CN115796528A

CN115796528A - 一种重载铁路装车端空车调配方法、装置、设备及介质

Info

Publication number: CN115796528A
Application number: CN202211542584.6A
Authority: CN
Inventors: 宋宗莹; 徐禾颖; 王萌; 吕红霞; 倪少权; 丁辉; 代斌; 石建荣; 孙亦农; 刘庆涛; 宋欣; 王闯; 王文斌; 戴猛; 赵杰; 吴继承; 李延宝
Original assignee: China Shenhua Energy Co Ltd; Southwest Jiaotong University
Current assignee: China Shenhua Energy Co Ltd; Southwest Jiaotong University
Priority date: 2022-12-02
Filing date: 2022-12-02
Publication date: 2023-03-14

Abstract

本发明提供了一种重载铁路装车端空车调配方法、装置、设备及介质，涉及重载铁路运输组织技术领域，包括从铁路调度信息系统中获取重载铁路信息；根据所述重载铁路信息建立重载铁路装车端空车调配模型，所述重载铁路装车端空车调配模型包括车列调配约束子模型和目标函数计算子模型；在满足所述车列调配约束子模型的条件下随机生成所述重载铁路装车端空车调配模型的初始解集，所述初始解集包括至少一个重载铁路装车端空车调配初始方案；采用带精英策略的非支配排序遗传算法优化所述初始解集，得到优化后的重载铁路装车端空车调配方案集合。本发明建模过程方便简单、建模标准统一，方法计算效率高，具有良好的操作性、通用性和可重用性。

Description

一种重载铁路装车端空车调配方法、装置、设备及介质

技术领域

本发明涉及重载铁路运输组织技术领域，具体而言，一种涉及重载铁路装车端空车调配方法、装置、设备及介质。

背景技术

重载铁路装车端由多个衔接煤炭、矿石等生产企业专用线的装车站组成，是大宗货物装车的集中地。为了将日常生产的大宗货物尽快装出，需要将卸车端卸空的空车及时调配到合适的装车站进行装车。目前，既有的重载铁路空车调配方法存在以下不足：主要立足于降低空车运输的时间、能耗等广义费用，或是保证尽可能多的空车能够在合理的时间窗内到达对应装车站，大多不考虑空车调配结果对后续重车列运输组织的影响。

发明内容

本发明的目的在于提供一种重载铁路装车端空车调配方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

第一方面，本申请提供了一种重载铁路装车端空车调配方法，包括：

从铁路调度信息系统中获取重载铁路信息；

根据所述重载铁路信息建立重载铁路装车端空车调配模型，所述重载铁路装车端空车调配模型包括车列调配约束子模型和目标函数计算子模型；

在满足所述车列调配约束子模型的条件下随机生成所述重载铁路装车端空车调配模型的初始解集，所述初始解集包括至少一个重载铁路装车端空车调配初始方案；

基于所述车列调配约束子模型和所述目标函数计算子模型，采用带精英策略的非支配排序遗传算法优化所述初始解集，得到优化后的重载铁路装车端空车调配方案集合。

第二方面，本申请还提供了重载铁路装车端空车调配装置，包括：

获取模块：从铁路调度信息系统中获取重载铁路信息；

模型建立模块：根据所述重载铁路信息建立重载铁路装车端空车调配模型，所述重载铁路装车端空车调配模型包括车列调配约束子模型和目标函数计算子模型；

初始解集生成模块：在满足所述车列调配约束子模型的条件下随机生成所述重载铁路装车端空车调配模型的初始解集，所述初始解集包括至少一个重载铁路装车端空车调配初始方案；

优化模块：基于所述车列调配约束子模型和所述目标函数计算子模型，采用带精英策略的非支配排序遗传算法优化所述初始解集，得到优化后的重载铁路装车端空车调配方案集合。

第三方面，本申请还提供了一种重载铁路装车端空车调配设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现所述重载铁路装车端空车调配方法的步骤。

第四方面，本申请还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于重载铁路装车端空车调配方法的步骤。

本发明的有益效果为：

本发明建模过程方便简单、建模标准统一，方法考虑因素全面、计算效率高、真实可靠，具有良好的操作性、通用性和可重用性，对于指导铁路局依据自身实际制定空车调配方案具有参考意义。在构建重载铁路装车端空车调配模型时，同时考虑了装出重车列的组合优化，从而减少了重车列在运行前方技术站进行组合作业时，等待其可组合车型列车的时间，加快了货物的运输。

