大型有色冶煉企業(yè)鐵路運(yùn)輸智能優(yōu)化調(diào)度方法及應(yīng)用.pdf

1、鐵路運(yùn)輸是大型有色冶煉企業(yè)的大動(dòng)脈，它肩負(fù)著運(yùn)送物資保障生產(chǎn)的重任，在有色冶煉企業(yè)物流環(huán)節(jié)中具有十分重要的地位。但隨著國民經(jīng)濟(jì)的發(fā)展，有色冶煉企業(yè)生產(chǎn)規(guī)模日益擴(kuò)大，物料的運(yùn)輸量迅猛增加，而我國有色冶煉企業(yè)鐵路規(guī)模偏小，鐵路布局、調(diào)度方式與企業(yè)生產(chǎn)方式密切相關(guān)，具有各站場(chǎng)分布分散、調(diào)車以小運(yùn)轉(zhuǎn)作業(yè)為主、鐵路線路短、自備車與租用車混合編組等特點(diǎn)，并存在檢斤作業(yè)滯留罰金等問題，使得企業(yè)鐵路運(yùn)輸調(diào)度作業(yè)問題較復(fù)雜、難度大。目前，我國有色冶煉企業(yè)

2、鐵路大多以人工調(diào)度為主，使得貨運(yùn)站長(zhǎng)期處于滿負(fù)荷運(yùn)行狀態(tài)，容易導(dǎo)致列車運(yùn)行效率低，物料運(yùn)輸不及時(shí)問題，甚至出現(xiàn)堵車、安全事故等現(xiàn)象，嚴(yán)重制約了有色冶煉企業(yè)發(fā)展。因此，針對(duì)大型有色冶煉企業(yè)貨運(yùn)鐵路特點(diǎn)，研究有色冶煉企業(yè)貨運(yùn)站列車的編組與調(diào)度方法，對(duì)縮短車輛周轉(zhuǎn)時(shí)間，避免滯留罰金問題，提高我國有色冶煉企業(yè)的鐵路貨運(yùn)組織作業(yè)效率具有重要現(xiàn)實(shí)意義。
　　 論文在分析研究大型有色冶煉企業(yè)鐵路運(yùn)輸作業(yè)特點(diǎn)的基礎(chǔ)上，依據(jù)企業(yè)鐵路運(yùn)輸編解作業(yè)、

3、取送車作業(yè)及調(diào)車計(jì)劃編制需求，建立了鐵路運(yùn)輸調(diào)度模型，并研究了基于蟻群交互式優(yōu)化算法的鐵路調(diào)度優(yōu)化方法，提出了企業(yè)鐵路調(diào)車計(jì)劃編制優(yōu)化方法和不同布局的企業(yè)鐵路取送車作業(yè)優(yōu)化方法，成功應(yīng)用于企業(yè)鐵路運(yùn)輸智能調(diào)度系統(tǒng)中。論文主要研究工作及創(chuàng)新性成果包括:
　　 (1)針對(duì)有色冶煉企業(yè)鐵路運(yùn)輸網(wǎng)調(diào)度過程復(fù)雜，情況多變且影響因素多的問題，分析研究了運(yùn)輸調(diào)度過程的特點(diǎn)及作業(yè)流程，將復(fù)雜的鐵路運(yùn)輸調(diào)度模型分解為鐵路編解模型、樹枝型鐵路取送車

4、作業(yè)模型及混合型鐵路取送車作業(yè)模型，降低了調(diào)度模型的復(fù)雜度，提高了企業(yè)鐵路運(yùn)輸調(diào)度模型的普適性。
　　 (2)為了大型企業(yè)鐵路運(yùn)輸調(diào)度模型實(shí)時(shí)求解需要，針對(duì)經(jīng)典遺傳算法的局限性，提出了一種蟻群交互式優(yōu)化算法。該算法將蟻群與遺傳算法融入文化算法框架，組成基于蟻群的主群體空間和信念空間兩大空間，主群體空間在進(jìn)化過程中定期組織最差個(gè)體向信念空間提供的種群最優(yōu)模式學(xué)習(xí)，從而充分利用了優(yōu)秀個(gè)體所包含的特征信息，避免了蟻群算法種群?jiǎn)我恍缘膯?/p>

5、題，在很大程度上提高了算法的收斂速度。
　　 (3)針對(duì)企業(yè)鐵路的調(diào)度作業(yè)計(jì)劃人工制定準(zhǔn)確率低、負(fù)擔(dān)重、作業(yè)連貫性差等問題，根據(jù)大型企業(yè)鐵路運(yùn)輸各作業(yè)子系統(tǒng)具有前后串聯(lián)、相互影響的特點(diǎn)，把復(fù)雜的調(diào)度問題分解為列車分組、列車解編組、列車進(jìn)路安排、列車取送車作業(yè)四個(gè)子問題，將優(yōu)化方法分別用于鐵路調(diào)度作業(yè)中的幾個(gè)不同的子問題，避免了復(fù)雜優(yōu)化計(jì)算問題，極大地提高了模型優(yōu)化求解的效率。同時(shí)，運(yùn)用遺傳精英蟻群算法對(duì)協(xié)調(diào)優(yōu)化模型進(jìn)行求解，優(yōu)化

6、了有色冶煉企業(yè)某段時(shí)刻內(nèi)的配流，縮短了列車在站停留時(shí)間。針對(duì)企業(yè)租用國家鐵路列車延時(shí)罰款問題，將罰款因素作為約束條件加入優(yōu)化問題中，設(shè)計(jì)了自適應(yīng)的懲罰函數(shù)，并將其與遺傳精英蟻群算法相結(jié)合，解決了帶有懲罰時(shí)間約束的鐵路調(diào)度問題，有效地避免了企業(yè)鐵路運(yùn)輸租用列車的罰款問題。
　　 (4)根據(jù)企業(yè)編組站樹枝型專用線的特點(diǎn)，利用圖論的知識(shí)把編組站裝卸貨專用線分布抽象為漢密爾頓圖，將樹枝型取送車問題轉(zhuǎn)化為旅行商(TSP)問題，采用了一種新

7、的融合算法——遺傳蟻群算法對(duì)該問題進(jìn)行求解，經(jīng)過遺傳算法的初步搜索并生成初始信息素分布，增強(qiáng)了蟻群算法的正反饋機(jī)制，降低了蟻群算法中的參數(shù)調(diào)整程度。此外，遺傳算法與蟻群算法結(jié)合后，在算法的收斂速度加快的同時(shí)，蟻群算法中的α、β、ρ參數(shù)對(duì)取送車問題規(guī)模變化的敏感度降低，提高了算法的魯棒性。在蟻群算法階段使用最大-最小螞蟻系統(tǒng)(MMAS)，而且同時(shí)采用信息素的局部更新和全局更新規(guī)則，有效避免了陷入局部最優(yōu)問題。
　　 (5)設(shè)計(jì)開發(fā)