铁路空车调整模型的D-W分解算法

空车调整主要是指对铁路空车车辆进行合理优化,对铁路空车调整问题进行模型构建及算法研究可以促进车辆运用效率的提高与相关运输费用的降低。本文在对铁路空车调整理论研究的基础上,构建了铁路空车调整模型,并基于D-W分解算法对其进行求解。经过算法复杂度对比分析,发现D-W分解算法时间复杂度为O(n),优于蚁群算法、遗传算法等启发式算法,并最终通过算例进行了验证。     

铁路空车调整优化模型及其蚁群算法

以理论研究为主,通过对空车调整问题的特点分析,明确了空车数量调配和网络配流是空车调整的两个核心问题;在分析已有模型及对问题进行抽象描述的基础上,建立了空车调整协同优化（EWDCO）模型,并设计了相应的蚁群算法。分析发现,共同径路约束与EWDCO模型是不协调的;通过对定理的证明得出,对流约束不会对EWDCO模型的最优解产生影响,模型可以描述为线性整数规划模型,其实质是带容量约束的最小费用流模型。同时,研究表明ACO对求解空车调整问题具有一定的优势,是一种较为有效的算法。     

铁路空车调配问题的区间线性规划模型及算法

铁路空车调配问题是合理解决空车需求与供应之间的不平衡问题。在借鉴空车调配问题模型已有成果的基础上,围绕空车供应与需求量的不确定性、空车调配的时效性、路段通过能力的限制性3个方面,对区间数运用于空车调配问题加以适应性分析,以空车总走行公里最少和到达时间满足空车需求限定时间可信度加权和最大为目标,提出利用线性区间规划理论解决空车调配问题的模型和算法,并结合算例验证了区间规划的灵活性和简便性,使得空车调整模型符合运输生产实际并具有普遍意义,该模型的采用对路网上空车调整问题将起到很好的借鉴作用。     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.     

车辆路径问题的最大-最小蚁群算法研究

蚁群算法能很好地解决车辆路径问题，但算法搜索时间长，易出现停滞现象。通过对蚁群算法的改进和调整，构造出最大一最小蚁群算法，实例验证该算法能更快地收敛到全局最优解。     

基于鲁棒接续时间的铁路空车调运优化

空车调运是铁路运输的关键环节，其方案具有一定的鲁棒性，可以避免车站技术作业时间以及站间旅行时间等不确定因素对调运方案实施的影响. 基于固定的车站技术作业时间和站间旅行时间，提出了空车供应站到达列车与发出列车、空车供应站发出列车与空车需求站发出列车间的空车接续时间关系判别方法. 以空车调运收益最大化为目标，建立了确定情形下考虑车种替代的空车调运模型，在此基础上，引入波动率描述车站技术作业时间和站间旅行时间的不确定性，并通过设置波动下限调整模型的鲁棒性，建立了不确定情形下的空车调运鲁棒优化模型；结合模型性质，以车流关系变化为依据，设计了鲁棒优化模型的快速求解算法，将非线性优化问题转化为易求解的鲁棒等价模型. 结果表明:求得的空车调运方案可以得出列车间的空车配流和车种替代情况，不确定因素的波动率和波动下限会影响空车调运方案的效益值，绝对鲁棒下站间旅行时间、供应站技术作业时间和需求站技术作业时间3个不确定因素导致方案效益值较确定模型分别下降了16.2%、12.1%和28.1%.      

路企直通运输空车调配模型及算法研究

路企直通运输这一新的运输组织模式使传统路网空车调配问题具有了新的特征,在借鉴传统空车调配问题模型的基础上,统筹考虑卸空站、装车站、技术站的空车调配数量、路径和时机问题以及技术站始发空车专列的来源,建立基于整个运输过程费用最小化为目标的路企直通运输空车调配模型并分为技术站空车配流和路网空车调配两个问题求解,使得空车调整模型符合运输生产实际并具有普遍意义,以上海铁路局部分战略装车点配空为例加以验证,该模型的采用对路网上空车调整问题将起到很好的借鉴作用。     

改进蚁群算法在系统可靠度最优冗余分配的应用

针对蚁群算法在解决NP困难时所存在的极易陷入局部最优值和搜索时间过长的问题,在蚁群算法基础上重新设计状态转移规则和信息素更新规则。实验研究表明:改进后的算法可以有效解决最优冗余分配问题,同时可以在相对短的时间内找到问题的最优解。     

蚁群算法在网格资源调度中的应用

网格资源调度是网格研究的热点问题,蚁群算法是解决多项式复杂程度的非确定问题（non-deterministic polynomial,NP）的一种有效方法。通过对网格资源调度过程和蚁群算法的研究,提出了网格环境下用蚁群算法进行资源调度的方法。采用网格模拟器GridSim进行仿真,实验结果表明,蚁群算法用于网格资源调度可以减少系统总执行时间和任务完成时间。     

基于蚁群算法的动车组周转计划研究

通过对高速铁路动车组运用现状进行分析,建立了高速铁路动车组在不固定区段使用条件下周转优化的指派模型,并提出了解决该组合优化问题的蚁群算法,以及动车组使用数量的公式.最后以武广客专为算例,计算出动车组优化运用方案,并铺画了一个车站相关的动车组周转图.通过验证,本文模型和算法具有可行性.     