在求解方法的设计上，通过设计模型解的支配关系，能够实现以满足装车端空车需求为首要、依据线路通过能力的不同求解得到不同的空车调配方案，得到的结果可以从不同的角度给出最佳方案，管理者可根据自身情况对方案进行选择。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例中所述的重载铁路装车端空车调配方法流程示意图；

图2为本发明实施例中所述的解的编码形式示意图；

图3为本发明实施例中所述的解的交叉操作示意图；

图4为本发明实施例中所述的解的变异操作示意图；

图5为本发明实施例中所述的重载铁路装车端空车调配装置结构示意图一；

图6为本发明实施例中所述的重载铁路装车端空车调配装置结构示意图二；

图7为本发明实施例中所述的重载铁路装车端空车调配设备结构示意图。

图中标记：

01、获取模块；011、第一获取单元；012、第二获取单元；013、第三获取单元；014、第四获取单元；015、第五获取单元；016、第六获取单元；02、模型建立模块；021、第一构建单元；022、第二构建单元；0221、第三构建模块；0222、第四构建单元；03、初始解集生成模块；031、第一生成单元；032、第一确定单元；033第二确定单元；034、第一判断单元；035、第二生成单元；04、优化模块；041、第三确定单元；042、第三生成单元；0421、计算单元；0422、交叉操作单元；0423、变异操作单元；043、合并单元；044、第四生成单元；045、第五生成单元；046、第二判断单元；800、重载铁路装车端空车调配设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和表示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

重载铁路运输采用固定车底，空车调配以“列”为单位进行，空车列的类型包括组合列车和单元列车。重载铁路卸空回送的空车列多数为组合列车，经由分界口站送入装车端后，部分空车列需要在装车端技术站内进行分解作业拆解为2列列车，从而使送入装车站的空车列可以满足装车线对列车类型的约束，因此空车列的调配有直接配送和分解后再配送两种方式。

由于各装车站装运货物的种类、重量、运到时限的不同，同时考虑装车线的容车数及装车设备条件等限制，在对重载铁路装车端接入的空车进行调配时，应当满足装车站对空车列到达时间、类型及车型的需求，提高空车列到达满意度。

进一步考虑重载铁路装车端空车列装车后空重列车的转换关系，由于重载铁路重车列运行方向的通过能力通常较为紧张，空车列在各装车站完成装车后，为提高重载铁路的输送能力，部分装出重车列需要运行至前方技术站进行组合作业，从而将2列重车列组合为1列组合列车。结合重载铁路现场实际，只有部分车型的重车列之间才能两两组合，因此率先到达技术站的重车列往往需要在技术站的到发线停留，等待其可以组合车型的重车列到达进行组合。因此在制定空车调配计划时，还应当考虑如何分配不同车型的列车，使之在完成装车作业后，能够有利于后续重车列组合作业。

实施例1：

本实施例提供了一种重载铁路装车端空车调配方法。

参见图1，图中示出了本方法包括:

S1.从铁路调度信息系统中获取重载铁路信息，所述重载铁路信息包括装车端线路参数、空车列参数、装车站装车需求参数、装车站作业参数、技术站作业参数和不同车型组合判定参数；

具体的，所述步骤S1包括：

S11.获取装车端线路参数，所述装车端线路参数包括装车站集合、技术站集合、空车列在区间的运行时间、重车列在区间的运行时间、区间通过能力、空车列运行方向上的路径信息和重车列运行方向上的路径信息；

