铁路编组站动态配流分层模型

为了使编组站动态配流充分考虑实际解体和编组作业过程,首先基于约束程序中的累积调度和字典序多目标优化理论,按照配流成功的出发列车优先级总和最大、车辆在站平均中转停留时间最小和资源利用率最高3个目标函数的字典序,建立适应于不同解体方式的动态配流字典序多目标累积调度模型,并设计约束传播与多点结构化搜索相结合的混合算法迭代求解,得到解编顺序和初步配流方案;然后,以出发列车车流来源总数最少为目标函数,建立二次配流整数规划模型,并设计贪婪算法对初步配流方案优化。算例结果表明,采用给出的编组站动态配流分层模型和求解算法,可提高铁路编组站的解编调车作业效率和配流方案兑现率。     

自适应粒子群算法求解编组站车流推算问题的研究

编组站日班计划和阶段计划编制核心之一是出发列车车流来源的推算,由于车流推算的复杂性,其求解算法也是研究重点之一。基于解编顺序建立编组站动态车流推算的数学模型,约束中考虑了单调机资源、车流接续去向和时间等约束,目标函数在优化正点出发列车数的同时考虑总停留车小时的优化。通过设计自适应离散粒子群算法(ADPSO)对数学模型进行求解,以解编顺序为主要优化对象,静态配流采用Lingo编程实现,最后通过算例验证了算法的有效性。     

免疫算法求解编组站阶段计划配流问题研究

在编制编组站阶段计划时需解决的一个核心问题是确定出发列车的车流来源.本文针对该问题作了深入研究,以解编顺序为优化对象,在考虑解、编调机资源约束的情况下,以在正点出发列车数最大基础上考虑总停留车小时最小的解编顺序为目标建立数学模型,并设计了免疫算法中自适应克隆选择算法对其求解,其中抗体评价所需的配流结果通过lingo编程实现.算例证明了算法的有效性,为编组站阶段计划配流智能化提供了较好的解决途径.     

编组站列车解体方案与编组方案的协调优化研究

编组站列车解体方案与编组方案的协调是阶段计划配流优化的关键,配流方案作为解体方案和编组方案的函数,只有当二者确定后,才能实现列车的配流.分析到达列车的最早可能解体时刻和不同调机作业方式下出发列车的最晚必须开始编组时刻的计算方法.通过定义特征点、时间调整格等概念,可以固定出发列车的解体特征,从而简化编组顺序的调整环节,减少计算量.以先编组出发列车的单个配流方案为主线,采用编组解体双向配流策略,找出合理编组顺序的有效匹配解体方案.根据解体特征和解体序号矩阵,提出解编方案协调优化算法,实例证明该算法可以缩小编组站配流问题的规模,从而快速得出优化配流方案.     

技术站广义配流问题模型与算法

根据列车解编顺序是否确定,将阶段计划中的广义配流问题分为广义静态配流问题和广义动态配流问题。以阶段内发出配流车数最多和车辆在站平均停留时间最短为目标函数,以列车解体开始时刻、车流分配、车流接续和列车编组开始时刻为约束条件,建立广义动态配流问题的多目标非线性混合整数规划模型。综合考虑优先排空、优先发送较近编组去向车流,模拟车站调度员编制阶段计划时的思维过程,设计搜索算法,解决广义静态配流问题(给定列车解编顺序的广义动态配流问题)。以有7个编组去向的某技术站为例,运用该算法可以在较短时间内得到列车解编方案和配流方案,表明了该算法的实用性和可行性。     

基于约束程序累积调度的编组站静态配流模型研究

静态配流是铁路编组站阶段计划的核心,模型和算法的优劣直接影响编组站作业效率和经济效益。本文基于约束程序累积调度和字典序多目标优化理论,考虑配流成功的出发列车优先级总和最大、出发车流来源总数最小、到达车辆先到先发等具有字典序的3个目标,以满轴、正点、不违编、解编顺序及编组场容量限制等为约束条件,建立静态配流字典序多目标累积调度模型。采用迭代、约束传播和回溯算法求解。通过现场实际数据验证:本算法求解时间满足现场要求;模型稳定、扩展性好,符合实际需求。     

