考虑总延误时间和延误恢复时间的城轨列车运行调整优化

现阶段城市轨道交通具有行车密度大、追踪间隔短等特点,列车延误一旦发生,其传播的速度快、影响范围大。为保证列车运行的正点率以及运输效率,根据城轨列车实际运营需要,在传统列车运行调整模型的优化目标中加入延误恢复时间最小这一目标,建立了以列车总延误时间和延误恢复时间最小为优化目标的城轨列车运行调整模型,并采用遗传算法对问题进行求解。最后以成都地铁一号线的列车运行调整问题为案例,根据城市轨道交通实际运营情况分别分析模型在ATO模式以及人工驾驶模式下的优化效果。结果表明当列车在人工驾驶模式下运行时,该列车运行调整模型可以在基本不影响总延误时间的同时显著降低列车的延误恢复时间。     

面向鲁棒性的高速铁路网络列车运行调整计划优化模型

针对高速铁路路网中出现区间封锁事件,考虑事件持续时间的不确定性,以列车运行时间和安全间隔时间为约束条件,引入路径选择唯一性约束保证列车运行调整计划的鲁棒性,以所有列车晚点时间之和的期望值最小为目标函数,建立高速铁路列车运行调整计划优化整数规划模型.设计基于优先级规则的启发式算法,求解原模型的可行解.运用拉格朗日松弛算法和最短路径算法求解该模型的松弛模型,得到原模型最优解的下界.根据可行解与最优解下界之间的距离,可以定量地衡量可行解的质量.结果表明,相较于CPLEX数学求解软件,算法求解效率较高;模型与算法能够有效生成鲁棒的列车运行调整计划,为调度员提供必要辅助决策信息.     

考虑列车总晚点和到发均衡性的地铁列车运行调整 方法研究

当城市轨道交通列车在运行过程中因设施设备失效、司机操纵不当、上下车客 流过多等外部因素发生晚点时,需对晚点列车的计划运行时分进行调整.为保证城市轨道 交通系统服务水平和降低车站站台客流集聚过多或列车过于拥挤造成的安全隐患,本文 构建以减少列车总晚点和提高列车到发均衡性为优化目标的列车运行调整模型,并采用 遗传算法进行求解.案例分析表明,本文提出的模型和算法可以较快地求出满意的列车运 行调整方案.通过调整遗传算法适应度函数的权重系数可以平衡调整方案中的列车总晚 点时分和列车到发均衡性.在人工驾驶的线路上,与各列车赶点运行调整策略相比,本文 提出的列车运行调整方法可以在降低列车总晚点时分的同时显著提高列车到发均衡性.     

专业化分工粒子群优化算法在地铁列车运行调整中的应用

地铁列车运行调整是一个大规模、复杂的组合优化问题,该问题的特点是有庞大的搜索空间和众多的约束条件,故要快速地获得其最优解尤为困难。在该问题基础上,建立优化列车运行调整模型。对此模型进行优化求解过程中,提出一种基于专业化分工的粒子群优化算法。在仿真过程中,选取数据是沈阳地铁二号线某工作日。实验显示,该算法能较好地适用于解决列车运行调整问题,且其在此过程中表现出来的特征是收敛速度快、计算效果好。     

跨线运营模式下地铁列车运行图调整优化方法

地铁列车跨线运营模式使列车运行调整工作更为复杂精细。为应对因故障导致的线路区间通过能力下降，采用小交路折返、暂停运行、上线运行、取消跨线和恢复跨线这5种策略对列车运行图进行调整。考虑运行安全、配线占用、车底接续和乘客出行等约束，构建以乘客出行时间和列车延误最小化为目标的列车运行图调整优化模型，结合非支配遗传算法Ⅱ和跨线运营列车时刻推算算法对模型进行求解，并通过案例验证模型与算法的有效性。案例研究结果表明：与完全保留原跨线运营计划和转为独立运营模式的两种调整方案相比，本文提出的方法在多个场景下使乘客出行时间和列车运行延误分别平均减少了3.86%和21.07%；采用作业冗余时间较长的过轨方式可提高列车运行调整的抗风险能力，乘客平均换乘等待时间和列车平均延误分别进一步降低了4.06%和3.77%。     

