铁路车流径路优化算法的研究

建立了一种求解车流径路的启发式算法，目标函数是消耗的总车辆公里数最小，约束条件为区段能力和车流共同径路。以现行铁道部使用的＂全国铁路环状径路图＂为基本路网结构，点间车流和区段能力亦以现行运营的实际数据为依据，进行了车流径路计算。     

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.     

基于多商品网络流理论的铁路车流分配及径路优化模型

根据多商品网络流理论构建铁路车流分配及径路优化模型,模型中设置0-1型决策变量表示该股车流是否通过路网中的弧段,使优化结果既能体现各个弧段的车流构成情况,又能反映每股车流的走行径路.模型的约束除了考虑传统模型中的弧段通过能力限制和车流不可拆散的原则外,将路径的合理绕行纳入约束体系,使结果更加符合铁路运输实际.最后,在MATLAB软件中调用CPLEX优化器,采用模拟车流OD数据在我国某地区局部路网中对模型进行验证.结果表明该模型能得出比较理想的车流分配的优化方案,验证了模型的合理有效性.     

多路径分配的车流径路优化模型

针对现行车流径路算法的不足,提出了适应铁路运输企业经营管理发展需要的多路径分配模型.该模型以最优化理论为基础,将决策变量建立在实际可能的路径上,然后对这种大规模问题进行了优化算法,实现了复杂问题的快速求解.论文还结合一个算例对该优化模型的应用进行了说明.     

路网车流径路优化调整中的最短径路算法

目前铁路车流径路基本上都是按照路网的最短路径来安排的,首先一般都采用Dijkstra算法计算最短路径,然后参考相应区段的能力限制,对车流进行分配,对车流量超过能力的区段重新进行车流调整,这时需要重新计算新条件下两点间最短路径,一般仍采用Dijkstra算法重新计算两点最短路径,这大大地浪费了前期的计算最短路径的信息,增加了计算工作量,本文采用A*算法作为一种启发式算法,可以克服这一缺陷。     

铁路网上带权重的车流径路优化方法

主要研究了铁路网上车流径路的选择优化问题．在充分考虑到真实路网中的车流具有不同权重的情况下，建立了该问题的０－１规划模型．并讨论了带权重与不带权重两种车流径路优化模型之间的关系．此外，还给出了路网上任意两节点之间可能路径集的确定准则及算法．最后探讨了在给定Ｏ－Ｄ矩阵下，路网中存在一处或多处瓶颈时，关于不可行流的处理方法     

遗传算法在车辆优化调度中的应用

旅行商问题是车辆优化调度中的NP难题,对旅行商问题进行描述,并建立了数学模型。介绍了遗传算法的基本思想,给出用遗传算法求解旅行商问题的过程,仿真实验证明该算法是有效的。     

铁路网重空车流径路整体优化模型

基于我国铁路车流径路呈树形结构的特点,将分车种的空车调配纳入车流径路的优化体系,同时在满足点线能力限制的前提下,以重空车流整体走行费用最小为目标,构建了车流运行径路的优化模型,并在此基础上,考虑到空车调配过程中的车种代用因素,对模型进行扩展,描述了铁路网重空车流的分配方案.最后,以我国东北部分区域路网为案例背景,通过优化求解,获得了满意的车流径路方案和空车调配轮廓方案,从而验证了模型的合理性和有效性.     

求解路网上车流径路的启发式算法

给出了一个求解路网上车流径路的启发式算法,讨论了其有效性,并简单描述了径路管理微机辅助系统及其主要功能.     

