前继列车晚点条件下换乘客流的接续方案优化

针对列车运行受到干扰下运行图调整问题,对前继列车晚点条件下换乘客流的接续方案进行研究,将换乘客流和在车客流影响最小化作为优化目标对列车运行图进行相应调整.在前继列车晚点条件下,假定换乘客流既可以换乘到原接续列车,也可以选择其他符合换乘条件的列车,建立所有列车上的旅客延误时间最小和换乘失败旅客数量最少的多目标模型,以期在保证换乘成功的前提下最小化列车运行计划调整.以京沪高铁和郑徐高铁上行部分区段为例验证模型的有效性.研究结果表明:当考虑列车总调整时间和换乘客流失败成本相互制约关系时,可以通过增加列车运行调整时间来提高换乘成功客流量;当考虑所有列车上的旅客延误时间和换乘旅客失败成本相互制约关系时,可以通过牺牲部分换乘旅客来减少在车旅客的总延误时间;当其他接续列车空余席位大幅减少时,接续方案倾向于调整原接续列车的到发时刻,避免换乘失败的旅客量大幅增加.

考虑模糊质检时间的柔性作业车间动态调度问题

为解决更符合现实情形的模糊质检时间柔性作业车间动态调度问题,以最小化完工时间为目标,立足紧急插单、机器在空载运行时发生故障和机器在加工工件时发生故障的三种故障情形,建立了带模糊质检时间的机器故障、紧急插单重调度模型。设计了基于元胞自动机邻域搜索和随机重启爬坡算法的改进遗传算法求解模型,即针对车间调度问题中存在的订单排序和机器选择双决策问题特征,设计包含工序码和机器码的双层编码方案,并基于遗传算法思想对工序码和机器码设计相应的交叉、变异等遗传操作。同时,将遗传操作应用于基于元胞自动机的邻域搜索算法框架中以增强算法全局搜索能力,整合基于关键工序的随机重启爬坡算法以提高算法局部开发能力。实验选取10个柔性车间调度算例验证了所提算法的有效性,同时,测试1个模糊质检时间柔性车间调度算例验证了模型的有效性。另外,实验也测试了不同故障场景,得出该动态调度方法优于实际场景中常使用的“工件后移”调度策略。

机场航班延误恢复的强化学习算法

机场出现航班延误会导致飞行器和乘客滞留机场,若航班延误恢复调度不当会扩大延误造成的损失。针对航班延误恢复调度的损失最小化问题,设计了延误总损失计算的目标函数,构建航班延误恢复马尔科夫决策过程,建立了机场航班延误恢复重排班模型。为了解决计算的复杂性问题,采用深度学习神经网络参数化策略函数对减小延误损失目标函数值的策略进行参数化,利用奖励函数和优势函数对其进行训练,提出了一种机场航班延误恢复强化学习算法。研究结果表明:该算法能够将航班延误总损失降低7.83%,将旅客延误时长降低7.23%,相比于其他算法,该算法在时间和性能上均取得优势。

基于深度强化学习DDDQN的高速列车智能调度调整方法

在高速铁路系统的日常运营中,列车经常受到各种突发事件的干扰而导致晚点,严重影响旅客出行体验。为在短时间内制定出列车运行调整方案并尽可能缩短列车晚点时间,提出一种将深度强化学习与整数规划模型相结合的列车智能调度调整方法(DDDQN)。首先,将线路划分为多个轨道区段相连接的形式,并基于车间作业调度问题,以最小化所有列车总晚点时间为目标,构建描述列车运行过程的整数规划模型。之后,将各列车视为智能体,根据实际运营需求定义了多智能体的状态、动作以及回报函数,并构造了2个深度神经网络以近似值函数。最后,结合上述整数规划模型设计了DDDQN的训练方法,先利用智能体在仿真环境中探索求出问题可行解,并通过2个神经网络之间的“互馈”机制,实现神经网络参数的更新。在此基础上求解整数规划模型,即可在短时间内得到问题最优解。利用京张高铁实际线路数据和运营数据进行仿真实验,通过比较3种不同求解方法在10个不同突发事件场景下得到的列车总晚点时间和求解时间,验证了所提出的DDDQN模型可以在短时间内得到问题的最优解,可降低至多30.43%的列车晚点时间以及至多68.33%的求解时间。DDDQN为提升高速铁路系统在突发事件下的应急处置能力以及运输组织效率提供了一种智能化的方法与参考。