·���е��г����ܲ����Ż������о�

在铁路网络中,列车运行通过车站时可能会受到其他运行线列车运行的干扰,本文对列车运行受干扰时的节能操纵优化进行了研究。根据问题的数学描述和列车运行动力学方程,建立了最优化模型,并采用变长度染色体遗传算法,结合工况序列表,对问题进行了求解。通过仿真计算,给出了受干扰时列车运行的速度距离曲线,与无干扰时的速度距离曲线进行了比较,分析了速度、时间之间的相互变化,并结合能耗距离曲线,揭示了列车节能操纵的一些原则,最后将运算结果与其他方法计算出的结果进行了比较。比较结果表明,变长度染色体遗传算法是一个有效的算法,可以很好地应用在列车节能操纵优化的研究中。     

铁路网络列车运行调整的优化模型 及其分支定价算法

研究了铁路网络中列车可变更运行线路下的列车运行调整问题,目标是使得所有 列车偏离终到时间之和最小化.首先引入流平衡约束建立基于列车到发时刻的网络流模型,采 用商业软件GUROBI求解.同时构建了基于列车时空路径的整数规划模型,并给出了分支定 价算法,采用伪费用分支和最佳优先搜索策略加快算法的收敛.最后设计算例进行验证,通过 与GUROBI对比说明本文算法是有效的.当列车数为20 列时,求解时间减少91.6%,得到的最 终可行解距离最优解的间隔为9.72%.验证了本文分支策略较最为分数分支策略更优,列车运 行调整可变更线路相比于只能按原始线路行驶平均可降低目标函数值37.4%.     

高速列车运行调整与运行控制一体化双目标优化模型与算法

列车实时运行调整与运行控制是实现高速列车准点节能运行的两个重要方面.本文构建高速列车运行调整与运行控制一体化优化模型，以降低列车总延误时间与运行能耗为目标，同时优化列车速度距离与时间距离曲线.与以往研究将列车运行调整与运行控制独立优化不同，本文基于列车牵引计算，通过锁闭时间理论将列车运行调整与控制的解空间进行耦合，根据列车运行速度、制动性能、信号系统的清空与开放时间、轨道区段/闭塞分区的长度等因素，精细化计算列车占用不同轨道区段/闭塞分区的时间，动态确定列车区间运行时分与追踪间隔.为求解复杂的非线性模型，设计分段近似法将非线性约束进行重构，从而将非线性优化模型转变为混合整数规划模型.通过算例计算，给出双目标问题的帕累托解集，与单目标优化方法对比，本文方法可以减少总能耗2.46%，降低运行总延误7.33%.     

基于乘客等待时间的城市轨道交通列车运行调整模型

研究突发事件导致列车晚点情况下城市轨道交通列车运行调整问题．从乘客角度出发,提出了“首站控制”和“多站协调控制”两类列车运行调整策略．考虑列车能力约束和列车区间运行时间、追踪间隔时间等运行条件约束,以受突发事件影响的全部乘客等待时间最小为优化目标,建立了基于两类调整策略的列车运行调整模型,采用Lingo软件进行求解．以某简化线路为算例,与不采取控制策略相比,两类策略下乘客等待时间均节省约9％,结果表明了模型的有效性,能够为轨道交通列车运行调整提供辅助支持．     

基于多叉树的延误高速列车运行优化调整方法

高速列车高密度的运行模式,使列车运行对延误的敏感度非常高.因此,延误高速列车运行调整成为一个重要的研究问题.本文基于高速铁路列车运行特点,建立了高速铁路列车运行关系模型.在此基础上随机添加列车延误,设计区间加速、按图行车、减少停站时间、减少越行、增加越行、按最小间隔时间顺延及按延误时间运行等 7种列车运行调整方法.以各列车在各车站的总延误时间最小为优化目标,建立延误高速列车运行优化调整模型,并设计了基于分阶段多叉树的延误高速列车运行优化调整算法以实现延误后列车运行的调整,从而得到最优调整方案及列车在各车站的延误总时间.最后以京沪高速铁路实际运行图作为案例进行计算分析,证明该模型和算法的有效性和可行性.     

基于混合遗传模拟退火的模糊C-均值聚类算法

一般模糊C-均值聚类算法存在易于陷入局部最优的缺陷,基于此,提出了一种基于混合遗传模拟退火的模糊C-均值聚类算法,并利用UIC机器学习数据库中的Car、Iris和Wine数据集验证了算法的有效性。     

基于Gram-Schmidt正交化法的串行干扰消除算法

基于Gram-Schmidt正交化法,提出了一种改进的串行干扰消除算法.不同于传统的串行干扰消除算法,该算法运用Gram-Schmidt正交化法,通过扩频序列获取正交序列作为最优解扩码,使得检测器每一级最强用户的解扩码与其他用户的扩频码所张的子空间正交,从而实现对多址干扰的完全抑制.给出了具有幅度失配的系统误码率近似公式,讨论了幅度失配对检测性能的影响.仿真结果表明,改进算法能有效抑制CDMA系统中的多址干扰,改善系统性能.     

