遗传算法在系统最优交通分配模型中的应用

在改进选择策略，实行两点变异并采用随机的交叉概率与变异概率的基础上，将遗传算法应用于系统最优交通分配模型中，通过算例与Frank-Wolfe算法进行比较，说明了遗传算法的有效性与可行性，指出了遗传算法相对于Frank-Wolfe算法特有的优越性，为交通分配问题的计算引入了新的有效途径。     

铁路车站到发线优化分配研究

金华东站作为金华车务段辖内唯一的一等区段站，现阶段车站到发线利用率高达83.3%，过高的作业量将显著影响车站通过能力和接发效率。到发线股道优化分配是提升铁路区段站通过能力和提高列车接发效率的重要途径。利用标准差的方法，构建优化到发线分配的非线性整数规划模型，设计改进遗传算法求解。采用定向变异策略代替传统的概率变异，以解决传统概率变异操作可能造成可行方案被剔除和收敛慢等问题。结合金华东站某一时段的接发列车计划进行股道调整分配，以验证模型和算法的合理性和有效性。求解结果表明，股道占用时间标准差的最优结果值分别为15.40和14.13，优化后的股道占用情况与原始计划相比更均衡；同时，结果也表明采用定向变异策略求解具有收敛速度快的优势。研究成果可为铁路车站股道优化分配问题提供决策支持。     

求解带软时间窗的开放式车辆路径问题的遗传算法

通过应用交叉、变异概率的自适应机制和交叉算子A等技术,构造了一个求解带软时间窗的开放式车辆路径问题的遗传算法。用标准测试算例对算法进行测试,并将运算结果与文献中相关算法的运算结果相比较。结果表明,该算法具有较好的性能。     

物流配送车辆路径问题多代竞争遗传算法

针对遗传算法在解决车辆路径问题时效率较低的缺点,将寿命和年龄的概念引入遗传算法,提出了多代竞争遗传算法.每次通过遗传或变异更新一定数量的个体,对于个体按其年龄和寿命决定其是否留在下一代种群中,或终止其生命.通过这种方式,增加了较优秀个体在种群中的存活时间,加大了其繁殖几率和优秀基因被子代个体继承的概率.并应用算法对实际算例进行了测算,取得较满意结果.多代竞争遗传算法对其他优化问题同样适用.     

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.     

考虑旅客出行满意度的高铁列车开行方案优化

高速铁路列车开行方案的优化应同时考虑旅客满意度和高铁运营企业的经济效益.分析影响旅客满意度的2个主要指标:出行时段方便度和旅客舒适度,并提出量化的方法,以此构造旅客出行满意度函数.在此基础上,建立一个混合整数双层规划模型,用来描述高铁运营企业与旅客的选择博弈过程.其中,上层规划是一个以企业运营成本最小为目标的整数规划模型;下层规划是基于用户平衡准则的客流分配模型.根据模型特点设计了嵌套Frank-Wolfe方法的启发式算法,并通过算例进行了仿真实验和数据分析,证明了模型和算法的有效性和实用性.     

基于自适应遗传算法的3D钢桁架优化设计研究

研究目的:针对标准遗传算法出现的未成熟收敛、振荡、随机性太大等缺点,通过研究对其改进,提出自适应遗传算法.利用自适应遗传算法建立钢桁架结构优化设计模型,采用 matlab语言编写自适应遗传算法优化分析程序,用于铁路车站工程一雨棚的优化设计.研究结论:针对标准遗传算法存在的缺点,通过研究提出了自适应遗传算法.该算法在计算过程中依据个体的适应值,来确定染色体的交叉位置、交叉率、变异率,使杂交沿着有利于算法收敛的方向进行.确保了子代个体优于父本,使进化前期变异明显,后期趋于稳定,确保搜索到全局最优解,从而保证了种群开发和搜索的平衡及全局收敛性.并建立了桁架结构优化设计模型,以matlab软件为平台,对铁路车站一雨棚桁架结构进行了优化设计,取得了满意的效果,证明自适应遗传算法是一种理想的建筑结构优化设计方法.     

基于复杂列车服务网络的客流分配方法研究

研究旅客列车开行方案形成的复杂列车服务网络属性及其构造方法,在分析多层次客流选择行为基础上,确定列车服务网络弧段阻抗。建立体现差异性服务水平需求的复杂列车服务网络客流分配模型,该模型以旅客出行效益最大化为目标,通过分别限制不同出行距离、不同层次旅客的换乘次数及换乘时间,设置旅客出行径路的多约束条件。设计改进的蚁群算法和Frank-Wolfe算法构成的混合算法进行求解,为更加符合旅客的选择行为,按OD客流量、出行距离、优先级等规则进行流量加载。以京沪高速铁路旅客列车开行方案为例进行客流分配,验证模型和算法的有效性。     

城市轨道交通客流最优策略分配模型的改进

城市轨道交通客流分配属于公交客流分配中的一种特殊情况,借鉴公交超级网络分配模型可以解决城市轨道交通客流分配的问题。通过算法的理论分析和简单的算例测试,指出最优策略分配模型在策略寻找和流量分配两大环节上存在的缺点。通过替代频率的方法,改进了策略寻找的方法;结合分层决策的思想,应用Logit模型改进了最优策略分配模型的流量分配算法。将改进的算法应用于上海城市轨道交通网络客流分配和简单算例网络,对比了改进算法和最优策略算法的差异,结果表明改进的算法更为合理。     

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%。