基于微粒群算法的多目标列车运行过程优化

为客观地描述列车的运行过程,建立了列车运行过程的多目标优化模型,并用微粒群算法求解该模型.针对多目标微粒群优化(MOPSO)算法的不足,提出了相应的改进措施和解的多样性保持策略.仿真结果表明,提出的优化列车运行过程的改进MOPSO算法可以在一次运行过程中获得多组列车操纵控制策略,清晰地显示出各性能指标随控制策略变化的趋势,控制序列转换次数大大降低,每组控制策略都可以在能耗、运行时间和停靠准确性之间获得很好的折衷效果,可以根据列车运行状况选择恰当的策略控制列车,以获得预期的结果.     

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。     

MRT列车运行模拟模型的多目标改进遗传算法

为了求解城市快速交通（MRT）列车运行模拟模型，寻找最优的列车运行控制曲线，构造了多目标改进遗传算法．以列车运行过程中工况转换点为基因编码依据，以多个基因构成一个染色体代表一个控制方案，从而形成初始种群；根据列车运行控制的停站误差、时分误差和能耗等目标要求设计适应值函数；通过个体有效性检查保证选择、交叉和变异过程中新个体的有效性，并在各算子中加入保优算子，使新种群不淘汰上一代最优个体．实例计算表明，与多质点优化模型相比，在一定的误差范围内，遗传算法能够减少能耗10％以上，并能提供大量次优解，具有明显的优化效果．     

一种多目标优化进化算法研究

提出了一种基于多性别遗传算法(MSGA)的多目标优化进化算法，在同一性别种群的进化中采用了线性排名选择算子，给出了一种求解非劣解的算法，并以两个算例作了对解决多目标优化问题有效性的验证。     

基于改进粒子群算法的工程项目综合优化

为解决现有粒子群优化算法进化过程中"早熟"的问题,提出了一种改进的粒子群优化算法HSPSO.算法采用多子群分层策略,以提高收敛速度和优化精度.为求解工程项目的综合优化问题,建立了工期-成本-质量的数学优化模型和多目标优化模型.通过实例对标准粒子群优化算法(SPSO)和差分进化(DE)算法进行了比较,并采用HSPSO算法进行多目标优化.最后,用枚举法验证了模型的合理性和算法的有效性.与已有研究相比,HSPSO算法能在种群规模较小(20个粒子)的情况下,快速找到满意的解(平均迭代次数不超过20次).     

基于改进多目标差分进化算法的城轨列车速度曲线优化

城轨列车速度曲线研究对于优化列车运行过程具有重要的作用。为得到更好的城轨列车速度曲线优化效果,本文针对列车运行准时性、运行能耗和舒适度3个目标,提出一种基于改进多目标差分进化算法的速度曲线优化方法。首先,建立城轨列车运行过程的多目标优化模型;然后,通过采用精英镜像初始化策略、引入参数自适应和多变异策略,提升多目标差分进化（MODE）算法的性能,并通过与其他6种对比算法在ZDT系列测试函数上所得的反世代距离评价指标（IGD）值进行比较,验证了所提算法的优越性;最后,结合南昌地铁一号线某区间真实线路数据进行仿真。结果表明,改进的MODE算法（IMODE）相较于对比算法在综合性能方面具有一定优势,同时在列车节能优化问题中具有较强的实用性。     

基于遗传算法的列车运行能耗优化算法

研究了CBTC系统中列车控制模型和列车运行调整, 以降低能耗为目标, 对列车在区间的运行控制进行优化组合, 提出了基于遗传算法的能耗优化算法, 根据具体的线路条件, 计算了在不同的运行等级下或不同区间运行时分对应的列车运行速度曲线。以一段2 400m长, 具有典型节能坡设置, 且包含一段60km·h^-1区间限速的线路为例, 进行了能耗计算和优化仿真。研究结果表明: 优化之后速度曲线与其对应的运行等级2、3、4的速度曲线相比, 列车牵引能耗减少到原来的62%、58%、60%, 节能效果显著, 算法有效。     

基于改进车流离散模型的多目标优化控制模型研究

为减少复杂交叉口群动态控制中车辆延误并提高通过速度,基于改进的车流离散模型,该文提出了以停车延误为目标函数的交叉口群多目标优化控制模型,并以广州天河北复杂交叉口群为例进行了实例运算,算例结果与仿真试验表明本模型体系在系统延误方面要优于传统模型,模型的求解效率高,有利于建立实时的区域交通控制系统。     

快捷货物列车开行方案多目标优化模型及算法

快捷货物列车开行方案是铁路快捷货物运输组织的基础,也是服务货主的重要 体现.本文综合考虑货主的需求及铁路的生产,以运送最多的货物需求量及最小化货主支 出运输成本为目标,构建快捷货物列车开行方案的多目标优化模型,实现货流 OD 在可 选走行路径上列车内的分配;在建模时,将列车的编成辆数设定为可以在一个范围内灵 活取值的决策变量,从而更符合快捷货物列车的特性;根据模型特点,设计了有偏好信息 的遗传算法进行求解;最后,通过一个算例验证了模型和算法的可行性. 研究结果表明, 所提出的方法对铁路快捷货物运输组织具有一定的借鉴意义.     

