基于时间满意度的铁路枢纽空车调配随机机会约束模型及算法研究

空车调配是铁路运输组织的重要环节。本文分析空车供给和需求量的不确定性、车种代用状况,给出空车到达时刻满意度定义。以空车走行公里最短、到达时刻满意度最大和车种代用成本最低为优化目标,构建铁路枢纽空车调配的随机机会约束规划模型。通过将机会约束转化为确定性的等价类,将模型转换为对应的确定性模型,利用和声搜索算法进行求解。设计适合求解的编码方法,基于该编码的初始化方法和微调方法能够保证解的可行性。算例证明,设计的模型与算法有效且可行,与确定性情况比较,空车走行公里下降19.34%,总体到达时刻满意度增加0.66%,车种代用成本降低32%。     

简讯

下期要目●铁路空车调配问题的随机机会约束模型及遗传算法●综合运输体系铁路客运市场的优化策略模型及算法●机车车辆液气缓冲器特性研究●高速列车通过隧道时诱发车厢内压力波动的数值分析●基于DGA技术的牵引变压器在线监测系统●NTRU译码错误研究●复数旋转码的迭代译码研     

基于知识约束的空车调整优化方法研究

铁路空车调整是一个集空车O D量(调配方案)生成与车流径路分配于一体的复杂的铁路网流量分配问题。由于实际的空车调整计划将受到许多模糊或不确定因素的影响,需要凭借专家知识或经验来确定,所以如何基于知识建立空车调整问题的优化模型及算法是一个重要的研究课题。本文基于空车调配满足最小费用和路网中流量合理分布的综合评价原则,通过引入知识约束的概念,构造了一个带混合约束(数学约束 知识约束)的优化模型,并结合铁路空车调整计划的实际,采用模糊定量化指标的方法,对模型的求解提出一个应用算法。     

基于时间窗的铁路空车调配优化模型及求解

针对以往铁路空车调配优化研究中对时效性考虑不足的现状,考虑到空车过早或过晚到达都会给铁路运输企业带来额外的费用支出,按照空车运输费用、积压库存费用及延误损失费用之和最小的原则,建立基于时间窗(规定时间段)和区段空车运输能力约束的空车供需平衡调配优化模型。以由3个空车供应站、4个空车需求站组成的铁路运输网络为例,按照线性整数规划求最小值问题,运用LINGO软件进行仿真求解,得到最优空车调配方案。     

车种代用下的铁路空车调配研究及遗传算法

介绍了当前铁路空车调配问题的研究现状,对比一般的空车调配问题模型,提出车种代用情况下空车调配的数学模型。该模型以空车走行费用最小化为目标函数,将车种代用纳入其中,并设计了遗传启发算法求解该问题。     

基于线路能力约束下的铁路空车调配迭代算法

以空车总走行里程最小为目标，以空车供需平衡和车流量不超过线路通过能力为约束条件，建立空车调配数学模型，并设计分步优化迭代算法进行求解。该算法的基本思路是：先放弃模型中能力约束条件，将问题转化为标准运输问题求解；再检验解是否满足能力约束条件，若满足，则得到最优解；否则，记忆有效解，调整OD供需量、路段通过容量和路网路段，形成新的能力约束条件下的空车调配子模型，再求解。如此反复迭代，直到全部空车车流配置殆尽为止；累计各步迭代的结果，得到空车调配方案。在应用实例中，分别采用直接求解算法和分步优化迭代算法求解，分步优化迭代算法得到的空车调配方案比直接求解法可减少空车走行里程6000km，且路网配流相对均衡。结果验证了空车调配数学模型及其分步优化迭代算法的正确性及可行性。     

“实货制”下铁路空车动态调配两阶段优化模型与算法研究

铁路现行的"实货制"货运组织原则,要求对客户提出的要车申请敞开受理、随到随办、及时批复。本文针对客户空车申请具有波动性的特点,构建铁路空车动态调配两阶段优化模型,制定相应的"预优化空车调配"和"二次优化调配"两阶段求解策略。预优化空车调配是对固定需求的空车调整进行优化,二次动态调配指执行预优化调配过程中,对于新产生的装车需求而重新进行的策略优化。将空车调配的决策周期进行时段划分,以费用最小化为目标函数,综合考虑车站的到发能力、各时段空车供需能力、线路通过能力建立模型,采用整数编码的微进化算法对模型进行求解。算例表明模型与算法能够较好解决空车需求动态变化的调配问题,为空车调整及批复客户空车申请提供决策依据。     

