基于遗传算法的铁路纵断面优化系统的研究
研究与开发第１８卷第１０期有利于提高局部搜索能力。
３算法的实现
纵断面优化是一个反复迭代的过程，其计算
量非常大，为利用计算机解决繁琐的计算问题，本
文利用ＡｕｔｏＣＡＤ的二次开发工具ｏｂｊｅｃｔＡＲＸ２００６
在ＶＳ．ｎｅｔ环境下编制厂纵断面优化程序，并开发
了友好的使用界面。程序的实现过程如图１。
图１遗传算法流程图４算例演示
田２纵断面优化界面
表１优化结果表
方案Ｊ葶号种群规模终ｌＬ条件填方ｆ：箨最挖疗｜＝程鼍填挖总量节约工程量（％＇
根据上述计算原理所设计的优化程序已在工程上得以很好的应用，现取长为９４．７ｋｍ的某铁路为例进行实例设计。首先在纵断面优化界面上输入纵断面的设计参数及约束要求。从界面输入项可以看出，本程序在利用遗传算法进行优化的同时利用惩罚函数对桥高和隧长进行了限制，以尽量避免特大高桥和长隧的出现。同时开发了自动设置桥隧的程序，解决了计算机自动设计纵断面方案时无法确定桥隧位置的问题。并灵活的采用了２种方法进行迭代的终止，使得优化的终止与方案本身的优劣程度结合起来，增大ｒ算法的自适应性。
分别采用不同的终止条件及不同的种群规模进行优化，分析其优化结果如表ｌ。
方案１为人工拉坡设计的方案，另外４个则为计算机自动生成并优化得到的方案，由表ｌ可
４得知，利用计算机自动优化的方案均较人工设计的方案在工程量上有一定的降低，且其桥隧总长也有不同程度的减少。故其工程费用也相应减少。通过大量的试验可以得知，初始种群规模的大小对方案的优劣程度有很大的影响，种群规模大，则多样性好，但是无限制的增大种群的规模会增加计算机的计算量，使得优化的时Ｉ’日Ｊ增长。故通过试验验证，初始种群规模一般取１００－３００为宜。
５结束语
本文改进了遗传算法中生成初始种群的方法，针对纵断面方案在生成时难以Ｉ卅时确定变坡点里程和设计高程的问题，将其分２步加以确定，在简化了原有算法的同时使得所牛成的方案更为合理。为使得算法尽快的向最优解收敛，改进了启发式交叉算子，并对交叉、变异等遗传算子采用多算子组合形式，以充分利用问题本身的启发信息对纵断面约束条件进行了策略处理。研究结果表明，应用遗传算法可以在原始地面线数据的基础上由计算机自动产生一个较好的纵断面设计方案，实现了纵断面设计的全局寻优，但此优化算法是建立在平面线形已经确定的基础上的，如何将平面线形的优化与
纵断面优化结合起来将是后续研究的重点问题。
基于遗传算法的铁路纵断面优化系统的研究
作者：谢春玲， 蒲浩
作者单位：中南大学,土木建筑学院,长沙,410075
刊名：
铁路计算机应用
英文刊名：RAILWAY COMPUTER APPLICATION
年，卷(期)：2009,18(10)
被引用次数：1次
参考文献(10条)
1.李良英.基于遗传算法的铁路纵断面优化设计方法[J].甘肃科技,2006(8):157-159.
2.陈国良,王煦法,王东生,等.遗传算法及其应用[M].北京:人民邮电出版社,1999.
3.冯晓,杨佳,李敏,等.基于遗传算法的公路纵断面优化应用分析[J].重庆大学学报(自然科学版),2007(7):83-87.
4.刘建蓓,高晋生,王贵山.纵断面自动设计与优化技术研究[J].公路,2008(7):297-300.
5.蔡良伟,李霞.遗传算法交叉操作的改进[J].系统工程与电子技术,2006(28):925-928.
6.杨献波,程建川,冯云飞.公路纵断面优化的遗传算法设计[J].交通与计算机,2005(3):16-19.
7.Jong J C,Schonfeld P.An evolutionary model for simultaneously optimizing three-dimensional high-way alignments[J].Transportation research partB 37,2003.107-128.
8.Manoj K.Jha,Paul Schonfeld.A highway alignment optimization model using geographic information systems[J].Transportation Research Part A 38,2004:455-481.
9.杨献波.基于遗传算法的公路纵断面优化研究[D].南京:东南大学,2006.
10.杨名.基于蚁群算法的道路纵断面优化设计[D].长沙:中南大学,2008.
引证文献(1条)
1.黄劲既有铁路纵断面优化设计拟合方法研究[期刊论文]-甘肃科技纵横 2010(6)
本文链接：https://www.wendangku.net/doc/3e8355703.html,/Periodical_tljsjyy200910001.aspx