具有反向学习能力的串车调度算法研究

为了避免串车问题,研究了多条线路不同站点间隔的车辆实时串车调度算法.基于车辆自动定位(AVL)数据的分析预测,给出了具备反向学习能力的克隆选择优化算法 (Opposition-learning Clonal Selection Algorithm, OCSA )求解避免串车的调度序列,指导车辆调度.算法中设计了反向抗体库,反向抗体库存储了种群迭代过程中多个较差抗体的信息,利用较差基因位置信息,指导部分基因链以较快速度进行反向学习,将其迅速牵引出局部最优区域.反向学习过程可迅速改善抗体的多样性,使得算法在短时间内具有较强的全局寻优能力;且局部学习的缩放因子可随迭代过程动态调整,提高了算法的求解精度.实验结果表明,基于 OCSA算法获取的调度序列与经典的调度算法相比有较好的适应性,求得的调度序列能够实时有效地降低站点串车问题.     

点匹配问题的极坐标算法和三角形算法

点模式匹配在比较两幅由不同时间或同一时间不同传感器采集的图像时，是常用的方法之一，许实时应用系统对匹配效率有很高的要求，文中构造了一个基于极坐标转换的算法和一个基于三角形近似顺序全等的算法，两个算法都具有原理简明，识别能力强，计算速度快的特点，文末对两个算法进行了比较，并用数值实例加以验证。     

对APriori算法的一个改进

介绍了关联规则挖掘的研究情况，并在分析关联规则的数据挖掘算法的基础上，针对Apriori算法进行深入研究，提出了Apriori—1算法，新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目，提高了原算法的效率，具有一定的实用性．     

对Apriori算法的一个改进

介绍了关联规则挖掘的研究情况,并在分析关联规则的数据挖掘算法的基础上,针对Apriori算法进行深入研究,提出了Apriori-1算法,新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目,提高了原算法的效率,具有一定的实用性.     

A Novel Algorithm Based on 3D-MUSIC Algorithm for Localizing Near-Field Source

A novel 3-D MUSIC algorithm based on the classical 3D-MUSIC algorithm for the location of near-field source was presented. Under the far-field assumption of actual near-field, two algebraic relations of the location parameters between the actual near-field sources and the far-field ones were derived. With Fourier transformation and polynomial-root methods, the elevation and the azimuth of the far-field were obtained, the tracking paths can be developed, and the location parameters of the near-field source can be determined, then the more accurate resuits can be estimated using an optimization method. The computer simulation results prove that the algorithm for the location of the near-fields is more accurate, effective and suitable for real-time applications.     

基于混合算法的编组站到发线模型算法研究

本文分析了编组站到发线占用特性,在前人对于到发线运用建模的基础上,建立更适合于编组站到发线的运用模型。由于到发线的安排属于NPC问题,本文综合遗传算法与模拟退火算法的优点对该模型进行求解,采用混合算法——模拟退火遗传算法（SAGA）,来提高运行效率和解的质量,并在目标函数上以及在约束条件上提出新的理论,引入惩罚因子以加快算法模型的收敛。丈中阐述了该算法的具体实现过程,并通过模拟仿真对算法进行了验证,结果表明该模型算法是可靠和有效的。     

一种基于灾变的单亲遗传算法

遗传算法存在着计算时间过长和易导致早熟收敛等缺点。单亲遗传算法不使用基本遗传算法常用的交叉算子,简化了遗传操作过程,且不要求初始群体具有广泛多样性,计算速度较快。但单亲遗传算法使用加快收敛速度的选择算子时,仍容易导致早熟收敛现象。模拟自然界中导致生物大规模灭绝的灾变现象,引入灾变的概念来保证解空间的多样性。提出灾变发生时机的判定方法。将此算法应用在旅行商问题上,实验结果证明了该算法的有效性。     

分段有序归并排序算法

任一数据序列都是分段有序的。基于这一特点,本文提出了分段有序归并排序算法。其最优时 间复杂性为O(n),空间复杂性为O(1)。最坏情况下的比较次数少于nlogn十O。叨n,小于快 速排序算法的平均比较次数,是同类算法的最优上界。