优化MRT列车运行：多目标遗传算法研究

"该论文主要探讨了如何利用多目标改进遗传算法解决城市快速交通（MRT）列车运行模拟模型的问题，以寻求最优的列车运行控制策略。研究人员通过将工况转换点作为基因编码的基础，构建了代表控制方案的染色体，形成初始种群。适应值函数的设计考虑了停站误差、时分误差和能耗等关键指标。在算法执行过程中，通过个体有效性检查确保新生成个体的有效性，并引入保优算子保护最优个体不被新种群淘汰。实证研究表明，与多质点优化模型相比，该遗传算法在允许的误差范围内可降低10%以上的能耗，并能提供大量优质的次优解，展现出显著的优化性能。" 这篇论文属于工程技术领域，特别是交通运输规划的研究。作者们针对城市轨道交通系统的列车运行控制问题，提出了一个创新的解决方案。他们设计了一个多目标改进遗传算法，该算法的核心是将列车运行过程中的关键转换点作为基因编码的基础，用以生成代表不同运行控制策略的染色体。这些染色体组成了算法的初始种群，每个染色体对应一个可能的控制方案。 适应值函数在算法中扮演了重要角色，它综合考虑了列车运行的多个目标，包括停站精度、时间安排的准确性和能源消耗。为了确保算法的优化效果，作者们实施了个体有效性检查，以防止在选择、交叉和变异操作中产生无效的个体。此外，保优算子的引入保证了最优解不会在进化过程中丢失，从而维持种群的优化能力。 通过实际案例的计算对比，多目标改进遗传算法相比于传统的多质点优化模型，显示出了更好的优化性能。在允许的误差范围内，该算法能够显著降低列车的能耗，节省超过10%，并且能够提供大量的优良解，这对于列车调度和运营成本控制具有重大意义。 关键词涉及到的领域包括交通运输规划、列车运行模拟、多质点优化模型以及多目标改进遗传算法。文章的文献标识码A表明这是一篇原创性的研究论文，而分类号U231+.6则将其定位在交通运输工程的子领域。这篇工作为城市轨道交通的高效、节能运行提供了理论支持和技术参考。