本实施例中，所述装车端线路参数具体为：

令所述装车站集合为S＝{1,2,…,i,…,I}；

令技术站集合为S′＝{1,2,…,j,…,J}；

令空车列由i站运行至i′站的运行时间为

所述i站和i’站为区间的任意两站，其中，u为列车的类型标识，当列车为0.5万吨空车列时，u＝1，当列车为1万吨空车列时，u＝2；

令重车列由i站运行至i′站的运行时间为

当列车为0.5万吨重车列时，u＝1，当列车为1万吨重车列时，u＝2；

令区间(i,i+1)通过能力为η_i,i+1；

空车列运行方向上的OD点对间路径信息为：令

表示空车列由i′站运行至i″站是否经过区间(i,i+1)，若是，则

否则

令

表示空车列由i站运行至i′站是否经过技术站j，若是，则

否则

令Ξ_i,i+1表示空车列运行方向上的区间(i,i+1)后方技术站集合；

重车列运行方向上的OD点对间路径信息为：令

表示重车列由i’站运行至i″站是否经过区间(i,i+1)，若是，则

否则

令

表示重车列由i站运行至i’站是否经过技术站j，若是，则

否则

令Ω_i,i+1表示重车列运行方向上的区间(i,i+1)前方技术站集合。

S12.获取空车列参数，所述空车列参数包括空车列接入时间、空车列接入站、空车列车型和空车列类型；

本实施例中，所述空车列参数为用于装车端车站装车的空车列参数，具体为：

令需要调配的空车列总数为A；

令第a列空车列的接入时间为TE_a；

令第a列空车列的接入站为OE_a；

令第a列空车列的车型为ve_a，具体的，所述重载铁路上常用的空车车型包括：C80、C70、C64等；

令第a列空车列的类型为UE_a，其中，UE_a＝1表示第a列空车列为0.5万吨空车列；UE_a＝2表示第a列空车列为1万吨空车列；技术站将1万吨空车列进行一次分解作业为2列0.5万吨空车列。

S13.获取装车站装车需求参数，所述装车站装车需求参数包括装车需求站、空车列满意车型集合、空车列需求类型、空车列到达时间窗、需求未满足惩罚值，空车列早到惩罚值和空车列晚到惩罚值；

本实施例中，所述装车站装车需求参数具体为：

令各装车站提出的空车需求总项数为B；

令第b项空车需求的装车站为DX_b；

令第b项空车需求的交出站为dX_b；

令第b项空车需求的空车满意车型集合为VX_b；

令第b项空车需求需要的空车列的类型为UX_b，其中，UX_b＝1表示所需空车列的类型为0.5万吨空车列，UX_b＝2代表所需空车列的类型为1万吨空车列；

令第b项空车需求的空车到达时间窗为[e_b,E_b]，其中，e_b表示第b项空车需求的空车列最早到达时间，E_b表示第b项空车需求的空车列最晚到达时间；

令第b项空车需求未被满足的惩罚值为CO_b；

令空车列早到惩罚值为ξ₁；

令空车列晚到惩罚值为ξ₂。

S14.获取装车站作业参数，所述装车站作业参数包括空车列装车作业时间；

本实施例中，令类型为u的空车列在i站的装车作业时间

S15.获取技术站作业参数，所述技术站作业参数包括空车列分解时间、空车列分解能力和重车列组合能力；

本实施例中，所述技术站作业参数具体为：

令技术站j分解1万吨组合空车列的分解作业时间为τd_j；

令技术站j分解1万吨组合空车列的能力为ηd_j；

令技术站j组合1万吨组合重车列的能力为ηc_j。

S16.获取不同车型组合判定参数，所述不同车型组合判定参数用于判定不同车型的列车能否能进行组合；

本实施例中，所述不同车型组合判定参数具体为：

令不同车型组合判定参数为ρ_v,v′，其中，v和v’为列车不同的车型标识，若车型为v的列车能与车型为v’的列车组合，则ρ_v,v′＝1，否则ρ_v,v′＝0。

基于以上实施例，本方法还包括：

S2.根据所述重载铁路信息建立重载铁路装车端空车调配模型，所述重载铁路装车端空车调配模型包括车列调配约束子模型和目标函数计算子模型；

具体的，所述步骤S2包括：

S21.根据所述重载铁路信息构建参数计算子模型，所述参数计算子模型用于计算空车列或重车列的到达时刻；所述参数计算子模型包括空车列到达各装车站的时间计算子模型、空车列到达各装车站的到达惩罚值计算子模型和重车列到达各技术站的时间计算子模型；

具体的，所述空车列到达各装车站的时间计算子模型为：

式中，

表示第a列空车列到达第b项空车需求的装车站DX_b的时间；TE_a表示第a列空车列的接入时间；OE_a表示第a列空车列的接入站；DX_b表示第b项空车需求的装车站；UE_a表示第a列空车列的类型；

表示第a列空车列从其接入站OE_a运行至装车站DX_b的运行时间；UX_b表示第b项空车需求需要的空车类型；

表示第a列空车列从其接入站OE_a运行至第j个技术站的运行时间；τd_j表示技术站j分解1万吨组合空车列的分解作业时间；

表示第a列空车列分解后得到的类型UX_b的空车列从第j个技术站运行至装车站DX_b的运行时间。

具体的，在进行重载铁路装车端的空车调配时，应当满足各装车站日常装车作业对空车到达时效性的需求，且满足装车站对列车车型的要求，若不满足则会影响正常的装车秩序，因此所述空车列到达各装车站的到达惩罚值计算子模型为：

