改进的PSO算法在高速列车运行调整模型中的应用

发布时间：2017-10-16 10:30

  本文关键词：改进的PSO算法在高速列车运行调整模型中的应用

  更多相关文章： 高速列车运行调整 粒子群算法 混合蛙跳算法 蛙跳简化粒子群算法

【摘要】：为了保证高速列车运行正常,需要有一套统一有效的列车运行调整计划,而高速列车准点到达是列车运行调整计划亟待解决的重要问题之一。该问题是一个大规模的多约束条件组合优化问题,一般的精确算法难以解决,人工智能算法成为解决列车运行调整问题的有效方法。但智能算法由于本身的一些缺陷在实际运用时很难发挥出作用。因此,为了使列车实际运行时间与计划运行时间的差异达到最小化,对经典的智能优化算法—微粒群算法的研究、改进从而应用并解决该问题上成为重中之重。微粒群算法实际上是一种通过模拟鸟类飞行行为而得到启发的一种智能优化算法。该算法虽然保留了基于种群的全局搜索策略,但与其它算法相比,其采用的速度-位移模型操作简单,是一种更为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较差,搜索精度不够高,算法不能够绝对保证搜索到全局最优解,容易陷入局部极小解的缺点。混合蛙跳算法则可以通过局部深度搜索和全局跳跃信息交换的平衡策略使得算法能跳出局部极值点,向着全局最优解方向靠近。针对PSO算法存在的问题和不足,本论文利用蛙跳简化粒子群算法这种混合PSO算法对列车运行调整问题进行较为深入的研究,从而证明该算法在解决高速列车运行调整问题方面是有效的。论文首先介绍了国内外对列车运行调整问题的发展趋势和研究现状。结合实际情况,提出了列车运行调整问题的数学模型。接着概括说明了PSO算法理论知识、公式、算法步骤,并分析了混合蛙跳算法理论的知识。针对PSO算法的不足,利用混合蛙跳算法的特点,将其运用到PSO算法中,保证了各个小组内粒子间的差异性,避免了标准PSO算法易陷入局部最优。最后论文在相同情况下将蛙跳简化粒子群算法与基本粒子群算法、混合蛙跳算法和改进的差分算法求得的值做比较,证明了蛙跳简化粒子群算法的有效性,表明该算法为解决列车运行调整问题的发展提供了新的思路。但是高速列车运行调整工作本身是一项十分复杂而又有规律的工作,其复杂性表现在可能时时刻刻都都会有新的情况出现。本文研究的所述模型和算法比较单一,并不能处理许多相对特殊的工作。所以还需要做大量深入研究,使高速列车运行系统更加完善。
【关键词】：高速列车运行调整 粒子群算法 混合蛙跳算法 蛙跳简化粒子群算法
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U292.4;TP18
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-12
• 1.1 列车运行调整问题的提出8-9
• 1.2 列车运行调整的发展史9-11
• 1.3 本文所做的主要工作11-12
• 2 高速列车运行调整的概述12-18
• 2.1 我国高速铁路运行调整的特点12-13
• 2.1.1 列车运行的不确定性12
• 2.1.2 列车运行调整的连续性和实时性的要求高12-13
• 2.1.3 列车运行调整的影响范围大13
• 2.2 高速铁路列车运行图13-14
• 2.3 高速铁路列车运行调整过程的分析14-16
• 2.4 晚点列车运行调整优化模型16-18
• 3 算法的介绍18-33
• 3.1 微粒群算法18-24
• 3.1.1 微粒群算法的产生与发展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 微粒群算法基本组成部分21-23
• 3.1.5 初始种群的生成23
• 3.1.6 微粒群算法特点23-24
• 3.2 粒子群算法的改进24-28
• 3.2.1 简化的粒子群算法sPSO的理论介绍24-25
• 3.2.2 混合蛙跳算法的理论介绍25-26
• 3.2.3 蛙跳简化粒子群算法26-28
• 3.3 列车运行调整算法求解过程28-31
• 3.3.1 编码28-29
• 3.3.2 种群的初始化29
• 3.3.3 种群的适应度函数29
• 3.3.4 参数的选取测略29-31
• 3.4 高速列车运行调整的迭代过程31-33
• 4 实验结果及分析33-40
• 4.1 测试函数验证蛙跳简化粒子群算法33-34
• 4.2 运用蛙跳简化粒子群算法解决问题34-37
• 4.3 算法比较37-40
• 5 结束语40-41
• 致谢41-42
• 参考文献42-46
• 附录46
• A. 作者在攻读学位期间已发表的论文46

【参考文献】

中国期刊全文数据库 前10条

1 刘小玲;孙波;薛亮;;专业化分工粒子群优化算法在地铁列车运行调整中的应用[J];交通科技与经济;2015年03期

2 刘莉;王长林;;城市轨道交通列车运行调整的粒子群算法研究[J];铁路计算机应用;2013年06期

3 卢启衡;冯晓云;;多维并行遗传算法在列车追踪运行节能优化中的应用[J];重庆大学学报;2013年04期

4 黄太安;生佳根;徐红洋;黄泽峰;;一种改进的简化粒子群算法[J];计算机仿真;2013年02期

5 崔文华;刘晓冰;王伟;王介生;;混合蛙跳算法研究综述[J];控制与决策;2012年04期

6 王晓笛;何灿;;混洗蛙跳算法的研究[J];电脑知识与技术;2011年19期

7 余廷芳;彭春华;;遗传粒子群混合算法在电厂机组负荷组合优化中的应用[J];电力自动化设备;2010年10期

8 陈雍君;周磊山;;基于序优化方法的列车运行调整算法研究[J];铁道学报;2010年03期

9 张翠平;曹成铉;滕宇蛟;刘苏庆;陈磊;;列车运行调整问题的图论模型与启发式算法[J];科学技术与工程;2010年10期

10 章优仕;金炜东;;单线列车运行调整目标体系与算法模型的研究[J];东南大学学报(自然科学版);2009年S1期

中国博士学位论文全文数据库 前1条

1 李平;面向对象遗传算法及其在铁路行车指挥中的应用[D];铁道部科学研究院;2001年

中国硕士学位论文全文数据库 前5条

1 豆雯雯;基于免疫蚁群算法的列车运行调整模型的优化研究[D];兰州交通大学;2012年

2 谢金鑫;基于模糊优化方法的高速列车运行调整问题研究[D];北京交通大学;2011年

3 都国报;基于微粒群算法的客运专线行车调度优化技术研究[D];西南交通大学;2010年

4 王慧妮;客运专线列车运行调整模型及算法研究[D];西南交通大学;2006年

5 乔超;基于选择的遗传算法研究及其在列车运行调整中的应用探讨[D];西南交通大学;2003年

，

本文编号：1042207