混合交通网络设计：遗传算法与双层优化模型

"这篇论文探讨了基于遗传算法的混合交通网络设计的双层优化模型，由杜培全和陈森发撰写，属于东南大学系统工程研究所的研究成果。论文主要研究了如何通过双层优化模型和遗传算法来解决混合交通网络设计问题。作者首先分析了离散型和连续型交通网络设计的特性及其现有研究状况，然后提出了一个针对混合网络设计的解决方案。该模型将路段分为不同等级和类别，并限制决策变量的取值，构建了一个以上层总阻抗和总投资额最小为目标函数，以投资预算和可行域为约束条件的双层模型。下层模型则为交通流分配的用户均衡模型。遗传算法被用来求解这一模型，并通过一个简单的交通网络实例验证了模型和算法的有效性，显示了其在混合交通网络设计问题中的应用潜力。关键词包括混合交通网络设计、遗传算法和双层规划模型。" 论文深入研究了交通网络设计问题，特别是混合网络设计问题，这是交通规划领域的一个重要研究方向。混合网络设计问题结合了离散网络设计（新建路段）和连续网络设计（改善现有路段）的元素，更加贴近实际交通系统的情况。从1973年起，交通网络设计问题就引起了研究者的关注，双层规划方法成为了解决这类问题的常用工具。论文引用了多位学者的工作，包括Friesz、Boyce、Yang和Bell、高自友以及刘灿齐等，他们在连续和离散网络设计问题上都有独特的贡献。 在提出的双层优化模型中，上层模型关注的是整个网络的性能，通过最小化总阻抗和总投资额来优化网络效率，同时受到投资预算的限制。下层的用户均衡模型则保证了交通流的合理分配。遗传算法的应用使得模型的求解变得可能，这是一种适应性强且能够处理复杂优化问题的计算方法。论文通过一个实例展示了这种方法的有效性，表明了模型和算法在实际交通网络优化中的应用价值。 这篇论文为混合交通网络设计提供了一种新的优化策略，利用遗传算法解决了双层优化模型，对于交通规划和管理有重要的理论与实践意义。