双向编组站折角车流优化的模型和算法

分析了双向编组站折角车流的产生原因及作业特征，讨论了影响折角车流大小的主要因素．在对折角车流的交换方式进行分析的基础上，构造了基于双向编组站各子系统能力约束的综合优化模型，并给出了算例求解     

编组站到达流生成方法的研究

设计了编组站到达流生成的一种新方法，它建立在对编组站原始到达车流统计的基础之上，然后对产生的到达流进行检验，并对南仓站实例进行到达流生成，得到了良好的结果。     

关于神华铁路车流组织工作规律的探讨

简述了神华铁路车流的特性以及车流组织涉及的重要指标和相互关系,对神华铁路车流组织的工作规律进行了探索和总结,最后阐述了对实际生产的应用．     

灰色模型与铁路车流预测控制

对铁路线路分界口现行车流控制方式提出改进意见 .针对系统内车流变化规律 ,进行灰色系统预测控制建模 ,从理论上、实践上和效果上都达到了灰色模型预测控制的目的     

路网上车流组织优化与调整

本文在对车流径路算法进行深入探讨的同时,建立了路网上有条件约束的车流组织的优化模型,并提出了求解模型的运筹学算法.最后,对优化方案调整方法也作了初步的研究.     

基于不均衡运输的编组站能力计算方法探讨

通过分析列车到达不均衡对编组站作业的负面影响,结合编组站作业系统的特点,把编组站的工作时间分为忙、闲和普通三个阶段,以编组站的核心内容解体作业作为计算能力的基础,并且考虑了其它设备能力的影响,提出用编组站通过能力、编组站车流结构条件通过能力和驼峰小时解体能力三个概念来计算编组站的能力.与传统的编组站能力计算方法相比,突出了重点,计算结果相对能更好地反映不均衡运输条件下编组站的实际工作状况.     

考虑路网点线能力协调的铁路车流径路优化模型

针对铁路实际运输中路网点线能力协调影响因素,对其径路优化进行研究.基于宏观层面路网点线能力利用率之间的适配关系,将车站能力利用率和衔接线路能力利用率的差值约束在某一合理范围内,以车流总费用最小化和路网点线能力协调为目标,考虑车站改编作业能力、线路运输能力和车流改编次数约束,建立了铁路车流径路优化模型,并利用数学规划优化器GUROBI进行求解,通过算例验证了模型的有效性.优化后的点线能力利用率大部分集中在40％～70％范围内,可以达到路网点线能力利用基本协调.此外,通过对目标函数权重值变化影响分析,得出在保持合理的运输总费用的情况下,可以在一定程度上实现路网整体协调.     

混合车流下单车道道路通行能力分析

以跟驰理论为基础,通过对由大、小两种车型构成的混合车流不同跟驰序列、不同组合概率的研究,得出了跟驰车头时距单车道路段多车型混合车流通行能力模型。研究表明,单车道路段多车型混合车流通行能力不仅与反应时间、车辆长度、车辆速度、制动性能有关,还与混合车流的车辆组成状况及跟驰序列有关,最后分析了各影响参数之间的关系。     

无信号交叉口混合车流的通行能力模型

以可接受间隙理论为基础,通过利用概率论的方法,对以大车和小车2种代表车型组成的混合车流进行分析,建立了无信号交叉口混合车流的通行能力模型,发展了无信号交叉口单一车流理想条件的通行能力理论。     

新长线建成后的车流组织优化

新长线位于津浦线及宣杭线以东 ,是国家批准建设的东北至长江三角洲地区陆海通道的关键路段 .对新长线建成后车流最短径路进行了计算 ,并就其对现有车流径路调整的影响展开讨论 ,根据统计得出的新长线到发车流量以及相关因素 ,最终确定新长线货物列车的组织方案     

浅析用摸拟退火算法求解旅行商问题

模拟退火算法是一种重要的现代优化算法,通过介绍模拟退火算法的形成原理、算法步骤和求解旅行商问题,重点阐述了模拟退火算法的主要优点和缺点.     

基于直觉模糊熵的粒子群模拟退火算法

针对智能算法在解决大规模0-1背包问题时易陷入局部最优解、收敛速度慢的问题,提出一种基于直觉模糊熵的粒子群-模拟退火算法(IFEPSO-SA)。采用交换操作和模拟退火机制对粒子群算法中的局部最优解二次优化;然后,以种群直觉模糊熵(IFE)为测度,自适应改变惯性权重,并对种群进行变异操作。测试结果表明,IFEPSO-SA在解决大规模0-1背包问题时有较好的求解质量;仿真实验结果表明,IFEPSO-SA与基于直接模糊熵的粒子群算法(IFEPSO)相比,熵值波动较小,反映出IFEPSO-SA有更好的局部搜索能力,并且IFEPSO-SA在算法收敛速度和求解质量方面都优于IFEPSO以及经典的粒子群算法和模拟退火算法。     

基于模拟退火粒子群算法的含DG配电网重构研究

含分布式电源的配电网重构是配网优化的重要课题．二进制粒子群算法（BPSO）是解决优化问题的重要算法,首先根据配电网重构的拓扑约束条件,将轮盘赌操作引入到BPSO中,改进了BPSO算法中粒子位置状态更新策略．接着将模拟退火算法中的动态变异机制引入到改进的BP—So中,解决了BPSO容易陷入局部最优的缺点,最终能够快速有效地达到网路损耗最小的目的．选取IEEE69节点系统进行算例仿真,并与现有研究成果进行对比,结果表明该算法在继承了粒子群优化算法简单容易实现的特点同时,使其具有了摆脱局部极值点的能力,能够优化最优解,提高算法的收敛速度,适合解决含分布式电源的配电网重构问题．     

基于改进遗传退火算法的高速公路巡逻车路径优化调度

为了合理分配有限的高速公路巡逻车资源,构建了确定型高速公路巡逻车路径及调度优化模型。探讨了有限巡逻车资源路径、调度优化建模问题;构建了以全覆盖模型为基础,以事故响应时间最小为目标的优化模型。将连通的路径作为染色体,基于MATLAB对改进的遗传退火算法进行编码,采用动态交叉及变异概率,在交叉变异后子代更新中引入模拟退火算法Metropolis准则;并在改进的遗传退火算法中加入动态规划算法对巡逻车进行分配。以Sioux Falls路网及数据,对MATLAB编码的遗传退火算法进行验证,计算结果与两种情景假设及模拟退火算法优化结果作比较。结果表明:改进的遗传退火算法求解结果比相应的情景假设求得事故响应时间分别减少了23. 35%与28. 28%;与模拟退火算法求解结果相比,该方法具有更好的寻优效果及计算效率。MATLAB编码的改进遗传退火算法对中大型路网路径、调度寻优效果较好。