式中，

表示第b项空车需求对第a列空车列到达的惩罚值；ve_a表示第a列空车列的车型；VX_b表示第b项空车需求的空车满意车型集合；

表示第a列空车列到达第b项空车需求的装车站DX_b的时间；[e_b,E_b]表示第b项空车需求的空车到达时间窗，e_b为第b项空车需求要求空车列的最早到达时间，E_b为第b项空车需求要求空车列的最晚到达时间；ξ₁表示空车列早到惩罚值；ξ₂表示空车列晚到惩罚值；M为根据实际需求设定的极大值。

具体的，空车列在装车站完成装车后，部分装出的重车会运行至前方技术站进行组合作业，因此所述重车列在各技术站到达时间的计算子模型为：

式中，

表示第b项空车需求完成装车后得到的重车列到达技术站j的时间；A表示需要调配的空车列总数；

为0-1变量，表示第a列空车列是否与第b项空车需求匹配，若是，则

否则

表示当第a列空车列与第b项空车需求匹配时，第b项空车需求完成装车后装出重车列到达技术站j的时间。

其中，所述

的取值计算方法为：

式中，

表示第a列空车列到达第b项空车需求的装车站DX_b的时间；DX_b表示第b项空车需求的装车站；UX_b表示第b项空车需求需要的空车列的类型；

表示第b项空车需求需要的类型为UX_b的空车列，在装车站DX_b进行装车的装车作业时间；

表示第b项空车需求完成装车得到的类型为UX_b的重车列从装车站DX_b运行至第j个技术站的运行时间；e_b表示第b项空车需求要求空车列的最早到达时间，若空车列到达时间早于e_b，空车列需要在装车站DX_b等待至装车线空闲才能进行装车。

S22.根据所述重载铁路信息构建空车列运输组织约束子模型，所述空车列运输组织约束子模型用于约束空车列的运输组织；所述空车列运输组织约束子模型包括空车列输送方式的唯一性约束、空车列匹配的唯一性约束、空车列中的每个车辆均被运送至装车站约束、空车列分解次数与空车列类型的关系约束和空车运行径路约束；

本实施例中，空车列运输至装车站可采用直达运输，也可送至技术站进行分解作业后再输送至装车站，而在空车列的运行径路上有多个技术站，通过空车列输送方式的唯一性约束确定出进行分解作业的一个技术站，因此所述空车列输送方式的唯一性约束表示为：

式中，

否则

为0-1变量，表示第a列空车列是否与第b项空车需求匹配且途中不进行分解作业，若是，则

否则

为0-1变量，表示第a列空车列是否与第b项空车需求匹配且运行途中仅在技术站j进行分解作业，若是

否则

J表示技术站的总数。

本实施例中，所述空车列匹配的唯一性即要求每项空车需求均只与一列空车列匹配，或只与虚拟空车列匹配，所述虚拟空车列为假设的空车列，用以满足所有的用车需求，因此空车列匹配的唯一性约束表示为：

式中，

为0-1变量，表示第b项空车需求是否与虚拟空车列匹配，若是，则

否则

且与虚拟空车列匹配的空车需求为未得到满足的空车需求；

否则

A表示需要调配的空车列总数。

本实施例中，将装车端等待调配的各空车列配送至各装车站时，无论是通过直达运输，还是通过技术站进行分解作业后再输送，应确保空车列中的每个车辆均可以被运送至装车站，因此空车列中的每个车辆均被运送至装车站约束表示为：

式中，UE_a为第a列空车列的类型；UX_b为第b项空车需求需要的空车列的类型；B为各装车站提出的空车需求总项数。

本实施例中，空车列分解次数与空车列类型的关系为：当空车列为0.5万吨列车时(即UE_a＝1)，在运输过程中不进行分解作业；当空车列为1万吨列车时(即UE_a＝2)，在运输过程中可最多进行1次分解作业，因此空车列分解次数与空车列类型的关系约束为：

