本文關(guān)鍵詞：改進的PSO算法在高速列車運行調(diào)整模型中的應(yīng)用

  更多相關(guān)文章： 高速列車運行調(diào)整 粒子群算法 混合蛙跳算法 蛙跳簡化粒子群算法

【摘要】：為了保證高速列車運行正常,需要有一套統(tǒng)一有效的列車運行調(diào)整計劃,而高速列車準(zhǔn)點到達是列車運行調(diào)整計劃亟待解決的重要問題之一。該問題是一個大規(guī)模的多約束條件組合優(yōu)化問題,一般的精確算法難以解決,人工智能算法成為解決列車運行調(diào)整問題的有效方法。但智能算法由于本身的一些缺陷在實際運用時很難發(fā)揮出作用。因此,為了使列車實際運行時間與計劃運行時間的差異達到最小化,對經(jīng)典的智能優(yōu)化算法—微粒群算法的研究、改進從而應(yīng)用并解決該問題上成為重中之重。微粒群算法實際上是一種通過模擬鳥類飛行行為而得到啟發(fā)的一種智能優(yōu)化算法。該算法雖然保留了基于種群的全局搜索策略,但與其它算法相比,其采用的速度-位移模型操作簡單,是一種更為高效的并行搜索算法。但PSO算法也存在如算法局部搜索能力較差,搜索精度不夠高,算法不能夠絕對保證搜索到全局最優(yōu)解,容易陷入局部極小解的缺點。混合蛙跳算法則可以通過局部深度搜索和全局跳躍信息交換的平衡策略使得算法能跳出局部極值點,向著全局最優(yōu)解方向靠近。針對PSO算法存在的問題和不足,本論文利用蛙跳簡化粒子群算法這種混合PSO算法對列車運行調(diào)整問題進行較為深入的研究,從而證明該算法在解決高速列車運行調(diào)整問題方面是有效的。論文首先介紹了國內(nèi)外對列車運行調(diào)整問題的發(fā)展趨勢和研究現(xiàn)狀。結(jié)合實際情況,提出了列車運行調(diào)整問題的數(shù)學(xué)模型。接著概括說明了PSO算法理論知識、公式、算法步驟,并分析了混合蛙跳算法理論的知識。針對PSO算法的不足,利用混合蛙跳算法的特點,將其運用到PSO算法中,保證了各個小組內(nèi)粒子間的差異性,避免了標(biāo)準(zhǔn)PSO算法易陷入局部最優(yōu)。最后論文在相同情況下將蛙跳簡化粒子群算法與基本粒子群算法、混合蛙跳算法和改進的差分算法求得的值做比較,證明了蛙跳簡化粒子群算法的有效性,表明該算法為解決列車運行調(diào)整問題的發(fā)展提供了新的思路。但是高速列車運行調(diào)整工作本身是一項十分復(fù)雜而又有規(guī)律的工作,其復(fù)雜性表現(xiàn)在可能時時刻刻都都會有新的情況出現(xiàn)。本文研究的所述模型和算法比較單一,并不能處理許多相對特殊的工作。所以還需要做大量深入研究,使高速列車運行系統(tǒng)更加完善。
【關(guān)鍵詞】：高速列車運行調(diào)整 粒子群算法 混合蛙跳算法 蛙跳簡化粒子群算法
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U292.4;TP18
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-12
• 1.1 列車運行調(diào)整問題的提出8-9
• 1.2 列車運行調(diào)整的發(fā)展史9-11
• 1.3 本文所做的主要工作11-12
• 2 高速列車運行調(diào)整的概述12-18
• 2.1 我國高速鐵路運行調(diào)整的特點12-13
• 2.1.1 列車運行的不確定性12
• 2.1.2 列車運行調(diào)整的連續(xù)性和實時性的要求高12-13
• 2.1.3 列車運行調(diào)整的影響范圍大13
• 2.2 高速鐵路列車運行圖13-14
• 2.3 高速鐵路列車運行調(diào)整過程的分析14-16
• 2.4 晚點列車運行調(diào)整優(yōu)化模型16-18
• 3 算法的介紹18-33
• 3.1 微粒群算法18-24
• 3.1.1 微粒群算法的產(chǎn)生與發(fā)展18-19
• 3.1.2 微粒群算法的基本思想19-20
• 3.1.3 微粒群算法流程20-21
• 3.1.4 微粒群算法基本組成部分21-23
• 3.1.5 初始種群的生成23
• 3.1.6 微粒群算法特點23-24
• 3.2 粒子群算法的改進24-28
• 3.2.1 簡化的粒子群算法sPSO的理論介紹24-25
• 3.2.2 混合蛙跳算法的理論介紹25-26
• 3.2.3 蛙跳簡化粒子群算法26-28
• 3.3 列車運行調(diào)整算法求解過程28-31
• 3.3.1 編碼28-29
• 3.3.2 種群的初始化29
• 3.3.3 種群的適應(yīng)度函數(shù)29
• 3.3.4 參數(shù)的選取測略29-31
• 3.4 高速列車運行調(diào)整的迭代過程31-33
• 4 實驗結(jié)果及分析33-40
• 4.1 測試函數(shù)驗證蛙跳簡化粒子群算法33-34
• 4.2 運用蛙跳簡化粒子群算法解決問題34-37
• 4.3 算法比較37-40
• 5 結(jié)束語40-41
• 致謝41-42
• 參考文獻42-46
• 附錄46
• A. 作者在攻讀學(xué)位期間已發(fā)表的論文46