燃料电池混合动力系统参数匹配与多目标优化

在满足机车动力性能需求的条件下,运用参数匹配方法对燃料电池系统的重量、体积指标进行了优化. 首先,搭建了机车动力学模型,针对列车运行的加速启动、匀速爬坡、最大时速运行3种关键工况,分别得到3个需求功率峰值;其次,基于传统方法,以最大需求功率峰值为目标,分析了超级电容-动力电池配比;然后,在传统方法基础上,采用改进粒子群算法（improved particle swarm optimization,IPSO）,进行了基于系统重量和体积的多目标优化参数匹配计算,得到了最优解;最后,对传统方法和多目标优化方法进行了对比分析. 研究结果表明:两种方法均能满足列车动力需求;采用多目标优化方法,为同型燃料电池混合动力有轨电车配置2套150 kW燃料电池,124个超级电容（48 V,165 F）和337个动力电池（3.7 V,9 A?h）. 车辆经32.24 s加速可达时速70 km/h,最大爬坡能力为85.5‰,持续爬坡能力为732.5 m;相比较传统方法,重量和体积优化率分别达到83.075%和86.696%.      

高速列车多区间节能操纵优化研究

区间运行时间和操纵方法是实现高速列车节能运行的两个重要方面.本文构建了可调整区间运行冗余时间的高速列车多区间节能操纵模型.考虑到高铁枢纽车站和非枢纽站对列车到达时刻准点性的要求程度不同,模型中增加了枢纽车站的列车到达时刻与列车运行图定到达时刻一致性约束,以及非枢纽车站的列车到达时刻在一定时间范围内的约束.为了避免解空间中不满足定时约束的不可行解的数量影响算法效率,设计了一种三层编码的遗传算法来求解模型.通过1条包含3个枢纽车站、3个非枢纽车站的高速铁路线路验证,结果表明,本文所提出的高速列车多区间节能操纵方法能够保证枢纽车站列车到达时刻不变,非枢纽车站列车到达时刻在一定时间范围内变换时,求得多个区间的列车最优节能操纵速度轨迹.与基于牵引-惰行控制方法和单区间节能操纵方法在图定运行时分下的计算结果相比,本文所提出的方法节能率分别超过16%和4%.     

基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况,提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数,利用列车运行过程中的状态偏差,推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数,通过迭代域的差分,证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证,结果表明,所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度,能够在较短的迭代次数实现对期望曲线的精确跟踪.     

双层集装箱列车装载问题多目标优化研究

为了提高双层集装箱列车的装载效率,保障双层集装箱列车的运行安全,建立 了一种降低重车重心高和均衡车辆转向架负重差的双层集装箱列车装载问题多目标优 化模型,并采用字典序规划法对多目标优化问题进行求解,即为存在矛盾的优化目标与 约束条件设置不同的优先级.为了优化重车重心高,采用线性分式规划将相应的混合整数 分式问题转化为一系列混合整数线性规划子问题进行求解.算例验证结果表明,研究所提 出的多目标优化方法能够在保证列车集装箱装载量最大的条件下降低集装箱车的重车 重心高,并减少其转向架负重差,具有重要的应用价值.     

基于遗传算法的单线列车运行调整体系

针对单线列车运行的特点，提出了“相邻列车”的概念，根据此概念建立了单线列车运行调整模型，并推导了列车运行图偏差函数作为模型调整目标．鉴于列车运行调整问题的解空间太大，用一般的运筹学方法难以有效地求解，提出了基于遗传算法的优化求解算法．该算法根据被调整列车的等级将原问题分解成若干子问题，并在对每个子问题求解的过程中，运用遗传算法在解空间中寻优．仿真结果显示了该模型和算法在应用于实际运行调整时的有效性和实时性．     

�����г��������е����׶��Ż�ģ���㷨�о�

地铁运输系统是城市公共系统中最大的耗能系统,列车节能运行具有重要的意义. 结合地铁列车运行特点与机车操纵规则,提出了在起伏坡道与定时约束条件下地铁列车节能运行的两阶段优化方法. 第一阶段,建立了寻求站间最佳惰行控制次数及惰行控制点的优化模型;第二阶段,建立了合理分配各个站间区间列车运行时间的优化模型. 设计了基于遗传算法的优化模型求解算法. 与既有方法相比,在运行时分相同条件下,经过两阶段优化后,列车运行能耗下降了19.06%,列车运行恢复正点的能力也得到了提高.