CN110363298B - 基于进化算法的智能调线调坡方法 - Google Patents

Abstract

本发明公开了基于进化算法的智能调线调坡方法，属于调线调坡算法领域，是一种全局、高效、并行搜索的方法，基于进化算法的智能调线调坡方法能在搜索过程中自动积累和获取有关搜索空间的知识，并自适应地控制搜索过程，从而使算法按某种分布得最佳解，在本专利中，我们将平、纵断面表示成一个多维向量，其中每个分量代表平、纵断面的一个参数，通过对线路平、纵断面参数进行扰动，形成多条初始线路，继而借助类似自然遗传学的遗传算子进行选择交叉和变异，产生出代表新解集的种群，这个过程将使得种群后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，最终的到一个最优的调线调坡方案。

Description

基于进化算法的智能调线调坡方法

技术领域

本发明涉及调线调坡算法领域，更具体地说，涉及基于进化算法的智能调线调坡方法。

背景技术

地铁项目在土建施工完成后，由于实际挖掘的隧道与设计的隧道之间存在“偏差”，若按照设计线路铺轨会导致列车在前进过程中与隧道内壁发生碰撞，为了避免这种情况发生，需要对设计路线进行调整，调整设计线路的过程称为调线调坡。在轨道交通中地铁的设计线路是由平、纵断面参数构成的，在本专利中我们将平、纵断面参数表示成一个多维向量，其中每个分量代表的是平、纵断面的一个参数，形如：x₁、y₁、l₁₁、l₁₂、R₁……其中x₁、y₁表示第一段曲线的交点坐标，l₁₁、l₁₂表示第一段曲线的前后缓和曲线长度，R₁表示第一段曲线的半径。调整设计线路就是对上述的多维向量中的每一个分量在其领域内进行微小的扰动形成新的线路。因此调线调坡最终的目的是为了找到一个平、纵断面参数的多维向量，使得由这个向量构成的路线既符合设计规范，又与实际隧道之间的“偏差”最小化。

然而现有的调线调坡方法全程都由人工完成，一般需要一周的时间得到一套调线调坡方案，效率较低，整个过程缺乏自动化，对工期的影响比较严重。由于现有的调线调坡方法都是技术人员根据专业知识对平、纵断面参数进行修改的，而且不同线路之间的侵限情况又大不相同，因此不同的线路的调线调坡方案之间并没有很大的关联，这导致人工很难根据以往的经验对一条新的线路进行调整。因此整个调线调坡的过程需要耗费大量的时间和人力物力,且同时得到的调线调坡方案虽然能够优化设计线路，但是最终设计线路和实际隧道之间依然存在很大“偏差”，带来大量的额外成本，而这个“偏差”是能够通过更好的调线调坡方法减小的，存在较大的优化空间。由于人工调线调坡只能根据局部的侵限情况对平、纵面参数进行修改，既缺乏对全局参数的考虑又没顾及参数彼此之间的影响，因此最终的调线调坡方案仍然存在大量的侵限断面，只能通过对相关设备进行削减来保持列车行进的安全。

发明内容

1.要解决的技术问题

针对现有技术中存在的问题，本发明的目的在于提供基于进化算法的智能调线调坡方法，它可以实现经过进化算法迭代执行上述的步骤能够使种群中的个体不断进化，种群中的最优个体与实际隧道之间的“偏差”越来越小，当满足停止条件后将种群中最优个体进行解码最终得到一个最优的调线调坡方案。

2.技术方案

为解决上述问题，本发明采用如下的技术方案。

基于进化算法的智能调线调坡方法，其使用方法为：

S1、备选线路生成，对初始线路表示的多维向量进行扰动，形成多条新的线路；

S2、备选线路编码，将线路集合中的线路进行编码形成初始种群。种群中的一条线路我们称之为个体或染色体；

S3、计算适应度，将整条设计线路按一定间隔，截取多个断面，并在每个断面上选取十个点，通过统计这些点中处于实际隧道内的个数作为整条设计线路的适应度，适应度越大则表示设计线路与实际线路之偶见的“偏差”越小；

S4、备选路线选择，根据适应度按概率选取两个个体作为母体即进化算法中的选择操作；

S5编码局部交换，将选出来的母体之间的参数按照一定的概率进行交换即进化算法中的交换操作，获得变异备选个体；

S6变异编码筛选，针对交换得到的变异备选个体，进行变异操作即按照一定概率对染色体上的某些基因用其等位基因进行替代，以确保种群的多样性。

经过进化算法迭代执行上述的步骤能够使种群中的个体不断进化，种群中的最优个体与实际隧道之间的“偏差”越来越小，当满足停止条件后将种群中最优个体进行解码最终得到一个最优的调线调坡方案。

