[發明專利]一種地鐵列車運行操縱多目標優化方法及系統

有效

• 申請號: 202010072449.4
• 申請日: 2020-01-21
• 公開（公告）號: CN111291856B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 王興成;王龍達;魯森魁;李雅男
• 申請（專利權）人: 大連海事大學
• 主分類號: G06N3/006
• 分類號: G06N3/006;G06N3/126;G06Q10/04;G06Q50/30
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜玉蓉;李洪福

1.一種地鐵列車運行操縱多目標優化方法，其特征在于，包括如下步驟：

S1、以列車能量消耗、舒適度、準時性為優化目標，建立列車運行操縱多目標優化模型；

S2、引入遺傳進化機制的粒子群改進優化算法，選擇出一組最優的列車操縱序列作為一個優化解；

S3、在步驟S2的基礎上，采用多目標夾角余弦作為解優劣的評價標準，同時，將融合距離作為判斷粒子群聚集于極值粒子的判定條件，獲得最優地鐵列車運行過程綜合性能指標；所述步驟S3包括以下步驟：

S31、初始化：

初始化種群的速度和位置，設置最大迭代次數d，給定加速常數c1、c2、權重系數ω，初始化粒子個體最優位置，初始化粒子群體最優位置；

S32、根據如下公式計算各個粒子的多目標夾角余弦值；

式中，γ表示夾角余弦，(T,C)表示解目標向量T與目標需求向量C的點積，||A||表示向量A的模長，·表示數值乘法，t_i和c_i表示解目標向量T和目標需求向量C的第i個優化目標的歸一化值；

S33、利用多目標夾角余弦值排序得到粒子群的個體極值和全局極值；

S34、采用粒子的速度和位置的更新公式更新各粒子的速度和位置；所述粒子的速度和位置的更新公式如下所述：

式中，i∈[1,2,...,N]表示粒子的序號，t∈[1,2,...,D]表示粒子的第t維，d表示迭代次數，c1、c2為加速常數，rand為區間(0,1)的隨機實數，ω為權重系數，位置向量表示為速度向量表示為粒子個體最優位置記為群體最優位置記為

S35、計算融合距離，融合距離的計算公式如下所述：

d_Mix＝ω×MD(X,Y)+(1-ω)×ED(X,Y)

式中，d_Mix表示融合距離，MD表示馬氏距離，C_Y表示樣本集Y的相關系數矩陣,n表示Y樣本集中樣本的個數，Y_i(i＝1,…,n)表示樣本集Y中樣本，ρ表示相關系數；

S36、采用步驟S35中計算的融合距離判斷粒子群是否聚集于個體極值，若沒有聚集，轉入步驟S37；若聚集，對相應粒子采用遺傳算法的選擇、交叉、變異操作，轉入步驟S37；

S37、判斷是否達到最大迭代次數d，若否，迭代次數加1，轉回執行步驟S33；否則，輸出最優地鐵列車運行過程綜合性能指標。

2.根據權利要求1所述的地鐵列車運行操縱多目標優化方法，其特征在于，所述步驟S1中建立的列車運行操縱多目標優化模型如下所述：

式中，K_E表示能耗衡量指標，K_A表示舒適度衡量指標，K_T表示準時性衡量指標，其中，a_i表示第i個工況的加速度,s_i表示第i個工況的位移,R_i表示第i個工況的阻力；min表示取函數F(u)的最小值，若多目標優化問題的目標向量為F(x)＝(f₁(x),f₂(x),…,f_k(x))，其具體的優化模型可以表示為：

式中，k為優化目標的數目，x為決策變量，g(x)為x的等式約束和不等式約束，x″是絕對最優解，當且僅當D^*中的任意x′，F(x″)都優勝于F(x′)。

3.根據權利要求1所述的地鐵列車運行操縱多目標優化方法，其特征在于，所述步驟S36中判斷粒子群是否聚集于個體極值的判斷公式如下所述：

式中，表示粒子個體極值構成的樣本空間，Dis|A-B|表示樣本A到樣本空間B的距離，ε表示閾值，Dis采用融合距離。