基于自适应粒子群算法的编组站车流推算优化研究

自适应粒子群算法求解编组站车流推算问题的研究 本文研究了基于自适应粒子群算法（ADPSO）求解编组站车流推算问题的方法。车流推算是编组站日班计划和阶段计划编制的核心之一，但其求解算法也是研究重点之一。为了解决这个问题，作者建立了基于解编顺序的数学模型，考虑了单调机资源、车流接续去向和时间等约束。目标函数在优化正点出发列车数的同时考虑总停留车小时的优化。通过设计自适应离散粒子群算法（ADPSO）对数学模型进行求解，以解编顺序为主要优化对象，静态配流采用Lingo编程实现，最后通过算例验证了算法的有效性。 知识点一：编组站车流推算问题的研究背景 * 车流推算是编组站日班计划和阶段计划编制的核心之一 * 车流推算的复杂性使其求解算法也是研究重点之一 * 车站一个阶段的出发车流来源有多种，加上时间条件的约束，使车站调度员确定出发列车编组内容和车流来源需要考虑的因素较复杂 知识点二：基于解编顺序的数学模型 * 建立基于解编顺序的数学模型，考虑了单调机资源、车流接续去向和时间等约束 * 目标函数在优化正点出发列车数的同时考虑总停留车小时的优化 知识点三：自适应粒子群算法（ADPSO） * 设计自适应离散粒子群算法（ADPSO）对数学模型进行求解，以解编顺序为主要优化对象 * 静态配流采用Lingo编程实现 知识点四：算法的有效性验证 * 通过算例验证了算法的有效性 * 验证结果表明，自适应粒子群算法（ADPSO）可以有效地解决编组站车流推算问题 知识点五：相关研究工作 * 文献[1]对车流推算问题进行了研究，提出了一种静态车流推算的方法 * 文献[2]和文献[3]分别对静态和动态车流推算做了研究，提出了一种回溯算法 * 文献[4]提出了一种以列车配流为主线的启发式算法，但效率有待改进 * 文献[5]建立了一种以出发列车尽可能满轴为目标的数学模型，但文中给出的算例结果不太理想，同时算法的时间效率不高 * 文献[6]构造了一种考虑正点出发车数和车流在车站停留车小时的数学模型，但文中给出的算例结果不太理想，同时算法的时间效率不高