技术站广义动态配流问题的遗传算法

技术站广义动态配流问题是在综合考虑优先排空和优先发送较近编组去向车流的编组要求、欠轴列车停运要求,以及到发列车在时间和车流接续关系的基础上,将静态配流和列车解编方案调整进行协同优化。分别以阶段内出发列车数最多、出发车辆数最多、车辆在站平均中转时间最短为目标,考虑解体、编组调机能力限制,到发列车车流接续,列车编组计划和列车运行图的影响约束,建立该问题的优化模型。针对问题机理,设计求解这一问题的遗传算法:运用启发式规则生成初始群体;运用倒数算子计算适应度函数,对各目标进行无量纲化和同向化处理;采用轮赌盘选择算子、基于顺序的杂交算子、逆转变异算子和精英保护策略。通过对算例的实验分析,表明该算法的实用性和计算的高效性。     

技术站配流与调机运用综合问题的拉格朗日松弛算法

技术站调度问题中配流与调机运用是关系密切的两个基础问题。基于单机器调度和资源分配理论,构建单解单编技术站配流与调机运用综合问题的混合整数线性规划模型,同时确定出发列车的编组内容和调机的解编任务,使得出发列车满足列车编组要求,且车辆在站加权总停留时间最小。设计拉格朗日松弛算法松弛掉连接约束,将原问题分解为解体子问题、配流子问题和编组子问题,对偶问题采用传统次梯度优化算法求解。最后,采用既有文献算例对该算法的有效性进行测试,结果表明:与分支定界算法相比,该算法能够实现计算质量和时间的较好折中。     

多站协同的技术站配流优化研究

技术站是铁路网的重要组成部分,其作业组织水平直接决定了铁路运输生产效率。传统的技术站配流问题通常考虑车站内部作业优化,如解编顺序、分类线运用等,以减少车辆在站停留时间。为加强站间互联互通,促进车流有序流动,提出基于货物列车编组计划的多站协同概念。建立以车辆在站停留时间最小为目标的考虑多台调机的单技术站动态配流模型M1和以协同后减少的停留时间之和最大、新增列车走行费用最小为目标的多站协同优化模型M2。考虑到模型M1属于NP-hard问题,设计拉格朗日松弛算法将模型分解为3个子问题求解。模型M2根据模型M1求得结果并结合多站协同概念,调用GUROBI求解器求解验证。通过案例分析可知：在计划时限内,给定的路网中共有6个技术站进行协同配流,通过改变欠轴停运列车的编组去向,实现相邻车站车流供给,车辆在站停留时间减少645.1 h,较协同前降低6.57%,增加6列正点出发列车。研究结果表明,提出的模型及算法能够压缩多站车辆在站停留时间,提高计划兑现率,增强铁路货物运输生产效率。     

基于改进列生成算法的高速列车开行方案优化研究

针对编制开行方案涉及因素多、建模及求解困难的特点,结合有容量限制的多商品流网络设计问题,建立确定列车开行对数、开行区段、停站方案及编组形式的多目标整数规划模型,运用权重法将多目标规划转化为单目标规划。鉴于标准的列生成算法难以协同处理网络设计与网络配流问题,设计综合使用列生成与行生成策略的启发式算法确定列车的运行路径及停站方案,采用改进分支策略的分支定界算法求解最终模型。最后,以京沪高铁为例进行验证,在有效时间内获得较高质量解,该解与最优解的误差率为2.13%,且优于京沪高铁实际采用的开行方案。     

