基于启发式Q(λ)学习的铁路绝缘子定位研究

智能化冲洗是解决电气化铁路绝缘子人工冲洗弊端的有效途径,而智能化冲洗的关键在于绝缘子识别、定位。通过对现有智能冲洗设备的分析,提出一种铁路绝缘子定位、跟踪方法,该方法基于传感器信息,采用启发式Q(λ)学习算法,可快速、准确找到绝缘子。首先建立铁路绝缘子水冲洗环境模型,接着为解决传统Q(λ)学习算法盲目学习导致收敛速度慢的问题,通过搜索支柱特征调整奖赏函数,设计启发式策略函数并融入Q(λ)学习中,提高算法的学习和收敛速度。最后分别对传统Q(λ)学习算法和启发式Q(λ)学习算法进行Matlab仿真实验,确定最佳参数设置,仿真结果表明启发式Q(λ)算法的正确性和可行性。     

启发式算法在铁路换乘的应用

随着中国铁路的建设与发展,如何更加充分地利用铁路客运能力、提高列车上座率是铁路亟待解决的问题。本文针对复杂的客运路网下最短路径算法计算效率低下的问题,对比分析了常用的Dijkstra算法及启发式A*算法,择优选取启发式A*算法进行策略改进;并基于优化的客运路网结构及铁路实际业务,对其进行效率优化。实验证明,改进后的算法模型高效准确,具有明显的现实意义。     

列车车站停车的启发式自学习算法及仿真

利用北京亦庄线采集的大量实际停车数据搭建了列车仿真模型,基于站内安装的固定应答器提供的定位信息提出了启发式学习算法动态调整控制器输出.通过仿真表明,启发式学习算法相对于传统的PID算法和无学习算法有较强的适应能力.在仿真条件变化的情况下,能够将停车误差控制在±30 cm范围内.对比PID控制,启发式学习算法减少了控制输出在停车阶段频繁变化的次数,延长了制动系统的使用寿命.该方法计算量较小,在实际运用中有着广阔的前景.     

铁路承认车最优分配模型与算法研究

首先介绍承认车计划审批问题,并在分析各种优化目标和限制条件的基础上,提出自动审批承认车的数学模型,说明问题属于NP完备问题,在目前条件下仅能采用启发式算法。同时由于实例规模过大,一般启发式算法所耗费的时间仍然难以接受,因此结合实例的特性给出了一种特定启发式算法。铁路现场实际使用表明,此算法对实例能够在5 min内得到满意解,所得解的各项指标均符合日常装车方案要求,具有鲜明的实用特点,有效解决了铁路局货运营销中,如何审批承认车可带来最大收益问题。     

长方体布局问题的一种启发式算法

长方体布局问题属于NP完全问题,在串行机上解决这类问题只能依赖启发式算法。本文提出了一种对布局空间进行动态分解和对剩余空间进行合并和再利用的启发式算法。分解过程采用三叉树数据结构表示,深度优先原则搜索,根据一定的定序规则和定位规则快速求得问题的满意解。同时针对影响布局结果的"难布置的布局物体",设计剩余空间的合并规则,达到该类物体的布入,并通过算例说明了本算法的有效性,对长方体布局具有一定的指导意义,也为人机结合的优化布局提供了良好基础。     

基于双重启发式动态规划算法的列车运行调整研究

通过对列车行车组织特点及运行调整策略的研究,采用自适应动态规划体系中的双重启发式动态规划算法,建立了列车运行调整模型.双重启发式动态规划算法适合处理具有实时性、约束性、非线性、随机性等特点的列车运行调整复杂动态系统的优化控制问题,通过仿真验证,该算法求解速度快、精度高,对列车晚点的调整起到了良好的控制作用.为列车运行调整的深入研究提供了一定的参考价值.     

基于启发式遗传算法的列车节能运行目标速度曲线优化算法研究

针对传统速度曲线优化算法在极限线路条件下鲁棒性差、易陷入局部最优的缺点,提出一种基于启发式遗传算法的速度曲线优化算法。基于列车运行基本模型和相关约束条件,按经典的四阶段法规划速度曲线轮廓,选取巡航速度和惰行点位置作为优化变量,采用启发式遗传算法进行寻优,中途如因限速变化等情况与最短时间运行曲线交汇则强制沿最短时间运行曲线运行。仿真实验结果显示,该算法具有收敛速度快、优化精度高、鲁棒性好的优点。该算法有效克服了进化算法搜索结果不确定性和速度波动性的固有缺点,对该领域以及其他交通工具的节能运行和自动驾驶,具有较好的参考意义和实用价值。     

物流配送中心的选址研究——基于启发式算法的案例分析

配送中心是连接供应点和需求点的桥梁,在整个物流系统中居于枢纽地位。本文在简单介绍配送中心的概念、功能、作用之后,分析了物流配送中心的选址影响因素,接着系统介绍了物流配送中心选址常用的方法———启发式算法,并基于数学模型和案例对启发式算法做了具体的演练,最后选择出比较优化的选址方案。     

铁路机车车辆板材下料排样的优化算法

介绍了国外板材下料排样的各类优化算法并讨论了国内现状。通过分析指出，将近似算法、启发式算法和智能算法相结合的综合算法，是我国机车车辆板材下料排样算法的发展方向。     

动车组运用计划及其编制算法

介绍动车组运用计划的含义、条件、种类及计划方案的评价准则;假日运用计划自动编制的启发式算法;算法中定义了动车组运用网络、好的交路段和好的连接;通过迭代不断产生好的交路段,好的连接在新的交路段生成中以一定概率优先连接;利用实际线路数据进行实验,证明算法有效。     

基于成对组合的遗传算法生成联锁测试用例

计算机联锁自动测试的质量往往取决于测试用例的质量.本文提出一种新的设计思想:将基于成对组合覆盖的遗传算法用于计算机联锁测试用例的生成和优化,并以道岔测试为例对该算法的应用过程进行详细分析,重点介绍成对组合覆盖方法、算法的整体框架和遗传操作设计.采用遗传算法对成对组合的启发式算法AETG进行改进,有效地减少了冗余的测试用例,提高测试用例质量和联锁测试效率.     