式中，

为0-1变量，表示第a列空车列是否与第b项空车需求匹配且运行途中仅在技术站j进行分解作业，若是，则

否则

UE_a表示第a列空车列的类型；J表示技术站的总数。

本实施例中，当且仅当技术站在空车列运行径路上，空车列才能在此技术站进行分解作业，因此空车运行径路约束表示为：

式中，OE_a表示第a列空车列的接入站；DX_b表示第b项空车需求的装车站；

表示空车列由OE_a站运行至DX_b站是否经过技术站j，若是，则

否则

基于以上实施例，所述

和

均为0-1变量：

S23.根据所述重载铁路信息构建重车列组合约束子模型，所述重车列组合约束子模型用于约束重车列的组合模式，所述重车列组合约束子模型包括重车列组合次数与重车列类型的关系约束、重车列组合车型约束和重车列运行径路约束；

本实施例中，重车列组合次数与重车列类型的关系为：当装出重车列为0.5万吨列车时(即UX_b＝1)，在运输过程中可最多进行1次组合作业；当装出重车列为1万吨列车时(即UX_b＝2)，在运输过程中不进行组合作业；因此重车列组合次数与重车列类型的关系约束为：

式中，

为0-1变量，表示第b项空车需求装出的重车列是否运行至技术站j与第b′项空车需求装出的重车列进行组合作业，若是，则

否则

UX_b表示第b项空车需求需要的空车列的类型；J表示技术站的总数。

本实施例中，由于只有部分车型的重车列才能进行两两组合，如：两列C70车型的0.5万吨列车可进行组合，两列C80车型的0.5万吨列车可进行组合，因此重车列组合车型约束为：

式中，A表示需要调配的空车列总数；ve_a表示第a列空车列的车型；ve_a′表示第a′列空车列的车型；

表示车型为ve_a和ve_a′的列车能否进行组合作业，若可以，则

否则，

表示第a列空车列是否与第b项空车需求匹配；

表示第a′列空车列是否与第b′项空车需求匹配。

本实施例中，由于当且仅当技术站在重车列运行径路上，重车列才能在此技术站进行组合作业，因此所述重车列运行径路约束为：

式中，DX_b表示第b项空车需求的装车站，DX_b′第b^′项空车需求的装车站；dX_b表示第b项空车需求的交出站，dX_b′表示第b^′项空车需求的交出站；

表示重车列由DX_b站运行至dX_b站是否经过技术站j，若是

否则

表示重车列由DX_b′站运行至dX_b′站是否经过技术站j，若是

否则

基于以上实施例，所述

为0-1变量：

S24.根据所述重载铁路信息构建能力约束子模型，所述能力约束子模型用于约束区间通过能力和技术站分解空车列和组合重车列的能力，所述能力约束子模型包括技术站分解能力约束、技术站组合能力约束和区间通过能力约束；

本实施例中，所述技术站分解能力约束为：

式中，

为0-1变量，表示第a列空车列是否与第b项空车需求匹配且运行途中仅在技术站j进行分解作业；A表示需要调配的空车列总数；B表示各装车站提出的空车需求总项数；ηd_j表示技术站j分解1万吨空车列的能力。

本实施例中，所述技术站组合能力约束为：

式中，

为0-1变量，表示第b项空车需求装出的重车列是否运行至技术站j与第b′项空车需求装出的重车列进行组合作业；B表示各装车站提出的空车需求总项数；ηc_j表示技术站j组合1万吨重车列的能力。

本实施例中，所述区间通过能力约束为：

式中，

表示第a列空车列是否与第b项空车需求匹配；

表示第a列空车列是否与第b项空车需求匹配且运行途中仅在技术站j进行分解作业；

表示第b项空车需求装出的重车列是否运行至技术站j与第b′项空车需求装出的重车列进行组合作业；Ξ_i,i+1表示空车列运行方向上的区间(i,i+1)后方技术站集合；Ω_i,i+1表示重车列运行方向区间(i,i+1)前方技术站集合；OE_a表示第a列空车列的接入站；DX_b表示第b项空车需求的装车站；dX_b表示第b项空车需求的交出站；

