城市轨道交通多交路模式下中间折返站能力分析

在城市轨道交通大小交路开行方案下,中间折返站能力为线路运输能力的关键因素.本文分别针对中间站站前折返与站后折返,根据列车折返作业流程,分析列车在中间站的最小间隔时间,建立列车间隔时间的计算模型;并考虑列车接发车作业与折返调车作业之间的冲突,分析有作业干扰情形下的车站能力.案例表明:小交路列车开行比例越高,车站的发车能力越小,但不发生作业干扰时,大小交路开行方案对车站能力的影响较小;而在有产生作业干扰情形时,站后折返能力损失可能达30%以上,要高于站前折返.在实际运营过程中,有必要合理安排通过列车在中间折返站的到站时间,以减少作业干扰、避免线路能力损失.     

Coordinated online in-vehicle routing balancing user optimality and system optimality through information perturbation

The inconsistence between system optimality and user optimality represents one of the key difficulties on network traffic congestion control. The advanced connected vehicle systems, enabling smart vehicles to possess/exchange real-time information and conduct portable computation, provide new opportunities to address this challenge. Motivated by this view, this study proposes a coordinated online in-vehicle routing mechanism with intentional information provision perturbation (CRM-IP), which seeks to shape individual vehicles online routing decisions so that user optimality and system optimality are balanced, by exploiting bounded rationality of the users. The proposed CRM-IP is modeled as a pure strategy atomic routing game, and implemented by a sequentially updating distributed algorithm. The mathematical analysis is conducted to quantify the absolute gain of system optimality corresponding to the loss of user optimality resulting from a given level of the information perturbation in the worst case so that the efficiency of the information perturbation can be evaluated. Furthermore, numerical experiments conducted based on City of Sioux Falls network investigate the average effects of the CRM-IP on system optimality and user optimality under various network traffic conditions, comparing to the CRM developed by Du et al. (in press). The results indicate that the improvement of system optimality and the reduction of individual vehicles’ travel time from the CRM is more significant when the network traffic is under an mild congestion state, such as under the levels of service (LOS’s) C, D, and E, rather than under extremely sparse or congested states, such as under LOS’s A and B, or F. Moreover, higher level of information perturbation benefits system optimality more, but the marginal effect decreases after the perturbation reaching certain level, such as $\lambda =0.1$ in this case study. In addition, a portion of vehicles may sacrifice user optimality due to the information perturbation, but the extent of the sacrifice is not significant, even though it increases with the information perturbation level. Hence, a small information perturbation is recommended to achieve an efficient network traffic control through the CRM-IP. Overall, this study proposes the CRM-IP as an efficient routing mechanism, which has a great potential to guide the routing decisions of individual vehicles so that their collective behavior improve network performance in both system optimality and user optimality.     

带硬时间窗车辆路线问题的混合遗传启发式算法

为了提高物流配送效率,建立了集货和配送一体化的带硬时间窗的车辆路线问题的数学模型,提出了混合遗传启发式算法,并对模型进行了求解。采用改进节约法与随机法相结合的手段构造了初始解群体以增加解的多样性,对遗传算法中较优的一部分染色体进行了禁忌搜索以使搜索更容易跳出局部最优,同时加快搜索初期的搜索速度。仿真计算结果表明:混合遗传启发式算法具有更好的适应性,采用改进交叉算子使解的精度提高11.0%;在宽时间窗情形下采用倒位变异可使解的精度提高11.6%。     

新型蚂蚁算法可达性证明与性能分析

网络服务质量路由是计算机网络理论研究的重要领域,它是下一代互联网的核心技术之一,新型蚂蚁算法作为探索类算法可用于解决QoSR问题.在研究新型蚂蚁算法后,证明了在一个连通的有限网络中,蚂蚁经过有限步移动后,可到达网络中的任意一个结点.对新型蚂蚁算法的最优性、简单性、鲁棒性、收敛性、灵活性等5种性能指标进行定性分析;对该算法的时间复杂性进行定量分析,并与有关算法进行比较.     

基于遗传算法的孔系加工路线优化

在数控机床上对大量的孔进行加工时,加工路线的优化程度将直接影响机床的使用效率.通过对在数控机床上对孔系进行加工的典型工艺路线的分析,建立了加工路线优化的数学模型,利用遗传算法,对孔系加工路线的排序进行了优化计算,并用一个算例证明了该算法的可行性.     

基于同心圆分簇的无线传感器网络路由协议的研究

针对无线传感器网络中LEACH协议的簇头分布不均匀以及不适合远距离传输数据的缺点,提出一种基于同心圆的分簇路由协议(CBCR).CBCR不仅改进选簇方法,而且引入管理节点负责簇头的选举.给出该协议的实现过程,通过与LEACH的比较,证明该协议能有效延长网络存活时间.     

带模糊需求的多类型车辆路径问题研究

针对模糊需求信息条件下的多类型车辆路径问题进行了分析,运用模糊数学的可能性理论建立了该问题的优化模型,并利用遗传算法对问题进行求解.通过实验证明该模型及算法对于多类型车辆路径问题具有一定的实用价值.     

随机行驶时间车辆路径问题的模型与算法

车辆路径问题是现有物流管理系统中非常重要的一个方面,许多专家学者对此进行了深入研究.到目前为止,所有这些研究都是针对确定环境下的车辆路径问题或不确定车辆路径问题中具有模糊或随机需求的问题,尚未发现有对随机行驶时间的多类型车辆路径问题进行研究.针对随机信息条件下的多类型车辆路径问题进行了分析,运用不确定规划理论建立了该问题的优化模型,并利用遗传算法对问题进行求解.通过实验证明,该模型及算法对于多类型车辆路径问题具有一定的实用价值.     

基于时空状态网络的电动物流车辆路径优化方法

针对电动物流车辆续航里程有限与充电基础设施不足的问题,综合考虑电池容量、车辆承载能力、充电站能力、客户服务时间窗、路网空间结构等约束条件,基于离散时空状态网络建立整数线性规划模型.扩展的状态维度可同时表征车辆剩余载重量和剩余电量的时空轨迹.通过对客户服务需求和充电站能力约束进行拉格朗日松弛,并增加二次惩罚项,构建增广拉...     

城际零担货运平台车辆路径问题研究

在考虑城际零担货运平台现有各种不同补贴方案的基础上，以平台补贴成本、车辆使用成本及燃油成本之和最小为目标函数，建立考虑车-货匹配、车辆三维装载等约束条件的车辆路径优化模型。设计一种混合量子粒子群优化算法，计算货物匹配方案、车辆路径、货物装卸顺序、货物装载位置以及平台补贴最优决策方案。实验结果表明：改进的量子粒子群算法得到的小规模算例优化解与CPLEX优化软件得到的最优解偏差为3.31%；改进的量子粒子群算法通过在求解最佳中间位置时引入适应度函数值作为权重，求解的大规模算例结果比传统量子粒子群算法提高了0.91%；通过分析最优解的特点，将改进的量子粒子群算法与启发式算法相结合，算法的求解 质量提高了4.05%；通过补贴模式对比实验发现，在合理规划周期内，货主时长补贴和空载补贴的增长在维持总成本基本不变的情况下，可有效提升平台利润，提高车辆利用率。