• 查询稿件
  • 获取最新论文
  • 知晓行业信息
官方微信 欢迎关注

城市轨道交通列车运行调整的粒子群算法研究

刘莉, 王长林

刘莉, 王长林. 城市轨道交通列车运行调整的粒子群算法研究[J]. 铁路计算机应用, 2013, 22(6): 62-64.
引用本文: 刘莉, 王长林. 城市轨道交通列车运行调整的粒子群算法研究[J]. 铁路计算机应用, 2013, 22(6): 62-64.
LIU Li, WANG Changlin. Research on Particle Swarm Optimization of train operation regulation for Urban Transit[J]. Railway Computer Application, 2013, 22(6): 62-64.
Citation: LIU Li, WANG Changlin. Research on Particle Swarm Optimization of train operation regulation for Urban Transit[J]. Railway Computer Application, 2013, 22(6): 62-64.

城市轨道交通列车运行调整的粒子群算法研究

详细信息
  • 中图分类号: U231.92:TP39

Research on Particle Swarm Optimization of train operation regulation for Urban Transit

  • 摘要: 依据列车行车组织的特点,对列车运行调整策略进行研究,建立了列车运行调整模型.模型中涉及的约束条件较多,对实时性和延迟传播有着严格的限制,从而使问题的求解成为难题.在模型的求解过程中,粒子群算法有计算速度快、收敛性强的特点,满足模型实时性的要求.因此在列车运行调整中采用了粒子群算法,实现了列车运行调整的高效求解.
  • 期刊类型引用(9)

    1. 薛锋,吴林鸿,汪雯文,周琳. 基于MI-PSO-RBF神经网络的铁路客货运量预测研究. 铁道运输与经济. 2024(09): 123-135 . 百度学术
    2. 崔淑华,侯慧君,武慧荣. 利用标准差赋权组合模型预测大宗货物运输需求. 交通科技与经济. 2022(06): 31-38 . 百度学术
    3. 徐菲,任爽. 基于分解—集成的铁路货运需求预测研究. 运筹与管理. 2021(08): 133-138 . 百度学术
    4. 刘金芳,向万里,王璐璐. 基于VMD-BAS-BP的铁路货运量预测研究. 青海交通科技. 2021(06): 50-56+68 . 百度学术
    5. 徐文文,彭建平,邱春蓉. 基于支持向量回归的地铁受电弓滑板磨耗趋势预测模型研究. 铁路计算机应用. 2020(01): 77-81 . 本站查看
    6. 杨基宏,陈浩林,徐刚,余澄庆,刘辉. 基于ELM的城市轨道交通系统建设成本估算研究. 铁路计算机应用. 2020(04): 1-4 . 本站查看
    7. 谭雪,张小强. 基于GRU深度网络的铁路短期货运量预测. 铁道学报. 2020(12): 28-35 . 百度学术
    8. 张蕾,孙德山,张文政,王玥. 基于灰色关联分析的支持向量机的铁路货运量预测研究. 经济数学. 2018(02): 58-61 . 百度学术
    9. 任巧丽,马乾. PCA-RBF神经网络对兰州市日平均气温的预测. 宜宾学院学报. 2018(12): 111-115 . 百度学术

    其他类型引用(10)

计量
  • 文章访问数:  40
  • HTML全文浏览量:  0
  • PDF下载量:  167
  • 被引次数: 19
出版历程
  • 收稿日期:  2013-06-14
  • 录用日期:  2013-06-14
  • 刊出日期:  2013-06-14

目录

    /

    返回文章
    返回