基于通过能力约束下的空车调配问题研究

以空车总走行里程最小为目标,在空车流量不超过路段通过能力和车站通过能力双约束条件下,建立相应的空车调配模型。在空车走行总里程不变的前提下,归约双约束空车调配模型为最小费用最大流算法可解决的模型。     

编组站调度计划随机机会约束规划模型及算法研究

运用随机规划方法,研究列车解编时间随机变动情况下编组站阶段计划的优化编制问题,建立了以压缩车辆中时和减少出发列车晚点时间为目标的随机机会约束规划模型。将模型中的随机机会约束转化为相应等价形式,从而将随机规划模型转化为确定性模型,并提出了一种改进遗传算法对之进行求解。该算法基于列车解编顺序对染色体进行编码,并针对问题的特殊性设计了相应的交叉和变异操作。算例表明,设计的改进遗传算法能够在较短时间内收敛至最优解,编组站阶段计划的随机机会约束规划模型能取得可靠性更高的调度计划,为改进编组站的决策质量提供了一条解决的途径与方法。     

基于货物列车时刻表的两阶段空车调整优化

按照两阶段空车调整思想,将空车调整问题分为月度供求计划和日空车调整计划两个步骤求解。以空车运输总费用最小为目标,采用dijkstra算法求解铁路局月度空车调整问题;结合货物列车时刻表,从空车需要地请求车时刻出发,运用MATLAB进行求解日空车调整问题,最终得到费用最小的最佳空车调配方案。     

铁路罐式集装箱空箱调配优化模型及遗传模拟退火算法

针对罐式集装箱运输的特殊性,考虑重箱流和空箱流调配的综合优化,以罐箱运输费用最小为目标,建立铁路罐式集装箱空箱调配优化多商品网络流模型,并构造了1种嵌入模拟退火操作的遗传算法对之进行求解。为了使模型与算法可得到更符合实际、操作性更强的结果,给出了3种空罐箱调配的策略,作为隐含条件加入到算法求解过程中。利用自适应遗传模拟退火算法对随机生成的实际规模问题算例进行求解,并与用通用代数建模系统软件GAMS的计算结果进行对比。结果表明,前者得出的结果与最优解差距不大,而且运算速度更快,更能满足解决实际问题的需要,为铁路罐箱调配优化提供了良好的决策支持模型和算法。     

基于Dijkstra算法铁路运输径路的研究

Dijkstra算法是铁路运输径路实现计算机判定的重要基础算法。以Dijkstra为最短径路算法,结合我国铁路运输现状,设计特定径路参数描述语言,实现了计算机对铁路运输径路的智能化判定。径路计算速度达到5万条/s以上,正确率达到100%,满足了不同业务对径路的需求。是计算机理论知识转化为铁路运输生产力的成果。     

铁路集装箱空箱调度模型及求解算法

从铁路集装箱运输市场的实际情况出发,设置相关的变量,建立基于顾客偏好的模糊运输规划模型和带时间窗的运输规划模型。针对这些特殊的运输问题,应用遗传算法去求其最优解,并设计了相应的矩阵编码方法、适应度计算、交叉算子和变异算子。给出一仿真实例,仿真结果表明上述两个模型的最优调度方案一致,证明运输正点率是提高运输服务质量的一个关键因素。     

铁路行包运输径路算法

针对铁路行包运输网络和运输组织的特征,遵循长短途分工、始发直达、区域中转等铁路行包运输组织基本原则,以营业站和列车运行模式对铁路行包运输网络进行描述;综合考虑运输成本、时间、能力和现场作业等方面因素,给出铁路行包运输径路的基本形式和选择策略,并设计基于选择策略的铁路行包运输径路搜索算法,实现对装车站以及中转站列车的合理选取,有效减少选用列车的数量,提高搜索的效率和有效性。通过限定最大搜索次数对铁路行包运输径路算法的搜索深度进行有效控制;搜索广度主要由可选用的列车数决定。该算法可以完成给定装车站到所有营业站的径路计算,应用于中铁快运公司1 000多个行包营业站、1 600多列列车的大规模铁路行包运输网络的运输径路计算,效果良好。     