基于遗传算法求解旅行商问题

提出一种基于生物进化论的寻优方法─—遗传算法,用以求解著名的组合优化难题─—旅行商问题,此算法与传统求解TSP问题的方法相比,具有简单、强壮、高效、高速的特点,每次皆可收到一个满意的结果,若不考虑内存限制,原则上对任何规模的对称欧几里德平面TSP问题具有通用性。     

混沌理论在遗传算法中的应用研究

为了提高遗传算法的搜索能力和效率,将混沌理论引入到遗传算法中。利用Logistic方程构造混沌算子,形成混沌遗传算法。通过实验对混沌算子和杂交算子、变异算子的性能进行了比较,实验数据表明混沌算子具有良好的遍历性。将混沌遗传算法应用在旅行商问题中进行性能检验,结果表明:和标准遗传算法相比,该算法的性能和稳定性都有较大提高。     

基于免疫遗传算法的TSP优化问题求解

在分析人工免疫系统的基础上提出一种改进的人工免疫算法——免疫遗传算法。文中介绍了该算法的基本步骤及特点,并对旅行商问题进行了仿真研究,与基本遗传算法进行了比较。结果表明所提算法能以较快的速度完成给定范围的搜索和全局优化任务,较标准遗传算法具有更强的全局搜索能力。     

一种求解车辆路径问题的双目标遗传算法

车辆路径问题是一个NP-难问题,将该问题描述成为一个多目标最优化问题,并为之提出了一种双目标遗传算法来解决该问题.在算法中设计了一种新的构造非支配集的方法,改进了杂交算子,混合了局部爬山法.实验结果表明该算法是求解车辆路径问题的一种高效的算法.     

车辆路径问题中的遗传算法设计

车辆路径问题在物流管理的研究中受到大量关注。但由于车辆路径问题是一个NP-hard问题，使用传统优化方法很难得到最优解或满意解。这里使用改进的交叉算子和遗传算子，设计了基于自然数编码的遗传算法，求解车辆路径问题，获得了良好的效果。     

一种TSP求解的人工免疫遗传算法

分析了旅行商问题的各种求解方法的优缺点，并使用了一种基于人工免疫的遗传算法来求解旅行商问题。这种算法在传统遗传算法的全局随机搜索基础上，借鉴人工免疫中抗体的多样性保持策略，大大提高了算法的群体多样性，避免了遗传算法的过早收敛和局部搜索能力差的缺点。     

基于遗传-蚁群优化算法的QoS组播路由算法设计

为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的QoS组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。     

改进的遗传模拟退火算法在TSP中的应用

在介绍遗传算法和模拟退火算法的理论基础上，分析遗传算法和模拟退火算法的主要优缺点，提出了一种改进的遗传模拟退火算法。结合两种算法的优点，对其中的复制、交叉、变异操作进行了改进，并将该算法应用于TSP问题的求解之中。最后给出用该算法求解TSP问题的具体实现过程，并进行仿真实验，验证了该算法的有效性。     

遗传算法进化中积木块的识别和利用研究

提出了一种基于积木块识别的遗传算法，该算法通过对进化过程中的候选积木块进行识别与利用来加速搜索，从而避免遗传算法随机搜索的盲目性．利用经典的对称旅行商问题求解过程来测试各种识别方法，再利用积木块的识别结果改进原有遗传算法，包括改进积木块的识别率以及基于积木块的交叉、变异算子．与基本遗传算法的计算结果对比分析表明，所提算法可显著提高遗传算法的搜索效率，减小遗传算法随机搜索的波动性．     

采用序优化的改进蚁群算法

为了评价蚁群算法在有限时间内所得优解的质量,基于序优化方法提出了一种改进的蚁群算法:使用盲目挑选规则选择初始解,并对信息素进行相应的初始化;确定得到满足要求的优解所需要的迭代次数,将其作为算法的终止条件;为了更好地利用每次迭代中的优解,在算法开始阶段使用前l个迭代优解更新信息素,以增强探索能力;在算法结束阶段采用当前迭代最优解更新信息素,以加快收敛速度.改进算法在保证收敛的前提下,并没有增加算法的时间复杂度.对旅行商问题进行的仿真实验表明,改进算法在解的质量和收敛速度方面优于最大-最小蚂蚁系统.     

遗传算法求解TSP的进化策略

本文提出用遗传算法（ＧＡ）求解旅行商问题（ＴＳＰ）的一整套进化策略，包括染色体的编码、反向运算、循环运算、交换运算．其中除反向运算外，均与通常的ＧＡ算法所采用的策略不同．文中解释了它们的几何意义．用该算法求解中国３１个城市的ＴＳＰ问题得到了１５４０４公里的新的路径长度．计算结果表明整个算法是有效的