基于NSGA-Ⅱ算法的多目标公交调度优化模型

针对传统公交调度方案容易导致运营经济成本和乘客时间成本的不合理分配问题,提出了一种基于NSGA-Ⅱ算法的多目标公交调度优化模型。综合公交车辆运营成本、乘客出行成本及乘车舒适度三个目标函数,建立公交调度优化模型,通过非支配排序遗传算法对模型的pareto最优解进行计算。最后以深圳市某路公交为实例,通过采集线路参数,计算得到该线路最优发车间隔。验证了NSGA-Ⅱ优化算法在公交调度中的有效性,对公交运营与线路改善有一定的借鉴意义。     

多目标列车节能调度模型及模糊优化算法

在保证行车安全、满足乘客需求的基础上,以节能为目标的列车调度模型及算法得到了广泛研究与应用。伴随着欧盟制定了全球首个碳排放交易体系,碳排放指标交易费用受到越来越多的重视,并逐步成为列车运营成本的重要组成部分。本文建立了以能耗成本、碳排放成本、列车运行时间为优化目标的单线列车调度模型,并采用多目标模糊优化算法进行求解。算例以一条铁路线路为研究对象,在Lingo下对算例进行求解分析,结果表明了多目标模糊优化算法具有很好的优化能力,并能达到节能减排的效果。     

供应链下Flow Shop调度问题的多目标混合算法研究

针对供应链环境下一类多目标Flow Shop调度问题,构建了相关模型并提出一种新的基于PSO、SOM和VNS的混合算法.该算法运用新的思想和多种优化策略,可在单个解的质量、解分布的均匀与分布的广度3个指标上同时达到远优于原算法的效果.仿真实验显示,该算法对求解该类调度问题十分有效.     

面向生态的流域梯级电站调度研究

针对长江三峡梯级水库长期优化调度问题,建立了考虑多个生态要素的水库群优化调度模型,深入探讨了面向生态的流域梯级电站调度需要考虑的相关要素,并结合三峡梯级水利枢纽工程的实际生态环境状况,提出了7组满足生态时空需求的水库调度方案,建立了以梯级水电站发电效益最大为目标,以生态方案为约束条件的长期优化调度模型,并引入PSO优化算法进行求解,最后结合水库出流过程与天然径流的定量关系给出了调度效果的评价方法.     

基于夏普利值算法的行车调度优化模型

运用合作博弈理论的夏普利值算法模拟数据建立假设模型,利用MATLAB对假设模型分析求解和检验,确定此模型在行车调度上的可行性。运用夏普利值算法建立行车调度优化模型,对比模型性能结果表明:优化后的模型以详细分析车辆发车次数对运营的影响为前提,对行车时间加以准确的分析,基于大数据预测客流量,可针对不同时间、不同峰值的客流量需求,智能配置出全新行车调度方案,为智慧交通中优化行车调度提供参考。     

基于客流需求的列车时刻表和车底调度协同优化

随着城市规模的扩大,对城市轨道交通的需求日渐增长,对城市轨道交通的运营服务质量提出了较高要求。根据乘客需求,以最小乘客总等待时间和城市轨道交通系统运营成本为综合目标,建立混合整数规划模型。通过模拟退火算法,设计给出了某一线路的列车时刻表和车底调度方案,并通过算例分析验证其可行性。结果表明,该模型可以根据乘客需求设计出一个合适的列车时刻表和车底调度协同优化方案。     

城市轨道交通网络末班车衔接方案的综合优化

分析了城市轨道交通网络末班车衔接关系的复杂性及影响因素,建立了网络末班车衔接方案优化模型;设计了网络线路衔接关系的图形和矩阵表示法;基于线路衔接关系的矩阵表达,借鉴最小生成树Kruskal算法的基本思想,提出了考虑客流需求及运营者的特定衔接需求的网络末班车衔接方案优化算法,并给出了具体算例,表明该算法具有较强的适用性、易于计算机实现,可为城市轨道交通网络运营部门制订网络末班车衔接计划提供决策支持.     