Research on Flexible Job Shop Scheduling Based on Improved Two-Layer Optimization Algorithm

To improve the productivity,the resource utilization and reduce the production cost of flexible job shops,this paper designs an improved two-layer optimization algorithm for the dual-resource scheduling optimization problem of flexible job shop considering workpiece batching.Firstly,a mathematical model is established to minimize the maximum completion time.Secondly,an improved two-layer optimization algorithm is designed:the outer layer algorithm uses an improved PSO(Particle Swarm Optimization)to solve the workpiece batching problem,and the inner layer algorithm uses an improved GA(Genetic Algorithm)to solve the dual-resource scheduling problem.Then,a rescheduling method is designed to solve the task disturbance problem,represented by machine failures,occurring in the workshop production process.Finally,the superiority and effectiveness of the improved two-layer optimization algorithm are verified by two typical cases.The case results show that the improved two-layer optimization algorithm increases the average productivity by 7.44% compared to the ordinary two-layer optimization algorithm.By setting the different numbers of AGVs(Automated Guided Vehicles)and analyzing the impact on the production cycle of the whole order,this paper uses two indicators,the maximum completion time decreasing rate and the average AGV load time,to obtain the optimal number of AGVs,which saves the cost of production while ensuring the production efficiency.This research combines the solved problem with the real production process,which improves the productivity and reduces the production cost of the flexible job shop,and provides new ideas for the subsequent research.

高速铁路区间完全中断场景双向到发线运用优化

针对高速铁路区间完全中断场景下的列车运行调整问题,提出了双向到发线运用优化策略。从宏观角度将列车运行过程抽象为由事件和活动构成的网络,对提出的双向到发线运用策略进行建模,建立高速铁路区间完全中断场景下列车运行调整混合整数线性规划(MILP)模型。根据现场实时性要求,采用自编算法与商业优化软件Gurobi相结合的方式对模型进行求解。运用模型和算法对构建的9个现场中断案例进行算例测试。结果表明,双向到发线运用优化策略可以有效减少中断事件对列车运行的影响,相比于目前到发线运用策略,最多可减少10%的列车延误时间。

考虑动车组周转和到发线运用的高铁列车运行多计划协同调整

随着我国高速铁路快速发展,“八纵八横”高铁路网加密成型,呈现出运行环境复杂、行车密度高及长交路跨线运营等典型特征.一旦遭受大风、红光带、接触网挂异物和设备故障等突发事件,则将导致列车偏离运行计划,进而影响到发线运用和动车组(Eletric multiple units,EMU)周转计划.如何在调整运行图的同时保证动车组和到发线运用的可行性是提高列车运行调整效率的关键.针对区间双向中断场景下到发线运用冲突和动车组接续计划失效问题,采用取消列车、变更列车到发时刻、更换到发线、备用动车组接续等策略对运行图、动车组和到发线运用计划进行调整.基于事件−活动网络建立考虑动车组接续和到发线运用的列车运行协同调整模型,设计两阶段求解方法对模型求解.运用京津城际实际数据对模型和方法进行仿真验证,结果表明相比于先到先服务(First come,first served,FCFS)策略,多计划协同调整策略能有效降低列车晚点时间.与整体求解方法相比,两阶段求解方法能够保证模型求得解的质量且有效提高模型求解效率.