具有时间窗的物流配送模型及其算法

在分析车辆路径问题现有启发式算法的基础上,建立了具有时间窗的物流配送方案模型,提出了求解该问题的一种搜索算法.实验结果表明,该算法可有效求得问题的优化解或近似优化解,且具有运算速度快、算法简便的特点.     

基于粗糙集理论和FCM的轨道电路故障诊断模型

由于轨道电路数据多且其维数高,这往往会导致所选特征之间存在冗余和相容性的问题。基于主分量启发式算法,引入相容度概念,并提出一种改进的主分量启发式属性约简算法,提取初始数据的主要特征属性来降低样本的维数。同时将模糊认知图概念引入到轨道电路故障诊断中,利用最小二乘法完成模糊认知图节点间权值的选择,最后根据权值建立轨道电路诊断模型并对预处理的样本进行训练和分类。实验结果表明,与单独的FCM分类器相比较,加入属性约简算法后, FCM分类器可提高分类性能,与采用人工确定权值的FCM方法对比,最小二乘法提高了FCM分类的精度。     

基于服务水平的铁路货物运输网络能力计算方法

引入服务水平等级概念,以OD流量最大和运输费用最小为目标,构建铁路货物运输网络能力计算多目标规划模型.采用按服务水平等级由高至低顺序进行车流量调整的策略,设计基于K短路和最小费用流问题的启发式算法;并针对最小费用流问题,分别给出基于Lingo软件和遗传算法的2种求解方法.在遗传算法中,对染色体采用二进制编码和运用Double-Sweep算法计算各支车流在给定服务水平等级下的可选径路,利用交叉、变异操作遍历可能的车流路径集合,使用启发式车流调整策略,实现线路及车站能力限制条件下不同路径集合的车流分配.算例测试表明,基于Lingo软件的算法适合于求解小规模问题,而基于K短路的遗传算法更适用于求解大规模问题,且具有较高的稳定性和适应性.     

求解弹性需求条件下连续平衡网络设计问题的启发式算法

采用双层规划模型描述弹性需求条件下的连续平衡网络计算问题，设计了近似解的启发式算法，本算法不需求导数，通过一简单算例与基于灵敏度分析法的求解算法比较，计算结果令人满意，但相应的计算量增加。     

基于聚类算法的上海轨道交通站点高峰特征分析

为进一步提高客流预测精度,客观描述早晚高峰客流分布形态,通过多次聚类对上海轨道交通运营数据进行峰值挖掘。利用DPEAK密度最大值算法进行数据中心化清洗;基于DBSCAN算法进行密度预聚类,初步判定特征类数;在此基础上,采用启发式K-Means算法对各密度类中心簇及边缘进行刻画;分类统计数据特征,通过组合分布函数对轨道交通高峰特征进行描述。经分析,该方法能够有效降低拟合误差,得出的组合分布函数可为上海市轨道交通线路早晚高峰客流预测提供参考。     

大型铁路客运站列车进路优化模型与算法研究

以提高车站行车技术作业效率,保证车站行车作业安全,尽可能减少旅客站内走行距离和时间,保证发车时间相近的两列始发或通过列车尽量不停靠同一站台,提高车站既有行车设备利用率为优化目标,建立大型铁路客运站进路优化的多目标规划模型.运用层次分析法求出各子目标的权重,并构建启发式算法进行模型求解.通过对算法进行实例验证,得到了较优的列车进路安排方案.     

基于A*算法的地图路径搜索的实现

最短路径问题(SP)是人工智能的一个活跃方向,本文介绍了人工智能中的一般启发式搜索算法的原理及算法的优点,搜索过程,并将其应用到公园导游系统的路径搜索中,给出了一种搜索公园导游地图最短路径的算法及其实现.     

高速铁路枢纽站技术作业计划与动车所调车作业计划协同编制研究

分析高速铁路枢纽站技术作业计划与动车所调车作业计划的协同编制过程,提出了将两个计划一体化编制的思想。以需安排作业效益最大化为优化目标,构建基于动车组车底的高速铁路枢纽站与动车所作业计划协同编制模型。针对模型特点,提出瓶颈工序、启发式分配规则及粗粒度主从进程模式的并行禁忌搜索策略(PTS)相结合的混合优化算法,首先确定作业安排瓶颈工序,然后启动主进程和若干从进程,主进程运用启发式分配规则快速生成初始解分配给从进程,从进程运用与瓶颈工序相关的禁忌算法搜索优化解,并反馈给主进程,主进程记录全局最优解并根据交叉策略生成新的初始解,重新分配给从进程进行TS搜索。最后,用实例验证了模型和算法的有效性。     

拥挤网络中的OD矩阵估计模型与算法

在进行OD矩阵估计时所采用的交通流分配方法通常为比例分配法和用户平衡分配法 ,但在实际的拥挤网络中 ,这些分配方法都存在着不足 本文给出了一种更符合实际的双层规划形式的估计模型 ,上层规划为最小二乘估计模型 ,下层规划为随机用户平衡模型 ,并给出了相应的启发式算法 ,最后通过算例验证了算法的有效性