重载铁路集疏运调度系统空重车流协同优化研究_图文

1、 128 表3 Table 3 种群规模 GA PSO 40 50 交通运输系统工程与信息 GA / PSO 算法参数 2012 年 10 月 Algorithm parameters for GA / PSO 交叉概率 / 初始惯性权重 0 8 1 变异概率 / 终止惯性权重 0 6 0 4 迭代次数 100 100 著优于 GA 和 PSO 算法， 其中平均计算时间较其他 49% ， 优化效果明显 两种算法减少 25% ， 表4 Table 4 优解次数 ICA GA PSO 100 86 78 优化效率比较 Comparison of optimize efficiency 平均值 （

2、min） 15 614 15 566 15 494 标准差 62 6 131 4 270 0 平均计算 时间（ s） 29 5 39 1 57 9 标准差 0 28 0 52 1 16 ICA 算法有效地克 从表 4 中的数据可以看出， 服了算法早熟的问题， 具有较好的全局寻优能力 算法能够 100% 找到最优解， 较之 GA 和 PSO 算法 具有更强的全局搜索能力和 能够跳出局部最优解， 稳定性 算法的最优值的均值和平均计算时间也显 收敛情况如图 2 所示 图2 Fig 2 收敛速度比较图 Convergence speed comparison chart 从图 2 可知， 粒子群算法能

3、够在 70 代、 遗传算 法在 50 代左右收敛到最优解， 而免疫克隆算法能 够在 40 代左右收敛至最优解 由此可见本文算法 的收敛明显加快， 克服了标准遗传算法计算量大， 进化速度慢的缺陷， 提高了求解问题的稳定性 重载铁路车流组织方案主要取决于编组站各 p 装车区编组站 O 出发空车顺 次列车的出发顺序， 2， 6， 4， 8， 1， 3， 5， 7， 2， 6， 4， 8， 1， 3， 5， 7， 2， 6， 序为， 4， 8， 1， 3， 5， 7， 2， 6， 4， 8， 1， 3， 5， 7， 2， 6， 4， 8， 1， 3， 5， 7， 2， 6， 1， 3， 5， 7， 1

4、， 3， 5， 7， 1， 3， 5， 7 装车区总停 留时间为 7 758 （ 2 万 t·min） 10 ， 11 ， 9， 卸车区编组站 O 出发重车顺序为， 12 ， 9， 13 ， 10 ， 11 ， 9， 12 ， 9， 13 ， 10 ， 11 ， 9， 12 ， 9， 13 ， 10 ， 11 ， 9， 12 ， 9， 13 ， 10 ， 11 ， 9， 12 ， 9， 13 ， 10 ， 11 ， 9， 12 ， 9， 13 ， 10 ， 11 ， 10 ， 11 ， 10 ， 11 卸 车 区 总 停 留 时 间 6 656 （ 2 t · min ）

5、万 为 从优化结果可以看出， 列车的出发顺序具有较 ， 强的周期性 这种出发顺序的周期性与运行图的周 期性相结合， 能够使重载铁路运输秩序更加合理、 稳定 列车总停留时间包括装车区停留时间、 卸车 q 区停留时间和途中时间三部分， 经优化后的车流组 织方 案 每 标 准 列 （ 2 万 t） 的 平 均 周 转 时 间 为1 801 min 6 研究结论 重载铁路集疏运系统是一个较为封闭的系统 ， 车流组织优化问题不但涉及到空车与重车的协同 优化， 还涉及到装车区与卸车区车流的综合优化 本文针对重载铁路车流组织方案变量多 ， 约束多的 特点， 对列车在系统中的作业过程进行梳理， 以车 辆的周转

6、时间最小为目标构建重载铁路集疏运车 流协同优化模型 模型通过对列车到达和出发各站 以装车区与卸车区编组站的 的关系进行因果分析， 列车出发顺序作为解向量， 简化求解过程， 优化调 度方案， 最终得到列车的最短周转时间 优化结果 显示， 列车的总周转时间大小取决于列车在装车区 与卸车区的停留时间， 与列车在编组站之间的运行 ； 时间无关 装车站的列车到达时刻受空车在编组站 的出发顺序的影响， 空车在编组站的出发顺序是空 重车流优化方案的主要影响因素 ， 并制约其他车站 第 12 卷 第 5 期 重载铁路集疏运调度系统空重车流协同优化研究 129 的列车到发时刻； 车流优化方案具有一定的周期 这可

7、以使运行图进行周期铺画， 起到稳定行车 性， 秩序的作用 本文在求解模型时， 利用免疫克隆算法对一维 变量具有较高求解效率的特点， 以目标函数为抗 体， 约束条件为抗原， 构建基于信息熵的亲和度表 示方式， 最后通过克隆算子实现繁殖， 利用抗体浓 度对抗体进行抑制， 防止早熟收敛 仿真结果表明， 与遗传算法与粒子群算法相比， 免疫克隆算法的搜 索效率高于其他算法， 能够有效求解重载铁路空重 车流协同组织优化问题 参考文献： 1 唐 保 刚 重 载 运 输 装 车 区 车 流 组 织 的 研 究 与 探 讨 D 北京： 北京交通大学， 2009 TANG B G Study on the org

8、anization of wagon flow in heavy haul loading area D Beijing： Beijing Jiaotong University， 2009 2 曹学明 加速货车循环相关运输组织优化模型与方 D 北京： 北京交通大学， 2009 CAO X M 法研究 Railway transportation organization model and method for accelerating railcar cycling D Beijing： Beijing 2009 Jiaotong University， 3 赵鹏， 张进川， 唐宝刚 基于

9、组合列车的重载铁路装 中 国 铁 道 科 学， 车区车流 组 织 优 化 模 型 研 究J 2010 ， 31 （ 6 ） ： 116121 ZHAO P， ZHANG J C， TANG B G Study on the optimization model of car flow organization in the loading area of heavy haul railway China Railway based on the combined trains J Science， 2010 ， 31 （ 6 ） ： 116121 4 牛惠民 铁路枢纽重空车流组织的协调优化模型

10、及 铁道学报， 2001 ， 23 （ 4 ） ： 1216 NIU 遗传算法J H M A model for cooperative optimization of heavy and empty traffic organization in railway hubs using genetic algorithmJ Journal of the China Railway Society， 2001 ， 23 （ 4 ） ： 1216 5 纪丽君， 林柏梁， 王志美 基于物流成本的装车地车 铁道学报， 2009 ， 31 （ 2 ） ： 流组织优化模型研究J 16 JI L J，LIN

11、 B L，WANG Z M Study on the optimization of car flow organization for loading area based on logistics cost J Journal of the China Railway Society， 2009 ， 31 （ 2 ） ： 16 6 刘爱军， 杨育， 邢青松， 等 改进免疫克隆算法的 job shop 调度 J 重庆大学学报， 2011 ， 34 （ 10 ） ： 6167 LIU A J， YANG Y， XING Q S， et al Jobshop scheduling based on improved immune cloning algorithm J Journal of Chongqing University，2011 ， 34 （ 10 ） ： 6167 7 徐雪松， 章兢， 贺庆 一种基于改进的免疫克隆选择