树枝状铁路专用线取送车问题的数学模型及算法

对于树枝状铁路专用线直达列车取送车问题，为了尽可能缩短车辆在站停留时间，本文就调机送后等取或单送和送后再取分别研究。通过建立图论和排序论数学模型，给出了树枝状铁路专用线取送车问题的上述两种情况下的简单快速算法。     

树枝型专用线取送车算法的研究

本文对树枝型专用线不同类型的取送车形式建立了数学模型并提出了简捷的启发式算法．     

直达列车取送车顺序的优化

本文根据组合最优化原理将直达列车最佳取送车顺序的绝对计算法简化为分析计算法,使之更便于实际应用.     

本站货物作业车取送顺序优化研究

通过对车站取送车作业过程的分析,将车站取送车作业归纳为一个典型的旅行商问题,并建立相应的数学模型,提出了求解最优调车作业过程的启发式节约算法,并结合实例进行了验算,此方法对优化车站各项技术作业过程有较高的实用价值.     

三维装载约束下汽车零部件同时取送的循环取货路径优化研究

【目的】考虑汽车零部件入厂物流多频次、小批量的循环取货模式和在取货同时返还零部件物流箱的现实需求，探讨了三维装载约束下汽车零部件同时取送的循环取货路径问题。【方法】构建以运输和线边库存总成本最小为目标的数学模型，设计了两阶段蚁群算法，第一阶段由车辆路径规划子算法得到近似最优解的记忆库，第二阶段利用装载可行性检验子算法得到可行解。【结果】实例仿真结果表明：使用简单算术相加的模糊车辆装载约束得出的取货方案无法实现车辆成功装载。考虑三维装载约束的循环取货方案的路线由2条增加为3条，虽然车辆的平均空间装载率下降了27-45%，但是确保了装载方案的可行性。【结论】考虑三维装载约束的汽车零部件同时取送的循环取货路径方案既满足了取货同时返还零部件物流箱的现实需求，又保证了方案中车辆三维装载可行性。     

石化企业专用铁路站场调车计划优化编制方法研究

石化企业铁路站场调度指挥是以调度为中心,对拥有铁路专用线的大中型企业的铁路运输管理起到了推动作用。本文针对系统实现的核心问题——调车计划的优化编制,提出了自上而下的多方法融合优化策略,将复杂的整体调车计划优化问题按机车作业流程,分解为车辆编组优化、列车进路优化和列车取送车优化三个子问题,每个子问题分别采用不同的方法进行优化求解,最终求取全局满意解。     

遗传算法和蚁群算法在水库优化调动中的联合应用

为了更好地解决水库优化调度问题,将遗传算法和蚁群算法融合应用于水库调度,指出遗传蚁群混合算法的收敛率更高,具有更好的全局收敛性能,遗传蚁群混合算法在更少的迭代次数迭到全局最优解,具有更高的收敛速度.     

基于智能优化算法的运输优化问题研究

一般的运输优化问题都是研究在已知运输任务的前提下，如何选择最佳的运输路线、运输方式、用最少的运输成本、在最短的时间内把货物送到客户手中。本文先对这个问题进行建模，然后采用遗传算法和蚁群算法相结合来求解。     

蚁群优化图着色算法在智能小区中的运用

当智能小区的地图网格中的颜色数太多时，经蚁群算法处理的信息会出现杂乱无章的现象.对蚁群算法进行优化，增添褪色过程并加入参数Max，能减小并控制着色色数，实现四色着色，使得小区里的各种动态数据和信息在地图网格中更加清晰且直观地展现.     

考虑烟气影响的海底隧道火灾人车混合疏散优化模型

为研究烟气影响下海底隧道火灾人车混合疏散优化问题,建立疏散安全成本最小的优化模型.首先,考虑海底隧道结构特性和火灾情景过程中的烟气影响,确立烟气伤害不超限、人车路径流量不超容许载荷等约束条件,构建车辆、人员疏散时间最短的优化模型.然后,考虑隧道应急出口、CO浓度、路段长度和拥堵状态,设计改进蚁群算法对模型进行求解.最后...     

发动机缸体加工方案选择与操作排序协同优化

提出一种基于蚁群算法的发动机缸体加工方案选择与操作排序协同优化方法.考虑到部分零件特征有多个可行加工方案,在每次总迭代中为此类特征随机选择一种加工方案,并根据特征约束矩阵和操作优先级系数自动生成对应的操作约束矩阵.通过子迭代中的遗传算法进行操作排序优化,以装夹、刀具和机床3类制造资源的综合变换次数最少为目标得出子最优解,并在总迭代中利用精英保留策略获得全局最优工艺路线.最后,通过复杂的发动机缸体实例验证了该方法的有效性.     

