采用蚁群算法求解铁路空车调整问题

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,针对空车产生总数和空车需求总数相等的平衡运输问题,建立以空车走行公里数最小为目标的空车调整数学模型,应用蚁群算法求解铁路空车调整问题。对有3个空车产生地点、4个空车需求地点的240辆空车平衡运输的算例,采用蚁群算法求解,得到2种目标结果最优的调整方案,可见该算法结果具有多重性,可以适应不同的调整需求。将其计算结果与分别采用最小元素法、西北角法、神经网络法及遗传算法所得结果进行比较,表明采用蚁群算法精度高、参数少、运算过程简单、模型易于理解和维护。采用蚁群算法求解空车调整模型可以用于全路、路局等的空车调整问题求解。     

蚁群算法在城轨列车运行调整中的应用

当城市轨道交通列车在行车过程中由于设备故障、乘客拥挤等情况发生晚点时,需要对列车时刻表进行调整,使之尽快恢复正点运行。本文以调整区段内总晚点时间最小为目标函数,提出了基于蚁群优化算法的列车调整模型,在Visual C++ 6.0编程环境下,以深圳地铁6号线为例,对模型的实用性进行了验证。     

路网节点间铁路冷藏车空车调整的蚁群算法

数量调配和网络配流是铁路冷藏车空车调整的2个核心问题。在对问题进行抽象描述的基础上，建立了铁路冷藏车空车调整协同优化模型，将空车调整径路与数量两者统一到同一个模型中，实现两者整体上的优化。通过约束条件分析，在不改变铁路冷藏车空车调整问题协同优化性质的前提下对模型进行简化，将非线性模型转化为线性模型，设计相应的蚁群算法（ACO），并对算法复杂度进行分析。通过理论分析和实际算例分析表明，ACO算法易于利用计算机实现，对求解铁路冷藏车空车调整问题具有优势。     

铁路空车调整的算法模型及软件实现

本文结合我国铁路空车调整计划的实际,提出了空车调整的优化算法,探讨了人工智能在此问题上的应用,并针对当前常用的B/S软件结构给出了具体的软件实现.     

求解铁路空车调整问题的一种优化算法

由于铁路的空车资源严重不足,空车调整方案优化与否不仅影响全路运用车的数量,还直接关系到铁路企业的运营效益,为此,相比较已有的算法,遗传算法有很强的收敛能力,神经网络有较好的学习能力及鲁棒性,结合两者的优点提出基于遗传算法优化神经网络的方法来实现空车的调整,降低空车走行率,且建立了空车调整的数学模型,并通过算例验证了该方法的可行性。     

空车调整专家系统的研究

根据铁路货运营销管理对编制空车调整计划的新要求，提出了开发空车调整专家系统的总体结构，论述了用产生式规则和面向对象的知识表示法相结合的知识表示方法和相应的推理机制。     

多阶段空车调整方法在车流推算系统中的应用研究

本文所研究的空车调整模型属于铁路运输信息集成平台下的车流推算系统。车流推算模型能够比较准确地给出在多阶段路网中车站空车的需求量和提供量。针对铁路网络空车调整问题的动态变化特性,建立了多阶段动态空车调整模型,模型的目标函数考虑了与时间因素相关的空车滞留费用和需求未满足惩罚费用等相关费用,设计了模拟退火的启发式算法并进行了求解。对一个简单的路网进行了验证,结果表明,该模型及算法能够较好地解决动态变化环境下的空车调整问题。     

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。     

带时间窗空车调整问题的遗传算法研究

结合实际科研项目的研究成果,根据空车调整问题的实际要求,通过引入"到达时间窗"的概念,建立以减少空车总走行公里和广义运输成本最小化为目标的空车调整优化模型;运用遗传算法的交叉和变异算子自适应调整技术,以及染色体的矩阵编码结构设计基于矩阵编码的遗传算法,并利用C++语言进行原码程序设计和实例运算分析,取得较好的效果.     

空车调整专家系统的研究

根据铁路货运营销管理对编制空车调整计划的新要求,提出了开发空车调整专家系统的总体结构,论述了用产生式规则和面向对象的方法相结合的知识表示方法和相应的推理机制。     

基于MATLAB的混合型蚁群算法求解旅行商问题

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,给出基于MATLAB的蚁群算法在旅行商问题中的应用,针对蚁群算法存在的过早收敛问题,加入2-opt方法对问题求解进行局部优化.计算机仿真结果表明,这种混合型蚁群算法对求解旅行商问题有较好的改进效果.     

