面向对象遗传算法及其在铁路行车指挥中的应用

伴随着铁路智能交通系统（RITS）工程研究的兴起，针对我国铁路的特点研制出与中国RITS 相适应的智能化行车指挥系统己成为亟待解决的重大课题。目前我国的行车指挥工作仍由调度 员手工完成，调度的效率和质量都相对较低，这与中国RITS的建设是极不适应的。另外己有 的行车指挥算法如运筹学方法、人工智能方法等本身都存在着一定的不足，同时我国的铁路列 车种类多，采取高低速混跑的方式，这就决定了我国铁路的运行模式较国外复杂得多，因而研 究出适合我国铁路特点的行车指挥方法是十分必要的。鉴于此针对列车运行调整问题的组合优 化特性，本文首先对传统GA的编码方式、遗传策略、约束处理方式等进行了改进，在此基础 上首次提出了面向对象的遗传算法（OOGA），并对 OOGA在铁路行车指挥问题中的具体应用 进行了探讨。提出了基于面向对象的建模技术和基于规则的推理技术的智能仿真方法，最后以 广深线为背景进行了评价行车指挥有效性的仿真试验，仿真结果表明本文所提出的基于OOGA 的智能化行车指挥方法在实时性和优化性方面都是可行的。 本文第一章为绪论部分，介绍了本文的研究背景、铁路行车指挥技术的研究现状及存在的 问题；其余章节在结构上分为三篇，第一篇是理论篇，由第二至第三章组成，介绍了面向对象 遗传算法的应用背景及关键技术的研究。第二篇是应用篇，由第四至第五章组成，对面向对象 遗传算法在铁路行车指挥技术中的应用进行了探讨，第三篇是仿真试验篇，由第六至第九章组 成，研究了智能仿真环境的构成，并以广深线为背景对基于面向对象遗传算法的行车指挥策略 进行了试验研究。 本文的主要工作包括以下几方面： 1．在理论上，首次提出了采用面向对象的编码技术和遗传策略的面向对象遗传算法，并 提出了基于专家系统技术的约束处理方法，使得遗传算法可以处理经验性约束，从而 大大拓展了遗传算法可处理的约束的形式。在OOGA中采用分层递阶的结构框架，上 层对高等级属性进行优化，下层对低等级属性进行处理，从而大大增强了OOGA处理 问题的能力。OOGA采用了面向对象的实现技术，把程序按对象、方法的形式组织起 来，从而大大提高了OOGA编程的可继承性、可重用性。 2．首次将面向对象遗传算法应用于铁路行车指挥优化的研究，建立了包括硬约束和软约 束的完整的复线列车运行调整的模型，对面向对象遗传算法在具体问题中的应用形式 进行了详细的研究。 3．针对现有行车指挥仿真方法的不足，本文首次提出了基于面向对象建模技术和基于规 则的推理技术的智能化仿真平台。 4．以广深线为应用背景，首先建立了集成面向对象建模技术和基于规则的推理技术的智 能仿真环境，在该仿真环境中对基于面向对象遗传算法的智能化行车指挥策略进行了 试验研究。 5．采用广深线2001年最新运行图数据进行的仿真试验结果表明： ＞基于面向对象建模技术和基于规则的推理技术的智能仿真技术应用于行车指挥仿 真是可行的，而且是十分有效的； ＞基于面向对象遗传算法理论的智能行车指挥算法在实时性和优化性方面是较为有 效的，并且最恶劣的多车晚点的情况下该方法也能产生满意的调整决策。