基于一种改进粒子群算法的铁路行车调度问题

基于一种改进粒子群算法的铁路行车调度问题

ID:41729945

大小:97.08 KB

页数:20页

时间:2019-08-30

基于一种改进粒子群算法的铁路行车调度问题_第1页
基于一种改进粒子群算法的铁路行车调度问题_第2页
基于一种改进粒子群算法的铁路行车调度问题_第3页
基于一种改进粒子群算法的铁路行车调度问题_第4页
基于一种改进粒子群算法的铁路行车调度问题_第5页
资源描述:

《基于一种改进粒子群算法的铁路行车调度问题》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于一种改进粒子群算法的铁路行车调度问题(自然科学类学术论文)学院:电气与电子工程学院指导教师:韩广作者:李雪杨贾学梅张超聂怡凡基于一种改进粒子群算法的铁路行车调度问题集体作者:李雪杨,贾学梅,张超,聂怡凡指导教师:韩广摘要:针对车辆路径问题(VehicleRoutingProblem,简称VRP)提出了一种改进惯性权重的粒子群(ParticleSwarmOptimization,简称PSO)算法。PSO算法是一种解决高维度、高复杂度问题的有效算法,同时通过粒子变异和改进惯性权重解决了标准PSO算法存在的易陷

2、入局部最优及初期收敛过慢、后期优化精度不高的问题。仿真实验表明改进的PSO算法解决基本的8城市优化问题的收敛速度快,寻优精度高,优于相同条件下的双种群遗传算法、离散PSO算法;同时将改进的PSO算法应用于河北省11个市之间铁路运输的路径规划问题中,有效地规划了行车路径,节省了运输成本。关键词:车辆路径问题粒子群优化惯性权重AnImprovedParticleSwarmOptimizationAlgorithmforVehicleRoutingProblemOfRailwayTransportationsLIX

3、ue-yangJIAXue-mei,ZHANGChao,NIEYi-fanTeacher:HANGuangAbstract:ForVehicleRoutingProblem(VRP),animprovedParticleSwarmOptimization(PSO)algorithmwithimprovedinertiaweightisproposed.PSOalgorithmhasgreateffectivenessinsolvingthecomplexproblemswithhighdimensions.I

4、PSOalgorithmcansolvetheslowconvergencespeedandthelowaccuracyinlateoptimizationperiod.ThesimulationresultsshowthatIPSOalgorithmincreasedtheconvergencespeedandoptimizationaccuracycomparingwiththedoublepopulationGAanddiscretePSOalgorithminthesameconditionforth

5、ebaseVRPof8cities.Whafmore,IPSOalgorithmisappliedtotheVRPfortherailwaytransportationamong11citesinHebeiProvince.Iteffectivelyplansthetrafficpathandsavestransportationcosts.Keyword:Vehicleroutingproblem;ParticleSwarmOptimization(PSO)algorithm;Inertiaweight1引

6、言配送是现代物流的重要环节,而车辆调度问题是配送中最重要的一个环节。VRP由Dantzig和Ramser[1]T1959年首次提出后,很快引起了专家学者与运输问题制定和管理者的极大关注,成为优化科学研究的前言问题和热点问题。运输系统是配送系统中最重要的子系统,其费用占整体费用的50%左右,因此降低物流配送的运输成本十分重要,其中合理选择运输路线直接影响到配送成本和效益,选择适当的车辆路径可以加快对客户需求的响应速度,提高服务质量,降低运作成本。近年来,一些学者运用一些智能算法解决VRPo刘欣萌⑵等人利用多智能

7、体进化算法解决带有时间窗的车辆路径问题。吴成宾⑶利用优化的单亲遗传算法求解复杂的VRP。孙晶⑷等人利用改进的混合蚁群算法解决VRP。周生伟〔J利用改进的遗传算法解决了VRPo这些算法可以较好地求解VRP,但也存在一些问题,如易陷入局部最优、实现比较繁琐。因此,针对车辆路径问题的特点,设计简单、寻优性能强、易于实现的算法,对于解决物流系统的配送和许多可转化为VRP的组合优化问题具有十分重要的意义。粒子群优化(PSO)算法是模拟鸟群集体觅食行为,通过群体间的合作而到达最优目的的一种启发式算法。PSO算法是在多维空

8、间构造“粒子群,,,通过彼此之间的协作、配合在复杂的空间中找到“满意解雹在十多年的发展和完善中,PSO算法已经应用到各种科学领域中,也已取得了很好的效果。PSO算法优异的全局收敛能力和收敛速度,引起了科学领域研究者们的广泛关注。李文⑹等人提出了一种改进混沌粒子群算法,较好地解决了旅行商优化问题;周丹⑺等人将改进的简化粒子群优化算法与自适应应模糊推理系统(ANFIS)相结合建立模糊神经网络功放模型,更

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。