有限资源下的复杂航空电子产品并行调试任务重调度研究

为了提高调试效率,文章针对复杂航空电子产品调试中的并行调试问题,建立最小化最大完工时间为目标的复杂电子产品调试调度静态优化模型,并利用改进离散粒子群优化(improved discrete particle swarm optimization,IDPSO)算法进行求解;针对电子产品调试环境中存在的动态扰动,提出一种基于适应度差值阈值机制的周期和事件混合驱动重调度方案。通过实验验证了模型和算法及重调度方案的有效性,从理论上为解决复杂航空电子产品并行调试调度的研究提供研究思路以及方法支持。

客流波动场景下的动车组运用计划调整研究

为了适应旅客客流的动态变化,列车运行图的调整越来越频繁,相应的动车组运用计划也需要随之进行调整。为了使动车组运用计划在列车运行图切换时能够高效高质量地调整,针对客流波动场景下的动车组运用计划调整问题进行研究,构建了一个多日的动车组运用接续网络刻画动车组担当运行线、检修、接续等状态和基本约束,从而将可行动车组交路的生成转化为接续网上的路径搜索问题。在此基础上,以取消加开车次数量最少、偏离原计划程度最小、动车组运用成本最小和偏离期望库存数量最少为目标,考虑动车组接续以及检修等约束条件,建立了基于路径的动车组运用计划调整模型。针对模型的分治结构特征,设计了拉格朗日松弛算法,将原问题分解为多个独立动车组运用的时空最短路径子问题,并通过求解拉格朗日对偶子问题得到路径集合。基于迭代过程中生成的路径集合,采用求解器求解原模型,得到问题的上界解。最后,以多个区域内的部分高速铁路网络日常图与周末图的实际运营数据为背景进行算例验证。结果表明,所设计的算法均能在65 s内得出结果,且Gap均在0.64%以下,所得到的方案在求解质量和求解效率方面均优于人工调整的方案。通过本文提出的优化方法,可以快速生成动车组调整计划,有效提高动车组的运用效率,降低运营成本。

面向客流聚集风险防控的城轨列车实时调度模型与算法

“后疫情时代”下,我国城市轨道交通客流量快速反弹并进一步持续攀升。在此背景下,以缓解车站拥挤度为目标,研究面向客流聚集风险防控的列车实时调度问题具有重要的现实意义。在线路运营受到异常事件干扰条件下,结合列车跳停策略和运行图协同调整,以最小化线路车站拥挤度为目标函数,以车厢满载率为模型约束,建立列车实时调度混合整数线性规划模型。为提高模型求解效率,提出可变邻域搜索算法,首先基于线性规划松弛原理设计模型初始解的启发式计算规则,之后基于可变邻域搜索算法寻找初始解邻域内的近似最优解作为列车实时调度问题的最终解。使用北京地铁亦庄线实际数据进行了仿真实验,仿真结果表明:以标准“站站停”策略生成的运行图调整方案作为评价基准,采用可变邻域搜索算法计算得到的列车实时调度策略可降低线路拥挤度约67.56%,减少约38.28%的线路最大断面客流量,计算时间在1 min左右,可满足列车实时调度的需求,验证了本文提出的列车实时调度模型与求解算法能有效降低车站拥挤度、均衡线路客流的断面分布,对突发大客流带来的车站乘客聚集问题具有较好的调整效果。

基于改进灰狼算法的柔性作业车间重调度问题研究

【目的】在工厂实际加工中,由于各机器的健康状态参差不一,可引起机器故障继而影响加工施工时间。针对带有机器扰动的柔性作业车间的问题,为减小机器故障对生产计划的影响,提出了机器扰动、寻找断点的重调度模型,以最小加工时间、最短总延迟时间为优化目标构建了数学模型。【方法】提出改进灰狼优化算法(GWO-GA)作为全局优化搜索算法求解,为提高其灰狼算法的收敛速度,引入了工件编码迭代并加入自适应算子,使用遗传算法的POX交叉对机器编码进行迭代。【结果】针对钢琴制造企业实木车间数据进行验证,结果表明相对于遗传算法(genetic algorithm,GA)、NSGA、PSO-GA,改进灰狼算法求解本调度问题效率高,精度好,具有较好的实用价值。

改进灰狼算法求解柔性作业车间插单问题

为解决柔性作业车间订单插入问题,课题组建立以最大完工时间、总能耗、总延迟时间和设备负载为目标函数的重调度模型,并对4个目标函数进行线性加权和法归一化,提出一种改进的灰狼算法(improved grey wolfoptimization,IGWO)作为全局优化算法。首先,采用离散整数编码方式以及混合初始化规则生成高质量初始种群;其次,引入非线性收敛因子,以平衡算法的全局搜索性和局部开发性,同时引入内部狼群个体进化和外来狼群入侵机制来增加算法的搜索广度,避免算法陷入“早熟”;针对订单插入点后未加工的工序,采用事件驱动策略重新调度;最后,通过生产实例验证。结果表明IGWO在求解柔性作业车间订单插入重调度问题上具有有效性和稳定性。