表示空车列由OE_a站运行至DX_b站是否经过区间(i,i+1)，若是

否则

表示重车列由DX_b站运行至dX_b站是否经过区间(i,i+1)，若是

否则

S25.利用所述参数计算子模型、空车列运输组织约束子模型、重车列组合约束子模型和能力约束子模型建立目标函数计算子模型。

具体的，所述步骤S25包括：

S251.根据所述参数计算子模型和所述空车列运输组织约束子模型，以最小化各装车站对到达空车的惩罚值为目标构建第一目标函数；

其中，F₁表示第一目标函数，A为表示需要调配的空车列总数；B表示各装车站提出的空车需求总项数；CO_b表示第b项空车需求未被满足的惩罚值；

为0-1变量，表示第b项空车需求是否与虚拟空车列匹配；UX_b表示第b项空车需求需要的空车列的类型；

表示第b项空车需求对第a列空车列到达的惩罚值；

为0-1变量，表示第a列空车列是否与第b项空车需求匹配。

S252.根据所述参数计算子模型、所述重车列组合约束子模型和所述能力约束子模型，以最大化装出重车列组合数为目标构建第二目标函数、以最小化装出重车列组合等待时间为目标构建第三目标函数。

具体的，为提高线路货物输送能力，空车在装车站完成装车后，发出的重车列在运行前方技术站应当尽可能多地进行组合，因此第二目标函数为：

其中，F₂表示第二目标函数，J表示技术站的总数；B表示各装车站提出的空车需求总项数；

为0-1变量，表示第b项空车需求装出的重车列是否运行至技术站j与第b′项空车需求装出的重车列进行组合作业。

具体的，由于只有部分车型的重车列之间才能两两组合，因此在调配空车时，应考虑如何将不同车型的空车列分配到各装车站，使得空车列装车完毕后，在前方技术站进行组合作业时，等待其可组合车型的重车列进行组合的时间最短，因此第三目标函数为：

其中，F₃表示第三目标函数，J表示技术站的总数；B表示各装车站提出的空车需求总项数；

表示第b项空车需求完成装车后装出重车列到达技术站j的时间，

表示第b′项空车需求完成装车后装出重车列到达技术站j的时间；

基于以上实施例，本方法还包括：

S3.在满足所述车列调配约束模型的条件下随机生成所述重载铁路装车端空车调配模型的初始解集，所述初始解集包括至少一个重载铁路装车端空车调配初始方案；

设计解的编码形式，所述解的编码形式采用实数编码，由集合X和Y组成，如图2所示；

其中，X＝[X₁,…,X_a,…,X_A]为A个空车列的调配结果；

其中，X_a＝(a,b,b^′,j)表示第a个空车列的调配方案，a为空车列的编号，b、b’分别为与空车列a匹配的不同的空车需求的编号，j为第a个空车列进行分解作业的技术站编号，若空车列a不分解，则X_a＝(a,b,0,0)；

其中，Y＝[Y₁,…,Y_b,…,Y_B]表示B个重车列的组合结果；

其中，Y_b＝(b,b”,j)表示第b项空车需求装车完毕后的重车列的组合结果，b为空车需求的编号，b、b”分别为装出重车列进行组合的不同的空车需求的编号，j为重车列进行组合作业的技术站编号，若空车需求b装出的重车列不进行组合，则Y_b＝(b,0,0)。

具体的，所述步骤S3包括：

S31.在满足所述空车列运输组织约束子模型的条件下，随机生成若干个空车列的调配结果；

S32.由所述技术站分解能力约束确定分解空车列的技术站，所述分解空车列的技术站将一辆空车列分解为两辆空车列，所述空车列在装车端装车后得到重车列；

具体的，在满足公式(5)、(6)、(7)、(8)的约束条件下，随机生成A个空车列的调配结果，在满足公式(9)、(15)的约束条件下，随机为每列需要分解的空车列选取进行分解作业的技术站，所述需要分解的空车列为1万吨空车列，由此得到A个空车列的调配结果X＝[X₁,…,X_a,…,X_A]。

S33.由所述技术站组合能力约束确定组合重车列的技术站，所述组合重车列的技术站将所述两辆重车列组合为一辆重车列；

具体的，依据空车调配结果，筛选出由同一列空车列分解得到的空车列匹配的空车需求，将其装出的重车列进行两两组合，并在满足公式(13)、(16)的约束条件下随机选择组合重车列的技术站，由此得到B个重车列的组合结果Y＝[Y₁,…,Y_b,…,Y_B]。

