客运专线动车组运用计划的计算机编制

根据动车组运用规则，建立了动车组运用计划整数规划模型．为降低求解的复杂性，将动车组运用计划编制问题转化为交路段生成和基于交路段的交路生成两个问题分步求解．用多起点搜索和交路段互换的方法，使求解结果在有效性和均衡性上得以优化．实际编制实验表明了模型和算法的有效性．     

铁路动车组的运用问题研究

阐述了动车组运用问题的内涵及条件．围绕动车组运用模式、动车组运用计划编制模型、动车组运用计划编制算法等方面的问题,对现有研究成果进行了纵向比较与评述;同时在动车组运用问题相关方面的阐述中对研究成果进行了横向比较与评述．分析了现有研究成果并对动车组运用问题研究进行了展望．     

客运专线动车组运用优化研究

结合国内对客运专线动车组运用优化的已有研究,分析了动车组运用的核心问题.结合动车组运用计划的编制原则,建立了列车运行图已知、列车成对运行、动车组不固定区段使用模式、动车组检修地点和时间已知、动车组均使用同一型号和编组条件下,动车组运用计划编制的数学模型.将这些条件下的动车组接续运行视为一个具有多目标和多约束条件的TSP...     

武广客运专线动车组运用优化模型及求解思路

动车组运用是客运专线运营的重要内容,通过动车组的运用优化可以有效的提高动车组运用效率以及客运专线运营效率。在给定列车运行图条件下,动车组所属权、检修规程、运用方式和作业时间标准是影响其运用计划编制的重要内容。针对武广客运专线,在分析武广客运专线动车组的修程修制和运用方式的基础上,结合给定的列车开行方案,以完成列车运行图任务所需动车组数量最少和动车组运用率均衡为目标,建立了考虑日常检修和一级检修的武广客运专线动车组运用优化模型,并给出了该优化模型的求解思路。作者首先将该模型简化为单目标规划问题,然后将其转化为动车组运用的TSP网络模型,该模型可以用蚁群算法进行求解。     

动车组周转和到发线运用方案的综合优化研究

动车组周转和车站到发线运用均为高速铁路运营面临的重要课题,本文以动车组在运行线之间的接续关系和动车组占用到发线的相容性为约束条件,以运用动车组数最少为优化目标,根据高铁运营的特点,利用一级检修周期时间刚好为高铁运行图周期2倍的实际情况,在建立1个时间跨度为48h的接续网络基础上构建了0-1型整数线性规划模型.该模型将宏观层面的动车组周转和微观层面的到发线运用进行了综合考虑.通过模型求解,可以同步得到高速铁路动车组周转方案和到发线运用方案.算例表明,本文构建的模型能够达到整体优化以上两个作业过程的目标,为实际的运营工作提供一定的决策支持.     

基于交路接续的动车组运用计划优化模型与算法

针对动车组运用计划优化编制的问题,本文采用接续网络的方法,构建了动车组运用计划优化编制的0-1 整数规划模型.该模型在动车组初始运用状态和历史检修数据的基础上,以动车组担当交路的接续时间总和最小化和动车组检修前累计运行里程最大化为优化目标,以动车组检修里程周期和动车组交路接续时间标准为主要约束,并充分考虑动车组与交路的匹配关系,以及客流高峰时期增加开行交路的情况.在模型的求解方面,本文基于粒子群算法设计了模型的求解策略.最后通过算例分析验证了模型与算法的有效性,为动车组运用计划的优化编制提供参考依据.     

可变编组动车组运维一体化帕累托前沿分析

动车组运用和检修是铁路运输生产的重要过程,占据很大的成本比例. 为与客流需求相匹配,在未来实现跨线动车组列车在某些枢纽站组合和分解存在可能,充分考虑组合动车组类型一致性,动车组在不同运行线进行重联与分解的接续条件,动车组进行一二级修的里程和时间标准等,以动车组的正常接续和空走接续时间里程费用、一二级维修作业费用、动车组运用费用和动车组接续时间费用之和最小及动车组空走费用占比最小为双目标,构建基于可变编组条件下的动车组运用和维修一体化模型方法.应用改进的非支配排序遗传算法求解,将目标值进行帕累托前沿分析,发现两者很难同时达到最优.模型的计算结果体现了动车组担当长编组运行线任务前后的组合和分解过程,同时也进一步分析了在动车组类型归一化或者动车组维修地点不受限情况下动车组运用数量的变化,反应了相关运行参数对结论的影响.     

可变编组动车组运维一体化帕累托前沿分析

动车组运用和检修是铁路运输生产的重要过程,占据很大的成本比例. 为与客流需求相匹配,在未来实现跨线动车组列车在某些枢纽站组合和分解存在可能,充分考虑组合动车组类型一致性,动车组在不同运行线进行重联与分解的接续条件,动车组进行一二级修的里程和时间标准等,以动车组的正常接续和空走接续时间里程费用、一二级维修作业费用、动车组运用费用和动车组接续时间费用之和最小及动车组空走费用占比最小为双目标,构建基于可变编组条件下的动车组运用和维修一体化模型方法.应用改进的非支配排序遗传算法求解,将目标值进行帕累托前沿分析,发现两者很难同时达到最优.模型的计算结果体现了动车组担当长编组运行线任务前后的组合和分解过程,同时也进一步分析了在动车组类型归一化或者动车组维修地点不受限情况下动车组运用数量的变化,反应了相关运行参数对结论的影响.     