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉小玲;孫波;薛亮;;專業(yè)化分工粒子群優(yōu)化算法在地鐵列車運行調(diào)整中的應(yīng)用[J];交通科技與經(jīng)濟;2015年03期

2 劉莉;王長林;;城市軌道交通列車運行調(diào)整的粒子群算法研究[J];鐵路計算機應(yīng)用;2013年06期

3 盧啟衡;馮曉云;;多維并行遺傳算法在列車追蹤運行節(jié)能優(yōu)化中的應(yīng)用[J];重慶大學(xué)學(xué)報;2013年04期

4 黃太安;生佳根;徐紅洋;黃澤峰;;一種改進的簡化粒子群算法[J];計算機仿真;2013年02期

5 崔文華;劉曉冰;王偉;王介生;;混合蛙跳算法研究綜述[J];控制與決策;2012年04期

6 王曉笛;何燦;;混洗蛙跳算法的研究[J];電腦知識與技術(shù);2011年19期

7 余廷芳;彭春華;;遺傳粒子群混合算法在電廠機組負荷組合優(yōu)化中的應(yīng)用[J];電力自動化設(shè)備;2010年10期

8 陳雍君;周磊山;;基于序優(yōu)化方法的列車運行調(diào)整算法研究[J];鐵道學(xué)報;2010年03期

9 張翠平;曹成鉉;滕宇蛟;劉蘇慶;陳磊;;列車運行調(diào)整問題的圖論模型與啟發(fā)式算法[J];科學(xué)技術(shù)與工程;2010年10期

10 章優(yōu)仕;金煒東;;單線列車運行調(diào)整目標(biāo)體系與算法模型的研究[J];東南大學(xué)學(xué)報(自然科學(xué)版);2009年S1期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 李平;面向?qū)ο筮z傳算法及其在鐵路行車指揮中的應(yīng)用[D];鐵道部科學(xué)研究院;2001年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 豆雯雯;基于免疫蟻群算法的列車運行調(diào)整模型的優(yōu)化研究[D];蘭州交通大學(xué);2012年

2 謝金鑫;基于模糊優(yōu)化方法的高速列車運行調(diào)整問題研究[D];北京交通大學(xué);2011年

3 都國報;基于微粒群算法的客運專線行車調(diào)度優(yōu)化技術(shù)研究[D];西南交通大學(xué);2010年

4 王慧妮;客運專線列車運行調(diào)整模型及算法研究[D];西南交通大學(xué);2006年

5 喬超;基于選擇的遺傳算法研究及其在列車運行調(diào)整中的應(yīng)用探討[D];西南交通大學(xué);2003年

，

本文編號：1042207