智能混合优化策略及其在流水作业调度中的应用

通过结合蚁群算法(ACO)的并行搜索结构和模拟退火算法(SA)的概率突跳性,提出了一种有效的混合优化策略,并将该策略应用于流水作业调度问题(FSP)．在该策略中,蚁群系统的一个周游路线为模拟退火算法提供了一系列初始解,在每个退火温度上进行抽样准则检验并产生新解,然后更新信息激素;蚁群算法再利用模拟退火算法产生的新解进行并行搜索．同时,根据此策略构建并实现了针对FSP问题求解的具体混合算法．仿真结果表明,混合算法弥补了ACO易陷入局部最优和SA搜索效率较低的缺点,增强了全局搜索能力,在求解FSP调度问题的性能上也优于其他算法。     

广义分配问题的一种小生境遗传蚁群优化算法

提出一种小生境遗传算法与蚁群优化算法相结合的小生境遗传蚁群优化算法用于求解NP难的广义分配问题,以避免经典求解算法存在的易陷于局部最优的缺陷.以典型的广义分配问题——火力分配为例,对该算法进行实验,并将实验结果与其它算法进行分析比较.结果表明:新复合算法优化效率高,运行时间短,对其它的NP问题同样适用.     

高速客运专线列车运行组织相关问题的研究

在一些经济活动频繁的区域 ,客流量增长迅猛 ,在这些被称之为“客运走廊”的地带 ,正在计划修建高速客运专线 ,新建线路可能是高速轮轨铁路 ,也可能是高速磁浮铁路 .针对这样的客运专线 ,初步探讨了列车开行方案、运输能力、车底需要数等运输组织的相关问题     

高速铁路列车运行调整的状态空间模型及算法

列车运行调整的优化属超大规模的组合优化问题，具有因素多、各因素之间关系复杂的特点，很难给出一个简洁、易解的规划模型．基于面向事件的状态空间模型良好的描述能力和具有接近系统自然特性的特点，本文在前人研究的基础上，结合我国高速铁路的特点，建立了行车调整的事件驱动的状态空间模型．针对前人研究中状态转移方程的表达及在冲突确认和疏解上的缺陷，结合算法的求解特点和列车运行的实际可能性，提出了改进方法．特别是冲突确认和疏解的新方法和策略，清除了事件驱动的状态空间模型和与之相应的调整算法在实用时的主要难点之一．仿真表明模型和算法是有效的．     

基于免疫进化的蚁群算法在梯级水库优化调度中的应用研究

针对蚁群算法在求解过程中出现初期信息素匮乏、易陷入局部最优解的问题,结合梯级水库优化调度的特点,提出了基于免疫进化的蚁群算法。该混合算法充分利用了免疫进化算法的全局快速收敛性和蚁群算法的正反馈性,提高了求解效率。实例计算表明该混合算法在求解梯级水库优化调度问题时,与逐次逼近动态规划相比较,结果合理、可靠,计算效率较高,从而为求解高维、复杂的梯级水库优化调度提供了一条新的求解思路。     

基于时空资源的铁路客运站到发线运用调整

从离散化的到发线时空资源的微观描述出发,研究列车加权总晚点时间与到发线使用费用之和最小为优化目标的客运站到发线运用方案调整方法,以保证列车运行安全、满足列车在站到发作业要求为约束条件,建立了求解客运站到发线运用方案调整问题的线性0-1规划模型,并设计了求解模型的遗传模拟退火算法,以快速得到问题的满意解.同时,以某一客运站为例对模型和算法进行验证,结果表明,该模型较好地描述了实际问题,并能在较短时间内获得满意解,实现了客运站到发线运用的实时调整,并为列车调度员随后的列车运行调整工作提供依据.     

基于混合蚁群遗传算法的SAT问题求解

根据SAT问题的特点,通过分析传统蚁群算法和遗传算法在求解SAT问题上的不足,提出一种基于混合蚁群遗传算法的SAT问题求解方法。给出一种新的初始解的生成方式;在迭代过程中,根据较优解的累积信息提出进化算子;利用当前得到的最优解,通过改变不满足子句中文字的取值,增加变异算子。最后选取标准测试集中的20个实例对算法进行测试,实验结果表明:改进后的算法通常仅通过较少次数的迭代就能找到解,能够有效避免蚁群算法和遗传算法过早收敛的缺点,具有较强的寻优能力。