时间扰动下的炼钢-连铸智能重调度方法

在炼钢-连铸生产过程中,有很多不可预测的扰动事件发生,导致静态调度计划失效。炼钢-连铸生产重调度的任务就是实时地根据生产现场出现的扰动事件重新安排生产计划,以确保生产顺利进行。在以往的炼钢-连铸生产中,动态调度以人工调整为主,难以达到符合钢铁生产商最优的生产调度计划。因此,研究时间扰动下的炼钢-连铸智能重调度方法对钢铁生产工业仍然具有理论和实际意义。

延误条件下高速铁路列车运行时刻表混合调整策略研究

高速铁路列车在运行过程中受各种外部干扰可能导致列车延误。为提升调度员面对复杂延误情况的应急处置效率,研究针对列车轻微延误、严重延误情况下的自动调整方法,提出考虑列车到发时刻、发车顺序、计划外停车、限制列车被越行次数、取消列车的混合调整策略,建立符合列车实际运行状态的混合整数规划模型。以所有列车总延误时间最小为调整目标,设计改进遗传算法求解,并采用京沪高铁部分线路数据验证混合调整策略的有效性。实验表明,在轻微延误、严重延误场景下,采用混合调整策略比常用的先来先服务策略分别减少总延误时间16%、10.7%以上,能够有效减少列车晚点情况的发生,快速恢复行车秩序。

高速铁路车站股道运用与列车运行调整综合优化方法

股道运用是高速铁路车站作业组织的核心,车站股道运用与列车运行相互影响、相互制约。为缓解晚点对列车正常运行秩序的影响,以相邻若干高铁车站股道运用与列车运行调整综合优化为对象,统筹考虑各站股道、进路占用的唯一性及其最小安全间隔时间、车底周转计划等约束,以最小化列车到发时刻波动性和车站股道运用方案波动性为优化目标函数,构建综合优化模型;以列车在站到发时刻为纽带,设计基于模拟退火算法思想的综合优化算法,制订高速铁路车站股道运用与列车运行调整综合优化方案。算例表明:所提方法能快速解决线路级高速铁路车站股道运用与列车运行调整综合优化问题,有效降低股道运用站间影响及晚点对后续车站的影响;合理设置初始Markov链长有利于提高算法效率;立折旅客列车晚点对方案的波动性影响最大,终到、经停旅客列车的影响最小,在调整过程中应优先保证立折旅客列车的正点运行;若调度员决策偏好到发时刻稳定性,可优先调整终到旅客列车的方案,若决策偏好股道运用稳定性,优先考虑经停旅客列车;所提方法能够为高速铁路列车运行计划实时调整提供决策支持。

手术重调度信息模块的设计与应用

目的:设计手术重调度信息模块,并探讨其应用效果。方法:基于手术麻醉信息系统设计手术重调度信息模块。收集本院2021年2月—9月的手术重调度信息,2月—5月采用传统重调度方法,6月—9月采用手术重调度信息模块。比较两组在重调度正确率、耗时等方面的差异。结果:本研究共收集重调度手术548例,其中传统组283例,信息化组265例。信息化组的信息差错率、申请和流程执行耗时、延误时间均显著低于传统组(P<0.05),患者正确率、外科医生满意度则显著高于传统组(P<0.05)。结论:应用手术重调度信息模块可保障患者安全,缩短手术重调度耗时。

