遺傳算法在機(jī)務(wù)段整備區(qū)股道安排問題中的應(yīng)用研究.pdf

1、隨著鐵路的飛速發(fā)展，如何保證機(jī)務(wù)段內(nèi)機(jī)車可以更快、更安全、更準(zhǔn)時(shí)地進(jìn)段和發(fā)車，從而提高鐵路的運(yùn)行效率，是我們現(xiàn)階段需要解決的重要問題。如果不能合理、高效地為機(jī)車安排機(jī)務(wù)段整備區(qū)股道，就可能會(huì)嚴(yán)重影響到正常的行車計(jì)劃，從而影響鐵路的運(yùn)行效率。因此，做出合理、高效的機(jī)務(wù)段股道安排可以保證機(jī)務(wù)段內(nèi)機(jī)車更快、更安全、更準(zhǔn)時(shí)地進(jìn)段和發(fā)車，從而提高鐵路的運(yùn)行效率和安全性。
　　本文首先分析了遺傳算法的基本原理，介紹了算法的一些基本概念和實(shí)現(xiàn)技

2、術(shù)，闡述了遺傳算法的數(shù)學(xué)基礎(chǔ)和發(fā)展歷史及改進(jìn)方向。然后，給出了機(jī)務(wù)段整備區(qū)股道安排問題的數(shù)學(xué)模型。為了得到更合理更高效的機(jī)務(wù)段的股道安排，需要滿足六項(xiàng)要求和兩個(gè)約束條件，將這六項(xiàng)要求構(gòu)造成六個(gè)目標(biāo)子函數(shù)，目標(biāo)子函數(shù)值越低，代表越符合要求。最后，將這六個(gè)目標(biāo)子函數(shù)分別乘以各自的加權(quán)值并取和，得到一個(gè)總的目標(biāo)函數(shù)。
　　算法的實(shí)現(xiàn)部分主要講述了算法的具體實(shí)現(xiàn)步驟。本文采用了T×M二維矩陣二值編碼的方法對(duì)隨機(jī)產(chǎn)生的Z（此Z為種群規(guī)模Z）

3、個(gè)滿足限制條件的機(jī)務(wù)段股道安排方案進(jìn)行編碼產(chǎn)生了Z個(gè)染色體構(gòu)成初始化群體P。將P中的每個(gè)染色體解碼后，通過總目標(biāo)函數(shù)公式，計(jì)算每個(gè)染色體的總目標(biāo)函數(shù)值。再由總目標(biāo)函數(shù)轉(zhuǎn)換到適應(yīng)度函數(shù)的公式進(jìn)而求得每個(gè)染色體的適應(yīng)度值，同時(shí)將本代發(fā)現(xiàn)的全局最優(yōu)解（即適應(yīng)度值達(dá)到理論最優(yōu)值的解）保存起來，接下來采用了輪盤選擇法、二維矩陣隨機(jī)點(diǎn)交叉法和二維矩陣隨機(jī)點(diǎn)變異法為遺傳操作產(chǎn)生下一代群體P。在算法的計(jì)算時(shí)間還沒有終止時(shí)，將下一代群體P作為下次迭代的初

4、始化群體P，繼續(xù)執(zhí)行迭代過程中的計(jì)算適應(yīng)度值并保存全局最優(yōu)解、選擇、交叉、變異操作。此過程循環(huán)執(zhí)行，直到算法的計(jì)算時(shí)間終止。達(dá)到計(jì)算終止時(shí)間后，對(duì)該次迭代得到的個(gè)體進(jìn)行解碼，找到全局最優(yōu)解。仿真時(shí)，種群規(guī)模Z、交叉概率Pc、變異概率pm、常數(shù)C都采用經(jīng)驗(yàn)值分別設(shè)為100、0.85、0.05和1。計(jì)算終止時(shí)間t設(shè)為20秒。通過仿真，可知此算法可以很好地解決機(jī)務(wù)段整備區(qū)股道安排問題，且優(yōu)于人工排車方法。
　　最后，為提高算法的性能，對(duì)