进一步的，所述S2备选路线编码中，采用二进制编码的方式，产生用于表示平面、纵断面参数的编码序列，序列中每十位二进制数用于表示一个参数的变化量，根据原始的平面、纵断面参数和编码序列的编码范围能够计算得到调线调坡后的参数。

进一步的，所述S3计算适应度中，截面的侵限点总个数作为衡量隧道侵限程度。

进一步的，所述S5编码局部交换中，按照一定概率决定两个方案代表某个参数的二进制片段是否进行交换。

进一步的，所述S5编码局部交换中的编码交换概率由技术人员预设，根据隧道开挖地区的实际土壤种类、湿度隧道深度进行合理预设。

进一步的，所述S6变异编码筛选中，变异过程是指进化算法中的变异运算，是指将个体染色体编码串中的某些基因座上的基因值用该基因座上的其它等位基因来替换，从而形成新的个体。

进一步的，所述S6变异编码筛选中，筛选是指为了使进化过程中适应度高的个体能够得以保存，采用如下筛选后代的方式：当产生的后代数目达到规定的种群规模时，停止产生后代，此时将产生的后代和母体按照适应度降序排列，根据种群规模取出其中适应度高的个体作为下一代的母体。

进一步的，所述S1备选线路生成、S2备选线路编码、S3计算适应度、S4备选路线选择、S5编码局部交换、S6变异编码筛选中均需使用运算终端，所述运算终端信号连接有云端存储装置，运算终端可以从云端存储装置中获取用S5编码局部交换中的编码交换概率，上述概率由其他施工技术人员在进行其它地区施工时进行上传的数据，由运算终端进行筛选后，选择最合适的交换概率，大幅降低筛选次数，减少筛选计算量，节约筛选成本。

进一步的，所述运算终端信号连接有移动终端，工作人员可以在实地勘测时，可以通过移动终端向云端存储装置实时传递相关隧道开凿数据，当移动终端所处位置信号较差时，移动终端可以作为临时的储存装置，临时储存数据，在移动到信号较好的地方再进行数据传输。

进一步的，所述运算终端信号连接有备份存储装置，且备份存储装置与云端存储装置信号连接，备份存储装置可以作为云端存储装置的临时存储装置，技术人员可以根据施工区域的大致施工环境预先下载对应数据，在运算终端处于信号较差的位置时，工作人员可以利用备份存储装置代替云端存储装置进行运算。

3.有益效果

相比于现有技术，本发明的优点在于：

本发明是模仿自然界生物进化机制发展起来的随机全局搜索的优化方法，借鉴了达尔文的进化论和孟德尔的遗传学说，是一种全局、高效、并行搜索的方法，基于进化算法的智能调线调坡方法能在搜索过程中自动积累和获取有关搜索空间的知识，并自适应地控制搜索过程，从而使算法按某种分布得最佳解，在本专利中，我们将平、纵断面表示成一个多维向量，其中每个分量代表平、纵断面的一个参数，通过对线路平、纵断面参数进行扰动，形成多条初始线路，继而借助类似自然遗传学的遗传算子进行选择交叉和变异，产生出代表新解集的种群，这个过程将使得种群后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，最终的到一个最优的调线调坡方案。

附图说明

图1为本发明的调坡调线的主要流程图；

图2为本发明的调坡调线的主要流程逻辑框图；

图3为本发明的基因代码片段示意图；

图4为本发明的基因代码片段编码范围示意图；

图5为本发明的原始平面和纵断面参数示意图；

图6为本发明的当前基因片段参数是示意图；

图7为本发明的隧道任一截面处的理论圆和实际圆的相对位置示意图；

图8为本发明的设想群体个体的适应度的示意图；

图9为本发明的编码局部交换的简要示意图；

图10为本发明的主要装置的结构示意图。

图中标号说明：

1运算终端、2云端存储装置、3移动终端、4备份存储装置。

具体实施方式

下面将结合本发明实施例中的附图；对本发明实施例中的技术方案进行清楚、完整地描述；显然；所描述的实施例仅仅是本发明一部分实施例；而不是全部的实施例，基于本发明中的实施例；本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例；都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”、“顶/底端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“套设/接”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1：

请参阅图1，基于进化算法的智能调线调坡方法，其使用方法为：

S1、备选线路生成，对初始线路表示的多维向量进行扰动，形成多条新的线路；

S2、备选线路编码，将线路集合中的线路进行编码形成初始种群。种群中的一条线路我们称之为个体或染色体；

S3、计算适应度，将整条设计线路按一定间隔，截取多个断面，并在每个断面上选取十个点，通过统计这些点中处于实际隧道内的个数作为整条设计线路的适应度，适应度越大则表示设计线路与实际线路之偶见的“偏差”越小；