考虑地铁列车故障救援的运行图调整优化研究

城市轨道交通列车发生故障无法运行时需安排其他列车进行救援,制定合理的救援和运行调整方案对维持线路的服务水平具有重要意义。为应对救援过程造成停车线的长时间占用、运用车底数量减少和后序列车延误等问题,考虑采取小交路折返、车次取消和使用备车等运行调整措施并适时恢复救援列车的正常运营。以与原时刻表的偏差和列车取消停靠的车站数量最小为目标构建运行图调整的混合整数线性优化模型,采用滚动优化算法兼顾求解质量和效率。研究结果表明:详细刻画救援过程有助于提升列车救援场景下的运行图调整效果,救援列车重新投入运营能及时补充在线运营车底数量,减少加开备车数量和列车取消停靠车站的数量,目标函数优化6.8%以上。小交路折返措施有助于维持车底周转效率,避免延误列车提前下线退出运营,各断面总运力提高4.4%以上。综合优化方案的实际开行列次数量接近计划开行列次,线路的服务水平得到维持。当列车在线路中段发生故障时,后序列车正向救援方案中故障区段两侧列车调整策略选择更加灵活;当列车在靠近线路一端发生故障时,后序列车反向救援方案对非故障区段列车的正常运行影响较小。研究成果可为列车故障救援场景下救援方式和运行图调整方案的选择提供决策依据。

突发传染性疫情条件下高速列车运行调整研究

为了应对突发传染性疫情对高速列车运输工作的影响,降低疫情在高速铁路旅客运输过程中扩散的风险,安全、高效地完成突发疫情条件下高速铁路旅客运输任务,对突发疫情条件下高速列车运行调整问题展开研究。在分析传染性疫情对高速列车运行影响的基础上,根据其严重程度,将车站所在地划分为“疫情爆发地”和“疫情发生地”。为压缩旅客在站内乘降时的接触时间,降低疫情传播可能性,针对车站所在地疫情的具体情况,分别采取增加列车追踪间隔、车站发到时间间隔及禁停等措施,设计疫情影响条件下列车到站追踪间隔和车站发到时间计算方法。以列车总晚点时间为目标,以列车在“疫情爆发地”车站禁停规则、在“疫情发生地”车站到达间隔、列车在区间最少运行时分、在站最少停站时分为约束,建立考虑旅客接触时间的高速列车运行调整模型。针对该模型,运用量子粒子群算法进行求解,得到了突发传染疫情条件下的列车运行调整计划,该计划准确响应了突发疫情条件下减少旅客接触的要求,并很好地控制了高速列车的总晚点时间。将计算结果与经典粒子群算法计算所得结果进行对比,发现计算效率提高12.54%。给出的算例计算结果证明了所建立模型的有效性和算法的高效性,所提出的方法可为突发疫情条件下的列车运行调度工作提供决策支持。

基于到发线优选罚值的高速铁路列车运行调整双层优化模型

针对不同干扰场景导致的列车晚点情况下列车运行调整计划在车站的可执行性问题,提出协同考虑列车运行调整和车站到发线运用冲突疏解的双层规划模型.上层模型以列车偏离计划运行图时刻最小为目标,考虑列车运行安全和车站到发线运用计划可行性约束,从整体上尽快恢复列车正点运行;下层模型以各车站选择到发线偏离原定计划惩罚值最小为目标,考虑到发线运用规则和安全间隔约束,为上层提供到发线运用计划可行性判断指标.同时,设计双层嵌套式遗传算法求解模型.基于武广高铁实际案例,验证所提出模型和算法的有效性.研究结果表明:设计的3种干扰场景均能在300 s内得到合理可行的列车运行调整计划及到发线分配方案,与分步调整策略和常规调整策略相比,提出的双层协同调整策略能够在提高列车运行调整质量的同时,得到各车站选择惩罚值最优的到发线运用调整方案,验证了模型及算法的有效性.

隐性扰动下智能车间资源重调度决策方法研究

针对智能制造车间资源重调度快速响应的需求,以及隐性扰动难以测量捕捉的特点,提出了车间资源监测及重调度决策方法。首先利用支持向量机良好的连续监测性能,建立了资源异常状态监测模型;其次通过结合lasso回归算法和K近邻值分类算法提高SVM模型的预测值精准度,利用数据替代手段构建容错机制,保证系统异常时的短暂平稳运行;然后设计了车间资源重调度方式,通过历史案例数据训练分类器用于重调度方案抉择,指导智能制造车间在隐性扰动情况下的高效生产;最后,以实际车间隐性扰动为例,验证了所提的重调度决策方法的有效性。