方案直接影响乘客的出行费用,需要根据客流的需求弹性制定。针对目前城市轨道交通规划和运营实际,将列车开行方案归结为列车编组、开行时段,以及各时段每一列车交路的列车数量。在分析乘客广义出行费用的基础上,构造乘客出行的弹性需求函数,将乘客乘车选择归结为具有能力约束的弹性需求用户均衡问题。进而利用城市轨道交通营运企业与乘客之间的博弈关系,对列车开行方案相关的费用、效益等优化目标和约束条件进行分析,建立基于弹性需求的城市轨道交通列车开行方案的多目标双层规划模型,并设计基于模拟退火算法的优化算法。针对长沙地铁2号线的应用表明,优化方法具有较高求解效率和较好求解质量。     

考虑支路路段双向车流相互影响的单向交通组织优化

考虑支路路段双向车流相互影响的因素,从道路负荷与公平性的角度出发,优化单向交通组织方案。建立一主多从的双层规划模型,上层规划是多目标规划,以单行交通组织方案为决策,以路段饱和度超限量最小化降低道路负荷、以车辆绕行系数最小化提高公平性。下层规划是考虑支路路段双向车流相互影响的均衡交通分配(每个点对之间的最短路各自由1个下层规划确定,但所有下层规划确定的最短路可一次性求解)。双层规划可用模拟退火算法求解,求解效果明显优于支路路段通行能力等量划分为双向分道行驶的传统优化方法。     

考虑收益管理的高铁平行车次动态差别定价

基于RP(Revealed Preference)和SP(Stated Preference)调查数据，利用潜在类别模型对高铁旅客进行细分，得到旅客对平行车次不同服务属性，如列车运行时间、发车时段和舒适度的偏好程度，并对其进行量化；引入收益管理，以多列车整体收益最大为目标，构建平行车次动态差别定价模型，并设计模拟退火算法进行求解；最后，通过京沪高铁进行实例验证.结果表明：与固定票价进行客票销售相比，所提方案能够适应高峰期和平峰期不同客流特点，提高铁路客票总收益，为高铁平行车次灵活定价提供参考.     

多点随机需求的分布式预置储备

考虑重点方向或区域中, 各重要隘口、通道、敏感地带等突发事件之间的关联性(连锁反应的可能性) 和需求的随机性, 在多个预置储备仓库构成储备网络和多个需求点组成需求网络的条件下, 研究了用储备网络保障需求网络的预置储备规模和储备分布优化问题, 分析了需求网络在各点突发事件和需求随机下总需求的分布特征; 在保证预置储备规模有效性、经济性与储备分布合理性的基础上, 建立了给定安全保障概率下的储备规模模型和过程响应准则下的分布式储备模型(统称储备模型); 根据模型特征将分布式储备模型分解为双层模型, 对随机需求采用样本化处理, 并在此基础上建立了针对性的遗传-模拟退火算法求解双层模型; 基于变异系数的概念, 提出了针对突发事件和需求随机的储备方案稳健性指标, 对储备模型及其算法进行了稳健性分析, 并通过案例应用验证了储备模型及其算法的有效性。研究结果表明: 相较于就近分区准则, 储备规模模型及其算法能在确保安全保障概率的前提下将储备规模降低约1/3;相较于极大极小化准则, 过程响应准则下的分布式储备方案可使首批物资响应时间减少11%, 使90%物资的响应时间减少21%;在面临需求网络中突发事件和需求的随机性波动时, 储备方案的波动幅度不超过需求波动的80%, 体现了较好的稳健性。      

改进的免疫模拟退火算法求解混合流水车间调度问题

针对混合流水车间调度问题的特点,设计了一种双层编码和解码的方法,在一定程度上扩大了可行解的搜索范围,为了克服传统免疫算法在初期收敛速度慢的问题,在算法的早期应用特定的变异算子,以期提高收敛速度,为避免算法陷入局部最优解,在算法后期,利用模拟退火算法的随机扰动性,引导算法跳出局部最优解,同时还引入了免疫记忆,运用精英保留策略预防最优解的丢失,最终提出了一种改进的混合免疫算法.通过仿真结果表明了该算法在解决混合流水车间问题上的可行性和有效性.     

舰船电力系统保护性能优化的自适应算法

为满足舰船电力系统保护在快速性和选择性方面的要求,提出保护性能优化模型,根据电力系统的运行方式、拓扑结构和故障类型的变化,实时在线计算并修改保护整定值的自适应保护方法。将快速性和选择性指标作为保护性能综合指标的基本元素,采用模拟退火粒子群算法进行优化,最终实现不同运行工况下保护性能最优的整定值自适应调整。并在PSCAD/EMTDC软件中建立包含自适应保护算法的舰船电力系统保护仿真模型,仿真结果证明所提方法可有效提高系统保护性能。