��Ⱥ�㷨�ڶ��������������е�Ӧ��

动车组运用是高速铁路运输组织的关键技术之一.本文结合国内外对高速铁路动车组运用问题的相关研究,根据动车组的运用特点和运用规则,在已知列车运行图的基础上,建立了求解动车组运用问题的整数规划模型.将动车组的接续运行与检修计划制定过程转化为动车组运用网络上具有较多约束条件和目标函数的TSP问题.并借鉴了蚁群算法求解该问题.为优化我国在建和拟建的高速铁路和客运专线的动车组运用及计算机自动编制动车组运用计划提供了有效的求解算法.最后结合武广客运专线运用计算机模拟进行验算,证实了算法的可行性、实用性.     

������Լ����������-��ʽ�����������

针对无容量约束的单分配轴-辐式物流网络设计问题的特点,为其建立了单分配p-枢纽中位模型,并提出了一种基于蚁群算法的启发式求解算法. 该算法分两步实现：首先利用蚁群算法来确定网络中枢纽节点的位置,然后用另一种启发式算法将非枢纽节点分配给枢纽节点,同时,将一种基于6种邻域结构的变邻域搜索算法作为蚁群算法的局域搜索策略以提升算法的全局搜索能力,并加快收敛速度. 最后结合澳大利亚邮政数据进行了算例仿真实验,并对蚁群算法中参数的合理设置进行了测试分析,实验结果表明,该算法在求解此问题时有着良好的有效性和较快的求解效率.     

无容量约束单分配轴-辐式物流网络设计

针对无容量约束的单分配轴-辐式物流网络设计问题的特点,为其建立了单分配p-枢纽中位模型,并提出了一种基于蚁群算法的启发式求解算法. 该算法分两步实现：首先利用蚁群算法来确定网络中枢纽节点的位置,然后用另一种启发式算法将非枢纽节点分配给枢纽节点,同时,将一种基于6种邻域结构的变邻域搜索算法作为蚁群算法的局域搜索策略以提升算法的全局搜索能力,并加快收敛速度. 最后结合澳大利亚邮政数据进行了算例仿真实验,并对蚁群算法中参数的合理设置进行了测试分析,实验结果表明,该算法在求解此问题时有着良好的有效性和较快的求解效率.     

求解双目标带时间窗车辆路径问题的蚁群算法

针对运输网络为多重图的双目标带时间窗车辆路径问题设计了蚁群算法.首先,建立了多重图的双目标带时间窗车辆路径问题的数学模型,提出了针对该问题解的搜索空间构建方法,定义了一种综合考虑各优化目标、时间窗和信息素等启发信息的状态转移概率公式. 为了对比说明该算法的有效性,同时设计基于NSGA-II的多目标遗传算法.针对本文算例,对蚁群算法中的各参数进行了敏感性分析,根据分析结果设定算法参数,获得了算例的Pareto最优路径集,同时与NSGA-II算法及相关文献算法针对运行时间、收敛性和群体多样性进行比较.结果显示,本文设计的蚁群算法在这3个指标上均明显优于NSGA-II算法;在相同蚂蚁数量情况下,本文的算法在收敛性和群体多样性方面优于相关文献算法.     

一种改进蚁群优化算法的仿真研究

针对蚁群优化算法存在容易陷入局部最优、收敛速度慢、参数设置复杂等缺点,提出了一种改进的蚁群优化算法,研究了伪随机比例转移规则中参数 的取值方法,并对信息素的取值方式和信息素的更新规则进行了改进。最后以中国31个城市的旅行商问题和路径规划问题为实例,分别运用改进前后的蚁群算法进行了仿真研究。仿真结果表明：改进之后的算法不仅能够得到更好的解,更能显著地提高算法的收敛速度。     

带回程取货的逆向物流车辆路径建模及其蚁群算法

对逆向物流车辆路径问题进行了概述和分类,构建了以VRPPDTW为基础的带回程取货的逆向物流车辆路径数学模型,设计了求解该模型的最大-最小蚁群算法,对设计要素进行了详细介绍,包括初始蚁群分布,状态转移策略,以及信息素更新策略等,并给出了具体的算法步骤. 最后,以Solomon中的R101、R102、R103、R104和R105等5项示例为背景,分别取前25节点和50节点,以取货点的取货量比例分别占全部客户节点需求量的10％、30％、50％取货,得到30个算例的计算结果,并将其与Tangian和模拟退火等计算结果进行了比较,结果表明最大-最小蚁群算法在某种程度上优于其他算法     

��æ�������ཱུ������Ķ�Ŀ���Ż�

航班的合理降落排序是减少航班延误,提高服务质量的重要手段之一.空管人员在进行决策时,其评价标准往往不是单一的和同向的.本文将跑道上的飞机降落排序建模成单机多目标调度问题,重点讨论了此类问题的帕累托优化求解.建立的整数规划模型能够在航班降落过程中,对航班加权延误数量和所有延误航班的最长晚点时间两目标值进行协调并根据现场实际情况灵活地进行取舍.利用共享信息素机制的多目标蚁群算法对模型进行求解.最后的算例结果显示,与传统的启发式方法相比较,本文的方法不仅能够求得更好的结果,还能为空管人员提供一个相对直观的调度策略选择方案.     

基于蚁群算法的动态路径选择问题

论述蚁群算法在动态路径选择问题上应用。在蚂蚁寻径原理基础上,建立经济圈公路网蚁群算法模型,并对算法的参数进行标定。针对算法的缺陷,对信息素更新策略进行了优化改进,使其能更快的收敛到全局最优解。该模型算法对经济圈道路交通智能化动态诱导系统的建立大有帮助。