S4、备选路线选择，根据适应度按概率选取两个个体作为母体即进化算法中的选择操作；

S5编码局部交换，将选出来的母体之间的参数按照一定的概率进行交换即进化算法中的交换操作，获得变异备选个体；

S6变异编码筛选，针对交换得到的变异备选个体，进行变异操作即按照一定概率对染色体上的某些基因用其等位基因进行替代，以确保种群的多样性。

经过进化算法迭代执行上述的步骤能够使种群中的个体不断进化，种群中的最优个体与实际隧道之间的“偏差”越来越小，当满足停止条件后将种群中最优个体进行解码最终得到一个最优的调线调坡方案。

S2备选路线编码中，采用二进制编码的方式，产生用于表示平面、纵断面参数的编码序列，序列中每十位二进制数用于表示一个参数的变化量，根据原始的平面、纵断面参数和编码序列的编码范围能够计算得到调线调坡后的参数，例如对于一个基因片段：

“…00000000010000000001000000000100000000010000000001…”含义如图3所示，这段基因片段的编码范围如图4所示，其原始的平面、纵断面参数如图5所示，则根据图3-5所示的数据，我们可以计算出当前基因片段代表的具体参数，如图6所示。

上述参数大致可分为三类，第一类是不可变动的参数，对于这类参数我们不进行编码；第二类是可以任意变动的参数，对于这类参数我们按照某种分布随机生成十位二进制序列代表当前的参数；第三类是联动的参数，在参数调整的过程中，对于某些交点我们要求它们的x值和y值必须满足某个方程，对于这类参数我们和第二类参数相似，使用十位二进制数代表交点的x值，y值则通过方程求得，因此这类参数的y值不进行编码。

S3计算适应度中，截面的侵限点总个数作为衡量隧道侵限程度，具体适应度的计算过程如下：

空间中一条隧道任意一点的法平面都能截出两个圆，一个是设计隧道在当前位置的一个横截面，称为理论圆，另外一个是实际盾构机挖出来的截面，称为实际圆。理论上如果挖掘过程中不存在误差的话，两个圆的圆心应该是重合的。在理论圆的圆周上取10个点统计这10个点中,记录处于实际圆外的点的个数，如图7所示，图中虚线圆代表实际圆，实线圆的代表理论圆，图中理论圆上有4个点处于实际圆外边，则对于图中断面来说侵限点的个数为4。

对于一段区间来说，本专利以5m为间距截取平面，统计所有平面上侵限点的总个数作为衡量当前隧道侵限程度。用Ni表示第i个截面侵限点的个数，即最后适应度的函数为：

S4备选路线选择中，采用轮盘算法进行选择，即个体被选中的概率与其适应度成正比，设想群体全部个体的适应度由一张饼图来代表如图8所示，群体中每一染色体指定饼图中一个小块。块的大小与染色体的适应性分数成比例，适应性分数愈高，它在饼图中对应的小块所占面积也愈大。为了选取一个染色体，要做的就是旋转这个轮子，直到轮盘停止时，看指针停止在哪一块上，就选中与它对应的那个染色体。

用CP表示第i个个体被选中的概率，fi表示第i个个体的适应度，则第m个个体被选中作为父母染色体的概率为：

其中适应度大的个体越有可能成为下一代的母体。

S5编码局部交换中，按照一定概率决定两个方案代表某个参数的二进制片段是否进行交换，具体的交换方式如图9所示。

S6变异编码筛选中，变异过程是指进化算法中的变异运算，是指将个体染色体编码串中的某些基因座上的基因值用该基因座上的其它等位基因来替换，从而形成新的个体。例如下面这串二进制编码：“…11101…”经过基因突变后，可能变成以下这串新的编码“…01101…”。

S6变异编码筛选中，筛选是指为了使进化过程中适应度高的个体能够得以保存，采用如下筛选后代的方式：当产生的后代数目达到规定的种群规模时，停止产生后代，此时将产生的后代和母体按照适应度降序排列，根据种群规模取出其中适应度高的个体作为下一代的母体。

在本发明中，先将线路进行参数化，即将一条线路的平、纵断面参数表示成一个一维向量，之后我们将多个一维向量编码形成染色体构成初始种群，并经过进化算法的选择、交叉、变异等操作不断地将参数进行优化，得到一组最优的参数解码得到最终的调线调坡方案，首次使用进化算法来优化调线调坡问题，通过计算机强大的计算能力替代传统的人工调线调坡方法，实现调线调坡的自动化与智能化。

