基于遗传蚁群算法的机车周转优化.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于遗传蚁群算法的机车周转优化.pdf

第32卷 第3期 计 算 机 仿 真 2015年3月 文章编号:1006—9348(2015)03—0183—03 基于遗传蚁群算法的机车周转优化 王文宪 ,一,陈钉均 ,陈冰洋 , (1.西南交通大学交通运输与物流学院,四川 成都 610031;2.西南交通大学全国铁路列车运行图编制研发培训中心,四川成都 610031) 摘要:为了解决机务部门所面l临的机车周转计划编制问题,提高机车运用效率,建立不固定区段机车周转优化模型,针对传 统智能算法在求解上述问题易陷入局部最优的缺陷,采用融合遗传策略的遗传蚁群算法进行求解与仿真。以机车在站停留 时间为优化的准则,定义蚂蚁转移概率、机车周转更新方式,并在信息素更新策略中融入遗传算法的交叉变异算子。以改善 算法的正负反馈机制,避免陷入局部最优。仿真结果表明,遗传蚁群算法在优化性能上有较大改进,可为机车周转编制问题 提供有效参考。 关键词:机车周转编制问题;遗传蚁群算法;信息素更新;交叉变异算子 中图分类号:N945.12 文献标识码:B LocomotiveW orkingProblem Basedon IntegratingofGA-ACO WANGWen—xian ,CHENDing—jun ,CHENBing—yang (1.SchoolofTrafficandTransportation,SouthwestJiaotongUniversity.ChengduSichuan610031,China; 2.NationalRailwayTrainDiagram ResearchandTrainingCenter,SouthwestJiaotongUniversity, ChengduSichuan610031,China) ABSTRACT:Forthepurposeofsolvingthelocomotivesworkingplanningproblem thatmaintennacedepartmentis confrontedwithinhtedailywork,aformulationoflocomotivesworkingwithnon-fixedsectionsWaSestablished.For thetraditional intelligentalgorithm ofsolvinglocomotivesworkingplanningproblem iseasilytrappedintolocal optimi- zation,agenetic-antcolonyalgorithm withgeneticstrategywasdesignedforsolvingthisproblem.Thealgorithm used hterulewiht emphasison theresidencetimetodefinethetransitionprobabilityofants,locomotivesworkingplna . AndCroSSandmutationoperatorsweremergedforupdatingpheromonetoimprovefeedbackmechanismsandavoidbe- ingrtappedinlocal optimum.Thesimulationresultsdemonstratethathtealgorithm providesrgeaterimprovementin optimizationperfomr nace,andiseffectiveinsolvinglocomotivesworkingplanningproblem. KEYW ORDS:Locomotiveworkingplanproblem;Genetic—antcolonyalgorithm;Updatingpheromone;Crossand mutation operator 1 引言

文档评论(0)

月光般思恋 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档