原文传递
改进的多目标量子遗传算法及其在旅客列车开行方案中的应用
| 论文题名： | 改进的多目标量子遗传算法及其在旅客列车开行方案中的应用 |
| 关键词： | 多目标优化;量子遗传算法;铁路客运;层次分析;客流预测;客票发售 |
| 摘要： | 旅客列车开行方案的拟定和优化是铁路旅客运营组织的关键工作，也是复杂的多目标规划问题。随着我国铁路客运专线网络日趋成形，铁路客运专线运输企业也将逐步按照市场化运作，旅客列车开行方案需要满足的目标和标准也呈现复杂化、动态化的趋势;另一方面，旅客对旅行的满意度要求日益提高，对旅客列车开行方案拟定及优化模型提出了更高要求。为解决旅客列车开行方案这一多目标规划问题，本文从多目标优化理论入手进行深入研究，将量子遗传算法进行改进以提出一种求解旅客列车开行方案多目标优化问题的有效、健壮的新算法;同时，系统化的提出了基于社会效益、经济效益和市场效益的多目标优化模型和基于客票系统发售数据的客流预测模型，并结合实际数据进行应用研究和模型算法有效性验证。本文提出的解决方案，对旅客列车开行方案拟定和优化的深入研究具有重要学术意义和参考价值。 本文的创新点主要体现在以下四个方面: (1)将基本量子遗传算法与带约束的多目标优化理论进行结合，提出一种改进的多目标量子遗传算法，其改进策略包括引入栅格化归档群体、约束违反度、概率迁移群体等概念和量子交叉操作。通过带约束的多目标优化问题求解，对改进算法的收敛性、分布性和解约束多目标优化问题的性能等方面进行了验证。 (2)以旅客列车开行方案研究现状为背景，基于旅客列车开行方案影响因素的全面分析，建立以列车经济效益、社会效益和市场效益最大化的多目标优化模型，使模型的建立更加系统完整并具有可操作性。在社会效益目标中，采用自定义的旅客满意度指标建立客流分配模型，使得客流分配问题在多目标优化模型中作为优化目标统一考虑成为可能。 (3)从铁路客运量数据提取时间特征进行双层次特征分析，并基于BP神经网络提出了一种新的双层次正交神经网络模型。其思想是首先使用相对独立的模型对输入特征分别处理，在隐含层输出之后通过Gram-Schmidt变换引入虚拟的投影层，减少预测模型在训练中的冗余网络连接，最后通过合并独立输出来得到预测结果。并将该模型应用于OD客流量预测。 (4)将有关模型算法的研究成果实际应用于旅客列车开行方案优化编制。依据OD客流和节点重要度概念拟定初始开行方案，应用改进的多目标量子遗传算法实现旅客开行方案优化，实现了旅客列车开行方案多目标优化模型的直接求解，并实际应用于2015年京沪客运走廊相关路网旅客列车开行方案拟定，同时也验证了该算法能较好的达到求解和优化的目的。 |
| 作者： | 汪健雄 |
| 专业： | 交通运输规划与管理 |
| 导师： | 刘春煌 |
| 授予学位： | 博士 |
| 授予学位单位： | 中国铁道科学研究院 |
| 学位年度： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
