[发明专利]一种基于黄金分割遗传算法的地铁列车节能优化方法

摘要

本发明公开一种基于黄金分割遗传算法的地铁列车节能优化方法，获取列车行驶线路和列车的相关数据，根据获得的数据计算列车运动模型，对列车的位置和工况级位进行编码，初始化主次种群，随机生成一定规模的染色体，以适应度函数值为评判函数，通过遗传操作的迭代计算求解出列车最优工况点，输出列车节能运行曲线。本发明实现了黄金分割遗传算法的列车节能优化方法，采用遗传算法和黄金分割算法对主次种群分别进行全局和局部优化，并将二者优化后的种群分别挑选M和N个个体进行交换；同时使用黄金分割法以0.382和0.618的概率搜寻交叉和变异的最佳自适应点。采用本发明可以准确的搜寻列车的最优工况转换点，迭代次数少且不易陷入局部最优。

主权项

1.一种基于黄金分割遗传算法的地铁列车节能优化方法，其特征在于，包括以下步骤：步骤1：获取列车行驶线路数据、列车特性以及列车初始位置和初速度；步骤2：根据获得的列车牵引和制动特性曲线，根据列车各个工况的运动模型计算列车的速度和运行距离参数：步骤3：根据列车各个阶段的计算模型，加载操纵序列，如果满足条件就输出S‑V曲线，输出相关数据；若不满足最优解，跳转到步骤6。步骤4：编码根据步骤2中计算的列车在各个阶段的速度、加速度和行车位置以及相关坡度和限速信息，采用二进制对列车工况点进行编码组成染色体；步骤5：初始化种群在初始化种群中，采用黄金分割算法，根据实际地铁列车运行路况的限制条件，对产生的B种群中的染色体，以0.682或0.318的比例等比缩小搜索空间，将次种群B中符合列车限制条件的N个染色个体挑选出来，起到优化种群B的效果；采用遗传算法用以上步骤优化主种群A，从中选出M个个体来；主次种群间进行信息进行交换，将M个主种群的个体给次种群B，而次种群B中的N个个体给主种群A；其中，A为基于GA全局寻优的主种群，B为基于GR局部寻优的次种群；初始化参数，包括主次种群大小分别为M、N，进化代数Gen；步骤6：适应度函数经过步骤5产生的染色体通过适应度函数进行评判，如果符合条件进入步骤7进行遗传操作，否则被淘汰；具体为：将时间和停车距离这两个约束条件以罚函数的方式加在目标函数中进行处理，目标函数如式(5)所示：f＝E+α(|T‑Ttarket|)+β(|S‑Starket|)  (5)其中，E表示列车能耗，|T‑Ttarket|表示到站时间偏差约束，|S‑Starket|表示到站位置偏差约束，α，β表示惩罚因子，f表示最终适应度的评价值；步骤7：遗传操作遗传操作包括三个基本算子：选择、交叉和变异；a.选择算子经过适应度函数的评价后，选择算子会根据群体中所有个体的适应度值并从当前群体中选择适应度高的个体来繁衍下一代；b.交叉和变异算子经过选择后留下来的优良个体，进行交叉和遗传操作来保证个体多样性；基于适应度的交叉率和变异率，如式(6)(7)所示：其中，favg表示平均适应度值，fmax表示最大适应度值，f'表示两个交叉个体中较大的适应度值，f表示要发生变异个体的适应度值；步骤8：终止条件判断：遗传操作结束后跳转到步骤5，判断是否满足终止条件；若没有满足，则输出最优操作序列；若已满足，则输出最优解操纵序列，遗传算法模块计算终止，最终列车放着计算模块加载最终列车优化序列，从而获得列车S‑V列车最优运行曲线和相关数据。