请参阅图10，S1备选线路生成、S2备选线路编码、S3计算适应度、S4备选路线选择、S5编码局部交换、S6变异编码筛选中均需使用运算终端1，运算终端1信号连接有云端存储装置2，运算终端1可以从云端存储装置2中获取用S5编码局部交换中的编码交换概率，上述概率由其他施工技术人员在进行其它地区施工时进行上传的数据，由运算终端1进行筛选后，选择最合适的交换概率，大幅降低筛选次数，减少筛选计算量，节约筛选成本,，运算终端1信号连接有移动终端3，工作人员可以在实地勘测时，可以通过移动终端3向云端存储装置2实时传递相关隧道开凿数据，当移动终端3所处位置信号较差时，移动终端3可以作为临时的储存装置，临时储存数据，在移动到信号较好的地方再进行数据传输，运算终端1信号连接有备份存储装置4，且备份存储装置4与云端存储装置2信号连接，备份存储装置4可以作为云端存储装置2的临时存储装置，技术人员可以根据施工区域的大致施工环境预先下载对应数据，在运算终端1处于信号较差的位置时，工作人员可以利用备份存储装置4代替云端存储装置2进行运算。

本方案适用于不同时速设计路线的调线调坡。

传统的调线调坡方法，曲线半径的调节范围需要根据列车的运行时速来确定，而半径与调节范围之间的关系并没有一条进行表达，更多的是靠技术人员的经验，本方案中通过对列车行进时速与侵限点个数进行分析，能够得到一条关于调节范围与列车时速之间的公式，针对不同时速的设计路线，都能够使用本方案进行调线调坡。

以上所述；仅为本发明较佳的具体实施方式；但本发明的保护范围并不局限于此；任何熟悉本技术领域的技术人员在本发明揭露的技术范围内；根据本发明的技术方案及其改进构思加以等同替换或改变；都应涵盖在本发明的保护范围内。

Claims (10)

1.基于进化算法的智能调线调坡方法，其特征在于：其使用方法为：

S1、备选线路生成，对初始线路表示的多维向量进行扰动，形成多条新的线路；

S2、备选线路编码，将线路集合中的线路进行编码形成初始种群，种群中的一条线路我们称之为个体或染色体；

S3、计算适应度，将整条设计线路按一定间隔，截取多个断面，并在每个断面上选取十个点，通过统计这些点中处于实际隧道内的个数作为整条设计线路的适应度，适应度越大则表示设计线路与实际线路之偶见的“偏差”越小；

S4、备选路线选择，根据适应度按概率选取两个个体作为母体即进化算法中的选择操作；

S5编码局部交换，将选出来的母体之间的参数按照一定的概率进行交换即进化算法中的交换操作，获得变异备选个体；

S6变异编码筛选，针对交换得到的变异备选个体，进行变异操作即按照一定概率对染色体上的某些基因用其等位基因进行替代，以确保种群的多样性。

2.根据权利要求1所述的基于进化算法的智能调线调坡方法，其特征在于：所述S2备选路线编码中，采用二进制编码的方式，产生用于表示平面、纵断面参数的编码序列，序列中每十位二进制数用于表示一个参数的变化量。

3.根据权利要求1所述的基于进化算法的智能调线调坡方法，其特征在于：所述S3计算适应度中，截面的侵限点总个数作为衡量隧道侵限程度。

4.根据权利要求1所述的基于进化算法的智能调线调坡方法，其特征在于：所述S5编码局部交换中，按照一定概率决定两个方案代表某个参数的二进制片段是否进行交换。

5.根据权利要求4所述的基于进化算法的智能调线调坡方法，其特征在于：所述S5编码局部交换中的编码交换概率由技术人员预设，根据隧道开挖地区的实际土壤种类、湿度隧道深度进行合理预设。

6.根据权利要求1所述的基于进化算法的智能调线调坡方法，其特征在于：所述S6变异编码筛选中，变异过程是指进化算法中的变异运算，是指将个体染色体编码串中的某些基因座上的基因值用该基因座上的其它等位基因来替换，从而形成新的个体。

7.根据权利要求1所述的基于进化算法的智能调线调坡方法，其特征在于：所述S6变异编码筛选中，筛选是指为了使进化过程中适应度高的个体能够得以保存，采用如下筛选后代的方式：当产生的后代数目达到规定的种群规模时，停止产生后代，此时将产生的后代和母体按照适应度降序排列，根据种群规模取出其中适应度高的个体作为下一代的母体。

8.根据权利要求1所述的基于进化算法的智能调线调坡方法，其特征在于：所述S1备选线路生成、S2备选线路编码、S3计算适应度、S4备选路线选择、S5编码局部交换、S6变异编码筛选中均需使用运算终端（1），所述运算终端（1）信号连接有云端存储装置（2）。

9.根据权利要求8所述的基于进化算法的智能调线调坡方法，其特征在于：所述运算终端（1）信号连接有移动终端（3）。

10.根据权利要求9所述的基于进化算法的智能调线调坡方法，其特征在于：所述运算终端（1）信号连接有备份存储装置（4），且备份存储装置（4）与云端存储装置（2）信号连接。

Images