22、铁路货运机组调度与手写数字识别算法研究

铁路货运机组调度与手写数字识别算法研究

铁路货运机组调度

在铁路货运行业，机组调度问题（CSP）极为复杂。由于列车机组的成本高昂，公司的盈利能力和成功与否在很大程度上依赖于所制定的机组调度质量。考虑到地理范围广泛、众多法规限制以及严格的规划时间，拥有有效调度算法的 IT 系统能为公司提供宝贵的决策支持。

为了比较不同算法在机组调度问题上的效率，研究人员将数据规模缩减至六个城市、180 个列车段和 500 个客运列车链接。对于遗传算法（GA），设置种群大小为 20，交叉率为 90%，变异概率为 40%。选择了诸如油门时间、空驶次数、与理想调度长度的平均偏差以及计算时间等实际业务目标作为比较标准。

以下是使用缩减数据集的实验结果：
|算法|计算时间（分钟）|图表数量|油门时间（%）|每班平均空驶次数|与平均偏差（分钟）|
| ---- | ---- | ---- | ---- | ---- | ---- |
|B&P|60、120、228| - | - | - | - |
|GAPO|60、120、228|32、28、26|50、56、59|2.21、1.85、1.60|51、48、47|
|GACSP|60、120、228|25、23、23|60、62、62|1.66、1.47、1.47|62、57、57|

从这些结果可以看出，B&P 算法在 228 分钟内获得了一个解。在 10 分钟内，B&P 构建了 2000 列并求解了线性规划松弛问题，但未得到整数解，后续还需要时间进行分支和生成额外列。GACSP 在 10 秒内就获得了一个完整的可行调度，1 小时后达到了一个可接受的调度。虽然 B&