遺傳算法在機務段整備區(qū)股道安排問題中的應用研究.pdf

1、隨著鐵路的飛速發(fā)展，如何保證機務段內(nèi)機車可以更快、更安全、更準時地進段和發(fā)車，從而提高鐵路的運行效率，是我們現(xiàn)階段需要解決的重要問題。如果不能合理、高效地為機車安排機務段整備區(qū)股道，就可能會嚴重影響到正常的行車計劃，從而影響鐵路的運行效率。因此，做出合理、高效的機務段股道安排可以保證機務段內(nèi)機車更快、更安全、更準時地進段和發(fā)車，從而提高鐵路的運行效率和安全性。
　　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現(xiàn)技

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

3、個滿足限制條件的機務段股道安排方案進行編碼產(chǎn)生了Z個染色體構成初始化群體P。將P中的每個染色體解碼后，通過總目標函數(shù)公式，計算每個染色體的總目標函數(shù)值。再由總目標函數(shù)轉換到適應度函數(shù)的公式進而求得每個染色體的適應度值，同時將本代發(fā)現(xiàn)的全局最優(yōu)解（即適應度值達到理論最優(yōu)值的解）保存起來，接下來采用了輪盤選擇法、二維矩陣隨機點交叉法和二維矩陣隨機點變異法為遺傳操作產(chǎn)生下一代群體P。在算法的計算時間還沒有終止時，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)行迭代過程中的計算適應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，直到算法的計算時間終止。達到計算終止時間后，對該次迭代得到的個體進行解碼，找到全局最優(yōu)解。仿真時，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)驗值分別設為100、0.85、0.05和1。計算終止時間t設為20秒。通過仿真，可知此算法可以很好地解決機務段整備區(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