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。     

旅客列车过站径路优化模型与算法

在给定铁路客运站站形布局和列车运行图的前提下,研究旅客列车过站径路优化问题。过站径路由列车的接车作业进路、占用的到发线和发车作业进路拼接而成。以旅客列车的接发车作业进路为决策,以道岔和到发线占用相容性为约束,以最大化接发车作业进路效用和到发线运用效用为优化目标,建立旅客列车过站径路优化的0-1规划模型。设计基于极大列车过站径路方案k剔除邻域系的模拟退火算法。以某客运站为例验证该模型和算法的合理性。结果表明:模型对实际问题的描述准确,算法效率较高,适用于求解大规模铁路客运站旅客列车过站径路优化问题。     

基于约束规划的编组站阶段作业计划优化研究

为了解决编组站阶段作业计划优化模型规模过于庞大、适用性不强、求解方法复杂、算法收敛慢等缺点,通过剖析编组站阶段作业计划优化编制问题的本质,在此基础上建立了一个以车流累积为模型对象、出发车车流来源及解编顺序为决策变量,出发车最多为总目标的约束规划(CP,Constraint Programming)模型.将模型求解分为:利用约束传播得到初始解和利用搜索技术结合约束转播改进初始解两部分,并用约束规划算法引擎(CP Optimizer)实现模型的求解.实验表明,本模型均能在普通PC机上运行20 s左右就能得到最优的方案,符合现场对算法时间及空间复杂度要求.     

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。     

机车长交路条件下的技术站列车编组计划无调作业参数模型

基于对传统车流组织优化模式的分析，发现无改编节省参数的局域性。本文在取消直达列车途经支点站均进行无改编技术作业的假设条件，把编组去向和无改编技术作业消耗相关联，通过设置改编作业时间参数和无调作业成本参数取代了无改编节省参数，建立了机车长交路条件下的技术站列车编组计划无调作业参数模型（ＮＴＦＰ），从而实现了支点站〈编组去向〉无改编技术作业站三者之间不规则关联的数学体现。ＮＴＦＰ模型更真实地反映了车流     

双线铁路列车运行调整的禁忌搜索算法

关于列车运行调整(TOA)的优化模型和算法,国内外专家学者提出的具有代表性的主要算法可分为仿真方法、运筹学方法和人工智能方法。TOA问题具有约束性强、优化指标众多、动态性、实时性、组合优化特性等特点。因此结合目前铁路运输工作组织实际,以列车晚点率最小为优化目标,通过在可行解空间内部搜索待调整列车最优铺画顺序的方法求解TOA问题。建立了基于混合0-1线性规划模型的双线铁路列车运行调整的优化模型,提出了采用禁忌搜索算法搜索列车优化铺画顺序的方法。经在京广线、京沪线部分区段投入实际应用,验证了模型及算法的有效性和可靠性。     

铁路技术站车流推算模型和算法

分析技术站调度员推算车流的思维过程。把车流推算问题看作商品交易行为,提出车流资源在编入出发列车时的虚拟价格概念及其确定方法,用来控制车流资源在车站的停留时间。提出不同等级出发列车的收益函数概念和确定原则,以保证等级高的出发列车可以优先被编入车流。以收益最大为目标,保证计划要求固定编组的列车可以满轴正点发车,以此构造出计算机自动配流的计算模型。对配流搜索空间进行预处理,设计有针对性的遗传算子、操作规则和染色体表示方法,应用遗传算法求解模型,得到满意解。     

高速铁路动态定价与票额分配协同优化研究

目前我国高速铁路票价制定还比较缺乏灵活的市场化机制,严重影响铁路运输企业收益和服务水平的提高。基于高速铁路旅客出行规律和收益管理策略,研究高速铁路动态定价与票额分配协同优化方法。在分析旅客出行价格需求弹性的基础上,构建基于Logit模型的客流弹性函数,考虑临近发车客票不涨价和运输能力等约束,建立以期望客票总收入最大化为目标的优化模型,设计一种基于超分方程的分步算法,求解不同时段下不同列车的最优票价与票额分配方案。以京沪高速铁路为例进行计算和分析,与固定费率票价相比,动态票价策略能保证服务水平,系统总客流需求下降0.73%,企业客票总收益提高4.95%。