基于人工免疫算法的地鐵在站運(yùn)行控制的優(yōu)化研究.pdf

1、為提高地鐵在站運(yùn)行效率，本文探討了一種用反向?qū)W習(xí)人工免疫算法優(yōu)化地鐵站內(nèi)運(yùn)行的方法。
　　 本文優(yōu)化的對(duì)象是站內(nèi)運(yùn)行的相鄰列車，即前行列車和后行列車。站內(nèi)運(yùn)行過程包括：前行列車的出站過程、后行列車的進(jìn)站過程；其中，這兩個(gè)運(yùn)行過程在一定時(shí)間段內(nèi)是同時(shí)進(jìn)行的。影響兩個(gè)運(yùn)行過程的因素主要有：后行列車進(jìn)站加速度和初速度、前行列車的出站加速度和出站時(shí)刻等。本文首先對(duì)相關(guān)因素進(jìn)行抽象，分別抽象為b(m/s2)、v0(m/s)、a(m/s2)

2、、t0(s)；其次，用反向?qū)W習(xí)的人工免疫算法對(duì)這幾個(gè)參數(shù)進(jìn)行優(yōu)化。其中，具體的優(yōu)化過程主要是在四個(gè)參數(shù)組成的內(nèi)積空間中尋找最佳組合，即最優(yōu)解。
　　 該算法引入基于反向?qū)W習(xí)框架與人工免疫算法相結(jié)合的思路。類似于所有的基于種群優(yōu)化的算法，反向?qū)W習(xí)人工免疫算法和人工免疫算法有兩個(gè)主要區(qū)別，即種群的初始化過程和進(jìn)化操作過程（克隆、變異、選擇）。本文用反向?qū)W習(xí)的框架改進(jìn)原有人工免疫算法的這兩步。在改進(jìn)過程中，原有的免疫算法作為一個(gè)父算法

3、，而反向?qū)W習(xí)的思想被嵌套在免疫算法中來加速算法的收斂速度。該算法抽象數(shù)據(jù)結(jié)構(gòu)如下：參數(shù)線性組合視為抗體，目標(biāo)函數(shù)視為抗原，目標(biāo)函數(shù)值視為抗體與抗原間親和力大小，解的相似度值視為抗體間的相似度。算法涉及到的主要算子（如抗體群初始化、抗體克隆、抗體超變異、抗體選擇、同化抗體的消除等）分別對(duì)應(yīng)于參數(shù)組群的初始化、參數(shù)組的復(fù)制、參數(shù)組變異、參數(shù)組選擇、相似參數(shù)組的刪除等。
　　 針對(duì)該算法，本文以地鐵相鄰列車在站運(yùn)行為背景，根據(jù)相關(guān)參數(shù)