面向公交车辆优化调度的运行服务质量评测分析

将人工智能方法引入公交车辆运营调度管理,调度管理人员可根据具体运营状况,运用快速、便捷的智能调度算法,制订出符合实际情况的运营调度方案,有效提高公交车辆运营效率。利用遗传算法（genetic algorithm,GA）的智能化特征,针对北京市公交车辆运营管理问题进行了优化调度研究。仿真实验表明,利用GA的公交车辆优化调度,实现了公交车辆调度的智能化,并在基础上利用排队论推导了乘客等待时间模式,进行了优化调度结果评测分析,从而验证了利用智能调度方法能够有效地改善公交车辆运营效率的合理性和可行性。     

基于客流需求的列车时刻表和车底调度协同优化

随着城市规模的扩大，对城市轨道交通的需求日渐增长，对城市轨道交通的运营服务质量提出了较高要求。根据乘客需求，以最小乘客总等待时间和城市轨道交通系统运营成本为综合目标，建立混合整数规划模型。通过模拟退火算法，设计给出了某一线路的列车时刻表和车底调度方案，并通过算例分析验证其可行性。结果表明，该模型可以根据乘客需求设计出一个合适的列车时刻表和车底调度协同优化方案。     

面向柔性作业车间调度问题的改进博弈粒子群算法

对柔性作业车间调度问题的研究可以令实际生产加工过程更加贴合当今人们对商品个性化和定制化方面的需求。在对柔性作业车间调度问题中的多个性能评价指标进行研究后,巧妙利用它们间的矛盾点,在自创的问题编、解码方案的基础之上,建立了博弈解集,并对传统粒子群算法的寻优机制进行改进,提出了改进博弈粒子群算法。运用该算法对一组标准问题调度算例进行求解, 验证了该算法良好的求解性能。同时,通过与其他粒子群算法结果和耗时等的比对显示该算法可以更有效地求解以最小化最大完工时间作为唯一优化目标的柔性作业车间调度问题。     

基于生存决策法的公交系统调度

城市公交系统运营调度优化是公交优化的一项重要内容,随着道路交通网络运行可靠性的降低和公交客流波动性的增大,公交车辆在运行中会出现一些突发状况,公交调度优化能够确保公交系统在突发状况发生后仍然能够较好的运行,保障公交系统的可靠性和公交系统服务水平。本文将联动调度引入到驾驶员与公交车辆的调度中,综合考虑了客流突变、车辆条件、交通拥堵、交通事故和驾驶员状况等多种因素,在生存决策法的基础上依据上述因素建立了驾驶员和公交车辆的系统调度模型,通过生存动态模型与惯性约束模型的分析来判断系统的生存状态,并结合义乌市现有公交线路系统对模型进行验证分析。结果表明此方法对公交系统调度具有较为重要的意义。     

随机环境下公交调度问题双层规划模型与算法

提出一种以随机环境为基础并能适用于实际公交调度的优化方法.考虑公交线路运营环境下的随机因素,建立一个尽可能使乘客和企业综合满意度达到最大的双层规划模型,并通过智能算法进行求解.算例研究表明,模型和算法具有可行性和有效性.在车型、发车时间间隔、运营费用等因素组合情况下,以实际站点统计数据为基础,能够快速给出优化结果.      

基于遗传算法的MVB周期调度表优化

提出一种基于遗传算法的多功能车辆总线（MVB）周期信息实时调度算法. 先根据IEC61375 1国际标准确定约束条件和优化目标, 再以MVB周期信息群体为操作对象, 通过调整调度表的宽度和梯度等参数, 获得优化调度表, 以解决现有调度算法在数据传输能力和总线利用 率方面存在的不足. 仿真实验表明, 该算法相比其他算法对周期调度表的构建具有更佳的优化效果, 并提高了总线利用率.     

基于组合优化算法下的校车发车时间问题研究

以校车调度为研究对象,采用非线性动态组合优化的方法,以包含校车运营成本和学生出行成本在内的社会总成本为优化目标,考察最优校车发车时间间隔。以海南大学校车调度为研究对象,在考虑学生客流的变化规律时,将学校校车站点量化并采用驻站调查的方式,对其断面客流量包括上、下车人数、留站人数以及承载人数进行调查工作,获得运营时间内各时段内不同站点的客流量。依照客流规律建立了发车时间间隔的模型,通过分析最佳的校车发车时间间隔,进一步求得了全天客流高峰和全天客流低谷下的最优发车时间间隔,从而制定出新的发车方案。     

