应用神经网络优化高速铁路动车组周转的研究.pdfVIP

应用神经网络优化高速铁路动车组周转的研究 1 2 陈华群 ，唐协 （1. 西南交通大学交通运输学院，成都 610031； 2.西南交通大学土木工程学院，成都 610031） 摘 要：结合当前国内外对高速铁路动车组运用的相关研究，给出了动车组周转这一特大型组 合优化问题的数学描述并建立神经网络模型，提出了基于分层聚类思想与模拟退火算法相结合 的解决方案降低了算法的时间复杂度，达到了减少车底在车站的停留时间，提高了车底利用效 率，为优化我国在建和拟建的高速铁路、城际客运专线的动车组周转及计算机自动编制车底运 用计划提供理论支持，并结合实际客运专线运用计算机模拟进行检算，证实了算法的可行性、 实用性。 关键词：高速铁路，动车组周转，Hopfield神经网络，分层聚类，模拟退火 1.前言 “以人为本、服务运输、强本减末、系统优化、着眼发展”是高速铁路建设理念和运营目 标，铁路运输经济效益最大化、系统最优化就是要求铁路设备投入尽可能少。动车组周转作为 高速铁路运输组织工作的重要组成部分，动车组的合理利用与否、使用效率高低直接决定着高 速铁路能否实现高技术、高安全、高可靠、高质量和高效益的运输要求。因此对动车组周转的 优化问题的研究是非常有现实意义的，为实现车底安全、合理、高效使用的有着重要的作用， 从而达到节约高速铁路运输成本的目的。 2.研究的基本思想 当前国内外学者已对动车组周转优化问题做了初步的研究，主要有：针对日本高速铁路的 运输现状，运用基于概率局域搜索的贪婪算法、基于路段交换的多基地、遗传算法等对不成对 列车运行图的动车组周转进行了研究，但其算法研究的前提是在借鉴 日本车底运用的特点，以 不成对的高速列车运行图的车底运用为基础，考虑空车回送、检修时段约束。这种类型的检修 制度、运输模式等都不适合我国高速铁路和客运专线运输的特点，且采用贪婪算法，由于限定 条件的不足，往往会使目标函数达到局部极小点，而不是全局最小点，即所得的结果不是全局 最优解，而是局部最优，不可避免陷入局部极小点。 以上研究的目标函数陷入局部极小点的原因主要有：一是由于输入与输出之间的非线性函 数关系，从而使目标函数所构成的空间是一个含有多极点的非线性空间；再则在算法上，目标 函数只能单方向减小，不能有一点上升。因此，解决这一问题可以从这两方面入手，但是，第 一点是保证动车组周转具有非线性映射能力必不可少的。那么只能从后者入手，即目标函数减 小方向运行的概率大，向目标函数增大方向运行的概率存在，这样搜索跳出局部极小点的可能 性存在，而且向全局最小点收敛的概率最大[2] 。鉴于此，本文提出了基于神经网络的动车组周 转模型，并采用分层聚类思想与模拟退火算法相结合的解决方案。 3 基于神经网络的模型构造 [2] 动车组周转图的铺画受诸多因素的影响，需要考虑高速列车的开行方案 ，车底运用检修 制度[3]，动车组编组辆数、车型等。并且关于动车组周转问题的建立数学模型是一个非线性的 0-1 整数规划模型，直接求解该模型以获得最优解存在着困难[4]。因此将人工神经网络用于处理 作者简介：陈华群（1981-），女(汉) ，四川简阳，硕士，tel:028E-mail:chqtx@126.com -1- 动车组周转这类比较复杂问题的模型求解，不仅可以处理精确性列车接续信息，而且可以处理 列车运行中不确定的信息，在解决车底周转这一类NP问题和不确定性因素存在的组合优化系统 [5]有着巨大的潜力。 结合上述分析，基于神经网络的车底运用数学模型中的神经元是图定运行图中的任一列车， 该神经元 Li 包括的