改進(jìn)的PSO算法在高速列車運(yùn)行調(diào)整模型中的應(yīng)用.pdf

1、為了保證高速列車運(yùn)行正常，需要有一套統(tǒng)一有效的列車運(yùn)行調(diào)整計(jì)劃，而高速列車準(zhǔn)點(diǎn)到達(dá)是列車運(yùn)行調(diào)整計(jì)劃亟待解決的重要問(wèn)題之一。該問(wèn)題是一個(gè)大規(guī)模的多約束條件組合優(yōu)化問(wèn)題，一般的精確算法難以解決，人工智能算法成為解決列車運(yùn)行調(diào)整問(wèn)題的有效方法。但智能算法由于本身的一些缺陷在實(shí)際運(yùn)用時(shí)很難發(fā)揮出作用。因此，為了使列車實(shí)際運(yùn)行時(shí)間與計(jì)劃運(yùn)行時(shí)間的差異達(dá)到最小化，對(duì)經(jīng)典的智能優(yōu)化算法—微粒群算法的研究、改進(jìn)從而應(yīng)用并解決該問(wèn)題上成為重中之重。

2、r>　　微粒群算法實(shí)際上是一種通過(guò)模擬鳥類飛行行為而得到啟發(fā)的一種智能優(yōu)化算法。該算法雖然保留了基于種群的全局搜索策略,但與其它算法相比，其采用的速度-位移模型操作簡(jiǎn)單,是一種更為高效的并行搜索算法。但PSO算法也存在如算法局部搜索能力較差，搜索精度不夠高，算法不能夠絕對(duì)保證搜索到全局最優(yōu)解，容易陷入局部極小解的缺點(diǎn)?；旌贤芴惴▌t可以通過(guò)局部深度搜索和全局跳躍信息交換的平衡策略使得算法能跳出局部極值點(diǎn)，向著全局最優(yōu)解方向靠近。針對(duì)PS

3、O算法存在的問(wèn)題和不足，本論文利用蛙跳簡(jiǎn)化粒子群算法這種混合PSO算法對(duì)列車運(yùn)行調(diào)整問(wèn)題進(jìn)行較為深入的研究，從而證明該算法在解決高速列車運(yùn)行調(diào)整問(wèn)題方面是有效的。
　　論文首先介紹了國(guó)內(nèi)外對(duì)列車運(yùn)行調(diào)整問(wèn)題的發(fā)展趨勢(shì)和研究現(xiàn)狀。結(jié)合實(shí)際情況，提出了列車運(yùn)行調(diào)整問(wèn)題的數(shù)學(xué)模型。接著概括說(shuō)明了PSO算法理論知識(shí)、公式、算法步驟，并分析了混合蛙跳算法理論的知識(shí)。針對(duì)PSO算法的不足，利用混合蛙跳算法的特點(diǎn)，將其運(yùn)用到PSO算法中，保證了

4、各個(gè)小組內(nèi)粒子間的差異性，避免了標(biāo)準(zhǔn)PSO算法易陷入局部最優(yōu)。最后論文在相同情況下將蛙跳簡(jiǎn)化粒子群算法與基本粒子群算法、混合蛙跳算法和改進(jìn)的差分算法求得的值做比較，證明了蛙跳簡(jiǎn)化粒子群算法的有效性，表明該算法為解決列車運(yùn)行調(diào)整問(wèn)題的發(fā)展提供了新的思路。
　　但是高速列車運(yùn)行調(diào)整工作本身是一項(xiàng)十分復(fù)雜而又有規(guī)律的工作，其復(fù)雜性表現(xiàn)在可能時(shí)時(shí)刻刻都都會(huì)有新的情況出現(xiàn)。本文研究的所述模型和算法比較單一，并不能處理許多相對(duì)特殊的工作。所以