考虑重构和分布式电源无功特性的主动配电网多目标日前调度

主动配电网的优化调度方案是配电网经济运行的核心,本文提出一种考虑配电网拓扑重构和分布式电源无功特性的主动配电网日前调度方案,建立配电网经济运行成本最小和系统网络损耗最小的多目标优化模型.该方案在资源优化配置时,考虑拓扑结构的改变对资源调度结果的影响,并且充分利用分布式电源的无功特性,尤其是常被忽视的风机和光伏的无功支持能力.通过该优化调度方案可确定配电网一天内各时段分布式电源的最优有功和无功出力、可中断负荷的参与量以及对应的各时段最优拓扑结构.该优化模型为非线性优化问题,采用万有引力搜索算法进行求解,最后通过修改的PG&E－69节点系统进行仿真验证.     

基于混合整数规划法的自然崩落法放矿计划优化

放矿计划是自然崩落法矿山生产过程中最重要的环节.针对传统手工编制放矿计划随意性大及出矿品位不均衡,在对其进行科学系统的分析基础上,本文运用混合整数规划法解决自然崩落法放矿计划优化问题.以计划期内与目标品位偏差最小为目标函数,综合考虑矿量、品位、放矿速率、崩落指数、排产指数等约束条件,构建放矿计划优化的混合整数规划模型,并在MATLAB环境下用YALMIP编写模型语言调用CPLEX求解器进行求解,使品位波动降低18％,进而得到最优短期放矿计划方案.经实例验证,此方法科学可行,对充分发挥自然崩落法的优越性和提高矿产资源的回收率具有重要的理论和现实意义.     

常规公交组合调度优化研究

为满足公交企业管理运营和乘客二者共同的利益需求,达到资源合理配置,结合现场调查数据,借助Matlab进行公交OD客流量的反推计算,同时在确定大站快车开行的站点的基础上,分别得到大站快车和全程车调度的OD客流量,然后建立包含大站快车和全程车两种调度形式的发车间隔优化模型. 以北京某公交线路作为研究对象,选取平均运行速度、开行班次、停车次数、公交运营成本等指标进行敏感性分析. 结果表明,模型在满足乘客的需求的同时,降低了公交企业约25%的运营成本.     

综合客运枢纽内各方式协调调度模型研究

以乘客费用最小为优化目标, 以各种客运方式（地铁、轻轨和常规公交）的发车间隔为决策变量, 以各方式的车辆配置及各方式间的运能匹配为约束条件, 建立了综合客运枢纽各方式协调调度模型, 利用Matlab遗传算法工具箱对模型进行求解, 并以北京市西直门综合客运枢纽为例对模型进行了验证. 结果表明实施协调调度后乘客费用显著减少, 已建模型能够较好地解决枢纽内各方式间的协调调度问题.     

基于无监督学习的实时公交动态调度的研究

针对广州智能公交调度的优化问题,提出一种基于无监督学习的实时公交动态调度算法,结合乘客利益和公交公司利益总体最优为目标,通过无监督学习方法学习到公交客流出行特征表达的提取,利用吸引子传播(affinity propagation,AP)聚类算法的优化数据集与支持向量机(support vector machine,SVM)的训练样本集相结合建立预测模型训练,运用公交线网发车间隔和加权系数的目标函数优化调度数学模型,将多源信息融合及多策略的实时公交动态调度算法引入到求解模型中,利用深度学习的异常突发事件分类检测方法实现调度优化模型的实时调整。实验结果表明,AP聚类算法程序运行耗时16 s、高峰发车间隔5 min,比遗传算法运行效率更高、时间间隔更精确,实例证明模型和算法具有实用性和可靠性。     

含流域梯级水电的水火风联合低碳调度模型

针对大规模风电并网导致的电力系统运行风险和水电、风电出力的互补特性,提出一种计及风电出力不确定性的含流域梯级水电的水火风联合低碳调度模型。采用高斯混合模型-吉布斯采样法生成融入不同时间尺度关联特性的风电出力动态场景集。综合考虑水头、流量多重因素及多种复杂运行约束的影响,建立流域梯级水电站群耦合模型。在此基础上,构建以基准风电场景下机组发电、排放成本和风电动态场景下机组调整成本为整体优化目标的两阶段随机规划调度模型。以改进的IEEE-24节点系统为例进行仿真分析,验证了所提模型的有效性,从而为大规模水火风互补发电系统的联合优化调度提供了参考。