一种基于GA—PSO算法的列车运行调整模型

摘要：本文针对列车运行时刻调整问题进行建模分析。首先，本文对该问题建立数学模型，并运用PSO算法对模型进行计算求解。在初步的求解过程中，针对PSO算法的收敛速度较慢等不利因素对其进行优化，提出了GA-PSO算法。最后，通过模拟实验得出GAPSO在调度过程中能达到较高的准点率。

关键词：列车运行调整；粒子群算法；遗传算法

中图分类号：TP399 文献标识码：A DOI：10.3969/j.issn.1003 6970.2016.05.022

本文著录格式：潘鑫.一种基于GA-PSO算法的列车运行调整模型[J].软件，2016，37（5）：89-92

0.引言

铁路运输是我国综合交通体系的重要组成部分，合理的组织运输过程具有重要意义，其中要解决的问题有很多。这里我们考虑其中的列车运行调整问题，假定列车运行计划已经制定，列车运行调整问题就是指在列车运行过程中，因各种因素和突发事件的影响，使得列车运行的实际状态偏离预定值，需要通过对列车运行计划进行调整，尽快恢复列车的有序运行状态。

列车运行调整问题的实质是处理列车与车站、列车与区间及列车之间的关系，规定列车占用区间和站线的合理时机，从而达到提高列车正点率、提高列车运行速度等综合目标。列车运行调整涉及因素众多，它不仅与采用的行车组织方式有关，还关系到列车密度、速度、线路通过能力等因素，同时还是连续的实时性很强的问题，调整计划的编制必须在限定的时间内完成并且要进行持续的滚动优化。

1.当前研究现状

一直以来，国内外一些专家学者对列车运行调整问题进行了深入研究，所采用的方法包括人工智能方法、最优化方法、智能计算方法和离散事件动态系统方法等，取得了一定的成果。

然而，列车运行调整问题约束条件复杂、解空间庞大，在实际使用场景中对列车运行调整算法求解精度、速度要求较高，并且要求列车运行调整模型能够具备实时滚动，持续优化的特点，因此，在以往研究的基础上，我们需要引入新的方法来进一步完善。粒子群优化（PSO）算法是一类随机全局优化的技术，它通过粒子间的相互作用发现复杂搜索空间中的最优区域，具有收敛速度快的特点。为此，本文尝试将粒子群优化应用到列车运行调整问题的模型求解中。

2.模型建立及求解

2.1模型假设

1）列车的运行线路固定，即不能中途更改运行线路，故不可能出现同一线路上的超车现象。