数值仿真在动车组空调设计中的应用

以某高速动车组中间车为研究对象,创建了车厢内部三维空间区域的数值计算模型,在冬季和夏季两种工况下,采用κ-ε标准湍流模型和SIMPLE算法,对车厢内的空气流动和传热状况进行了数值计算,计算中综合考虑了车体壁面传热、人体散热等多种传热过程.并应用空调行业标准,对车厢内温度的均匀性及速度场的适用性进行了分析评估.研究结果表明该车空调通风系统设计合理,满足人体舒适性要求.     

基于列车车次的动车组运用优化模型与算法

动车组运用计划的编制通常需要综合考虑运输安全、效率及成本等多方面因素,其编制质量及编制效率对高速铁路运营有重要影响.为了快速获得高质量动车组运用计划,以降低综合运营成本和总空驶里程等为优化目标,建立了基于列车车次的可改编动车组运用优化混合整数线性规划模型,并设计了一个迭代逼近算法框架.该算法框架将整个问题分解为主问题和...     

遗传算法在制造网格资源调度中的应用

在网络化制造环境下为解决制造网格中的资源调度问题，提出了基于遗传算法的网格资源调度算法。结合用户对多目标优化问题的要求，设计了基于遗传算法的制造网格资源调度算法。该算法将多目标优化问题转化为单目标优化问题，并以数字制造业中零件加工过程的资源优化调度为算例，验证了算法的有效性。     

一种新的伪并行遗传算法在车间调度中的应用研究

提出了一种改进的伪并行遗传算法(Improved Pseudo-Parallel Genetic A lgorithm,简称IPPGA),将改进遗传算法与SGA伪并行操作(采用并行思想,在同一台机器上完成操作),保证了种群多样性,防止局部早熟收敛;改进算法对部分遗传算子做了改进,采用迭代交叉,多父代产生多子代,让多个染色体中优秀基因段组合产生子代,大大加快收敛速度;设定一个最优个体保存序列库,防止最优解的丢失.采用实际算例进行仿真试验,数据表明改进的伪并行遗传算法(IPPGA)较标准遗传算法(SGA)快速、有效.     

改进的遗传算法求解柔性作业车间调度问题

以柔性作业车间调度问题为研究对象,最小化最大完工时间为性能指标,提出了一种基于改进遗传算法的柔性作业车间调度方法.该方法对初始种群进行了改进,即初始种群在进行机器选择时采用轮盘赌方式,以提高种群初始化质量,并保证了初始种群的多样性,同时采用了精英保留策略,以保证优良个体可以遗传到下一代.通过与基本遗传算法的仿真比较,验证了该算法在最优值和收敛速度上的优越性.     

双链遗传算法在作业车间调度中的应用

针对简单遗传算法在解决作业车间生产调度问题时存在收敛效率低与过早收敛的局限，将一种改进的遗传算法——“双链遗传算法”应用于求解作业车间生产调度问题．与简单遗传算法相比，双链遗传算法在解决作业车间调度问题上，显著提高了搜索效率，还增强了避免早熟的能力．对双链遗传算法求解作业车间调度问题的某些策略和基本步骤作了简要的归纳和总结，编制了双链遗传算法求解作业车间调度问题的程序，通过调度例子测试表明了算法的有效性和可行性。     

遗传算法的定式及其收敛性研究

从算法论与数理逻辑的角度给出了新的遗传算法定式,其中包括生物遗传并法的定式与通俗遗传算法的定式,在此基础上进一步讨论了遗传算法的收敛性,提出了遗传算法收敛性公理。     

遗传算法在并行多机调度问题中的应用

从车间生产调度的实际情况出发，针对最小化完工时间的并行多机调度问题，提出了一种优化遗传算法．充分考虑紧急任务的插入，通过提供一个记录设备当前负荷的数组，实现对任务的动态调度．仿真结果表明该遗传算法能够较好的解决并行多机生产调度问题．     

遗传算法在离散变量结构优化设计中的应用

以三杆桁架结构优化设计演示了遗传算法在离散变量优化设计中的应用．优化结果与传统结构优化设计结果相比较，表明遗传算法的有效性．运用遗传算法求解十杆超静定桁架结构优化问题．针对三杆、十杆桁架结构分析了群体规模大小对算法收敛的影响，说明群体规模的选取是与染色体长度密切相关的．     

新的小生境遗传算法在作业车间调度中的应用

普通适应值共享的小生境遗传算法是基于群体内个体适应度的共享,但这种小生境划分一般基于个体适应度、基因空间距离等属性,忽视了群体基因特征之间的关系．因此将生物学中的群体间共享机制引入到小生境遗传算法中,有效地利用了群体中的优良因素,并且利用了精英选择机制,增强了算法的全局和局部搜索能力,实验表明,普通适应值共享的小生境遗传算法在搜索能力和收敛性能上更有效．     

改进的自适应遗传算法及其在作业车间调度中的应用

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优的不足，引入了一种新的调节交叉概率和变异概率的方法，并提出了一种新的交叉方式，该算法很好地增强了自适应遗传算法的全局搜索能力，提高了收敛速度．通过比较几个优化实例，验证了本文算法的有效性．     

遗传算法在图像分割中的应用

图像分割是图像分析的预处理阶段,被认为是计算机视觉中的一个瓶颈.基于扩展的Otsu最优阈值图像分割方法,提出用一种改进遗传算法进行图像分割的方法,并给出了遗传算法中参数的设定.仿真结果表明,改进算法的计算速度不仅明显优于传统的Otsu方法,而且算法的分割效果也很好.