基于多Agent列车编组计划优化模型研究.docVIP

基于多Agent列车编组计划优化模型研究 　　摘要：本文阐述了货物列车编组计划的复杂性，引入多Agent技术，建立了基于多Agent的编组计划优化模型，并重点讲述了Agent之间的交互机制以及车流合并过程，最后指出了该方法的优越之处，对于列车编组计划智能化编制具有借鉴作用。 　　关键词：编组计划；多Agent系统；协商机制 　　中图分类号：U292.3文献标识码：A文章编号：1002-3100(2007)04-0132-02 　　 　　Abstract: This paper explains the complexity of making freight train formation plan, brings in the multi-agent technology and founds the optimizing model of train formation plan based on multi-agent. Afterwards it gives the collaboration mechanism as well as the process of distribution. At last, it points out the superiority of this method, which can be used for references for intelligent making freight train formation plan. 　　Key words: train formation plan; multi-agent system; collaboration mechanism 　　 　　在铁路运输组织中，制定列车编组计划是基础性工作，是确定各支车流的运送途径和中转方式的过程，其优劣程度直接影响铁路设备的利用率及运输成本。近年来，国内外学者对于列车编组计划与车流组织优化的研究主要集中在数学模型的建立和求解方面，比较有代表性的有：0―1规划法[1]、二次0―1规划法[2]以及几种网络优化模型[3-5]；在模型的求解方面比较成功的是模拟退火算法[6]。但是由于该问题还涉及车辆走行里程、运输成本、车站能力与区段通过能力等众多因素，因此，在其建模过程中需进行一定的简化，造成理论研究同实际情况存在着距离。此外在路网规模庞大，车流数目众多的情况下，其在模型的求解上也相当复杂，存在着一定的难度。 　　列车编组计划的优化是一个十分复杂的问题，具有：（1）复杂性，车流之间相互耦合，某支车流改编方式的变动可能引起其他车流也发生变化；（2）不确定性，车流的组合形式是不确定的；（3）分布性，各支车流是分散的。对于这类问题的求解，目前人工智能领域兴起的多Agent方法[7]有较大优势。 　　此外，列车编制组计划的编制过程可看作为资源分配相应任务的过程，其中，每支车流看作需要完成的一种类型的任务量，而车站和区段看作为完成任务的资源，则列车编组计划转化为一个任务分配的问题，而目前多Agent在车间的任务分配得到了很好的应用，因此，本文将Agent引入列车编组计划的优化中，借助Agent的自主性、智能性、主动性以及交互性，将每个任务分配给合理的资源，提高铁路设备的利用率。 　　 　　1基于多Agent的列车编组计划优化模型 　　 　　1.1模型的创建。列车编制计划的优化主要涉及的实体为车流、车站以及区段，其整个过程实质上是为各支车流选取适当的车站和区段组织货物运输的过程。如上面所说，可以将该问题转化为任务分配过程来求解，车流寻找路径的过程看作需要完成的任务，而路网中的所有车站和区段看作资源，则每支车流的运送路径由相应进行作业的车站和区段组成。分别为每个任务和资源都各设置一个Agent作为代理，通过它们之间直接或间接的交互来为每个资源分配任务。基于多Agent的编组计划优化模型如图，包括：（1）负责与人交互的交互Agent；（2）资源Agent，映射车站和区段实体，负责监测发来的任务是否超出了能力限制；（3）任务Agent，映射车流实体，负责与其它的任务Agent交互，寻找合适的合并对象；（4）管理Agent，用来进行冲突处理；最后还有两个数据库分别为路网数据库和编组去向库。其中，路网数据库主要存放路网信息，从车流角度来说，存放的是各支车流的所有径路；编组去向数据库存放车流选定的所有编组去向信息，是由任务Agent不断写入以及删除的。 　　 　　1.2Agent之间的交互机制。列车编组计划的优化中主要的交互是车流与车流之间的相互作用，在此本文借用招商机制来实现它们之间的合并问题。当某支车流或合并车流达到直达运送的绝对条件时，发布公告，成为已定招商者；而当其每站改编的车小时节