一种基于蚁群算法的聚类组合方法

蚂蚁等群居类昆虫被看作能解决复杂问题的分布式系统,研究者从它们的协作性能以及自组织、信息素通信、任务划分等机理中获得灵感,已在组合优化、通信网络、机器人等许多应用领域找到解决问题的新方法。聚类作为一种无监督的学习,能根据数据间的相似程度自动地进行分类。基于蚁群算法的聚类方法已经在当前数据挖掘研究中得到应用。本文提出的基于蚁群算法的聚类组合新方法,模仿多蚁群的协作性能,将运动速度类型各异的多个蚁群,独立而并行地进行聚类分析,然后组合其聚类结果为超图,再用蚁群算法对超图进行2次划分。实验结果表明,该方法能自动决定聚类的数目,聚类组合方法能明显改善聚类质量。     

大规模路网上空车调整方法的比较与研究

以消耗的车公里数最小为目标,建立大规模路网上空车调整问题的数学模型.由于空车调整可以归结为一个线性规划问题,而LINGO软件是一种专门用于求解数学规划问题的优化计算软件,可用于求解线性规划和整数规划问题,将该软件应用于空车调整领域,并通过一算例与其它空车调整方法,如最小元素法、西北角法、神经网络法及遗传算法等进行了比较分析.结果表明,运用LINGO软件解决空车调整问题不仅节省开发时间,而且从运算时间和精度上都具有显著的优越性,是解决大规模路网上空车调整问题的有效途径.     

基于蚁群算法的煤炭运输优化方法

蚁群算法是指通过人工模拟蚂蚁搜索食物的过程来求解运输优化问题的一种算法。给出蚁群算法模型及算法步骤。研究一种带容量限制和考虑损耗的煤炭运输数学模型的优化计算,并给出算法步骤。运用蚁群算法对某一钢铁企业煤炭运输问题进行优化计算,计算结果符合实际生产情况。     

基于蚁群算法的铁路纵断面优化算法研究

将蚁群算法应用于铁路纵断面优化设计,提出一种基于蚁群算法的铁路纵断面优化设计方法。即在初始纵断面方案的每个变坡点附近区域内划分网格并设置网格中心点之间的初始信息素;由计算机模拟出人工蚁,根据概率选择路径并更新所选路径上的信息素,在划分的网格范围内多次迭代优选变坡点位置;通过缩小范围、逐步求精的方法进一步优化,直至优化结果达到要求为止。结果表明,采用该设计方法,既能满足各项技术要求为止,又能使各种工程费用或运营费用达到最优,为改善平面位置提供依据。     

基于蚁群算法的多功能车辆周期扫描表的优化设计

针对多功能车辆总线周期扫描表的已有设计方案存在缺点,本文对其优化设计方法进行深入研究,提出一种基于蚁群算法的优化设计方法.本文明确周期扫描表设计问题实质是典型的组合优化问题.首先,针对该组合优化问题建立数学模型,确定约束条件,提出减小周期数据报文在各个周期相中方差的优化目标.然后,针对该数学模型,利用蚁群算法生成蚂蚁行走的路径图,推导出相应的计算公式,从而寻找到最优路径,生成主帧的最优排列.最后,算法在MVB总线实例上进行验证,仿真结果表明以减小周期数据报文在各个周期相中的方差为优化目标的蚁群算法明显提高周期扫描表的均匀度和生成主帧表的效率.与国际标准IEC61375-1推荐算法进行比较,蚁群算法具有优势.     

蚁群算法在调机运用计划中的应用

编组站调机运用计划为具有不同开工、完工时间窗口的单机调度问题,优化目标是最小化晚点列车的数量。为解决这一NPC问题,建立单机调度数学模型,采用蚁群算法求解。设计的算法步骤是,将调机运用问题描述成适合蚁群算法的形式,并进行初始化,考虑迭代过程中信息素对未来决策的影响程度,定义与问题相适应的转移概率,进而确定选择策略来平衡已有方案的利用和搜索空间的选择,采用2-opt方式的局部搜索策略来避免“早熟”或者“停滞”现象,同时在蚂蚁经过的路径上进行信息素更新,实现对该优化问题的有效求解。以某编组站有12列到达列车和少量暂存列车解体编组出12列出发列车为例,利用设计的蚁群算法步骤,求得到达列车的解体次序和出发列车的编组次序,验证了该算法在编组站的改编能力无法满足车流配送情况下实现合理安排调机的有效性。