基于广义费用函数的城际铁路分时定价策略研究

随着我国城市群的发展,区域内部各城市之间的客流需求不断增长,城际铁路作为城市间出行的主要方式,客流在高峰、低谷时段具有明显的不均衡性。为了更加平稳有序地提供高质量服务,充分发挥票价调节供需匹配关系的作用,对城际铁路分时定价策略进行研究,构建不同时刻、不同运输方式的旅客出行广义费用函数,建立双层规划模型,优化不同时段城际铁路票价,并结合Frank-Wolfe算法和带有惯性权重的粒子群算法,求解双层规划模型。最后,以京津城际铁路为例,验证了分时定价策略可以使客流分布更加均衡,并提高铁路运输部门收益。     

基于遗传算法的集成逆向物流的供应链网络设计

对于一个固定拓扑结构的供应链,基于设施能力和顾客需求的约束,以正向物流与逆向物流的总成本最小为目标,构造供应链网络设计模型,采用基于优先权编码的遗传算法求解。按照遗传算法的原理,将供应链按物流活动过程划分成4个阶段,运用基于优先权的编码方法对各个阶段进行编码;为加速算法收敛,利用贪婪启发式算法确定初始种群,通过遗传操作产生后代,并定义交叉算子和变异算子。以某一区域供应链网络规划为例,运用给出的模型和算法对需要设置工厂、铁路货运中转站的数量、位置及功能进行计算,并与其他算法所用计算时间比较。结果表明,采用本算法能够得到区域供应链网络规划的最优解,且所用的计算时间最少。     

基于需求响应的铁路集装箱班列始发时刻优化

依据铁路运输生产实际,充分考虑集装箱货物与集装箱班列在时间和数量方面的匹配关系,以集装箱货物在集装箱办理站的总停留时间最小为优化目标,以集装箱货物装车唯一性、班列编成箱数、作业时间和发车间隔为约束条件,构建铁路集装箱班列始发时刻优化的非线性混合整数规划模型。根据模型的特点,设计基于遗传算法的求解方法。由随机产生和"先到先服务"方案结合的方法生成初始种群,并运用启发式策略修复进化过程中出现的不可行解。以胶州-黄岛之间的铁路集装箱班列为例进行仿真计算。结果表明:模型和算法具有较高的计算效率;利用模型及算法得到的集装箱班列始发时刻与集装箱货物的数量、到达时间分布之间具有较好的匹配性,使集装箱在办理站停留时间最短,制定的班列开行计划响应了用户需求。     

基于多商品流和虚拟弧的铁路车流分配点-弧、弧-路模型研究

重点研究铁路车流分配过程中的不可行流问题。采用设置虚拟弧的方式定位和计算不可行流,引入多商品流的概念,分别构建了基于多商品流和虚拟弧的车流分配点-弧、弧-路模型。二者均以广义运输费用最少为目标,利用弧段阻尼系数调节不同车流的运输成本,同时考虑了弧段的能力约束和不可行流的惩罚费用。此外,弧-路模型还将合理绕行率纳入约束体系。两类模型在决策变量和虚拟弧的设定原理上有所不同。通过分析对比得知,点-弧模型适用于精确测算不可行流总量,弧-路模型适用于直观确定不可行OD。最后,设计空车调配算例并利用LINGO软件实现了两类模型的求解,验证了模型的合理性和有效性,归纳得出相关结论。     

既有铁路重载化改造通道规划模型研究

研究目的:随着大批客运专线相继投入运营,既有线的运输能力将得到一定程度的释放,对既有铁路进行有计划、有选择的技术改造,开行重载列车,能够充分利用既有设备条件,节约资金投入,大幅度增加线路输送能力,提高铁路劳动生产率,降低货物运输成本.研究结论:本文阐述了我国重载路网的发展规划情况,提出了重载运输通道规划所应遵循的原则.以铁路部门收益最大为目标函数,以线路通过能力和投资金额上限为约束条件,建立基于径路的重载线路投资决策与货流分配模型,并介绍求解方法.本模型的建立使重载化改造的决策依据由定性化转为定量化,从而使决策更加科学合理.     

基于GA-MADS混合算法的既有铁路平面线形自动重构

研究目的:既有铁路平面线形重构是铁路养护维修与增改建设计的重要基础,重构结果对列车运行安全、养护改建工程量将产生重要影响.既有方法通常先识别确定交点坐标,再逐交点优化半径缓长,属局部重构,难以实现全局优化;同时对约束的处理还不全面,重构的线形需要经过大量人工调整方可应用.对此,本文提出一种遗传算法混合网格自适应直接搜索...