S34.判断空车列的调配结果和重车列的组合结果是否满足区间通过能力约束：

若满足，则将若干个空车列的调配结果和若干个重车列的组合结果作为初始解(X，Y)；

否则，在满足技术站分解能力约束和技术站组合能力约束的基础上调整空车列的调配结果、分解空车列的技术站、重车列的组合结果和组合重车列的技术站以满足区间通过能力约束；

S35.随机生成若干个初始解，由若干个初始解构成初始解集。

基于以上实施例，本方法还包括：

S4.基于所述车列调配约束子模型和所述目标函数计算子模型，采用带精英策略的非支配排序遗传算法优化所述初始解集，得到优化后的重载铁路装车端空车调配方案集合。

具体的，所述步骤S4包括：

S41.根据所述目标函数计算子模型确定解的支配关系；

具体的，由于空车调配的首要目标是为了满足各装车站对空车列的需求，故在三个目标函数中，F₁的重要度明显大于F₂及F₃，因此定义解(X,Y)与(X′,Y′)的支配关系为，当且仅当满足以下三个条件中的任一条件时：

(1)F₁(X,Y)<F₁(X′,Y′)；

(2)F₁(X,Y)＝F₁(X′,Y′)，F₂(X,Y)≤F₂(X′,Y′)，F₃(X,Y)<F₃(X′,Y′)；

(3)F₁(X,Y)＝F₁(X′,Y′)，F₂(X,Y)<F₂(X′,Y′)，F₃(X,Y)≤F₃(X′,Y′)；

称解(X,Y)支配解(X′,Y′)，表示解(X,Y)比解(X′,Y′)良好。

S42.将所述初始解集作为初始种群，基于所述车列调配约束子模型对初始种群进行遗传操作，生成子代种群，具体的，所述子代种群为第1代子代种群；

具体的，所述遗传操作包括：

获取所述带精英策略的非支配排序遗传算法参数，所述参数包括种群规模POsize、迭代次数MAXinter、交叉概率控制参数α、变异概率控制参数β，其中，所述种群为初始解集，种群规模POsize为初始解集中初始解的数量；

将一个初始解(X,Y)作为一条染色体。

1)利用目标函数计算子模型计算自适应交叉概率和自适应变异概率；

具体的，所述自适应交叉概率的计算方法为：

式中，P_c为自适应交叉概率，F为染色体的计算参数，F_mean为种群中所有染色体的F的平均值，F_min为种群中所有染色体中的F的最小值，F由下式计算：

所述自适应变异概率的计算方法为：

式中，P_m表示自适应变异概率。

2)以自适应交叉概率对初始解集中的任意两个解进行交叉操作，并使交叉操作后的两个解均满足能力约束子模型；

具体的，以自适应交叉概率P_c随机选择任意两个解，将两个解中的X、Y中的部分片段进行交叉，以提高解的搜索能力。如图3所示，将解1和解2中的{X₁,X₂,X₃,Y₁,Y₂,Y₃}片段进行交叉操作，交叉后解1中的X₃和X₄片段中的b项重复，因此删除了重复b项、并添加缺失b项，同理，对交叉后解中的X₃和X₄片段进行删除重复b项、添加缺失b项操作。

同时判断交叉后的染色体是否满足公式(15)、(16)、(17)的约束：若不满足，则更改交叉片段的技术站，即j值。

3)以自适应变异概率对初始解集中的解进行变异操作，并使变异操作后的解满足能力约束子模型；

具体的，随机选取一个解的X、Y中的部分片段的b项，利用Hungarian算法求解所选取的b对其所匹配的空车及组合重车的最优选择结果，如图4所示，选取解中的{X₁,X₂,Y₁,Y₂,Y₃}片段，将所选取片段中的部分b项提取处理，并利用Hungarian算法将提取处理的部分b项安排至所选取片段的空格中，并在满足公式(15)、(16)、(17)约束条件下随机修改部分列车的技术站。为提高解的搜索能力，对每个解以自适应变异概率P_m选择是否进行变异。

S43.将初始种群作为父代种群与子代种群合并，进行非支配排序；

S44.通过二元锦标赛的方式生成新的父代种群，即生成第2代父代种群；

具体的，通过计算个体(解)的拥挤度，通过比较拥挤度的大小以保留较好个体形成新的父代种群，本实施例中，所述非支配排序为现有技术，此处不再赘述。

S45.对新的父代种群进行遗传操作，生成新的子代种群，即生成第2代子代种群；

S46.判断子代种群的生成次数iter是否大于预设迭代次数MAXiter：

若是，将所述新的父代种群和新的子代种群合并为新的种群，并对新的种群进行非支配排序得到pareto前沿解集，将所述pareto前沿解集作为重载铁路装车端空车调配方案集合。

具体的，所述pareto前沿解集包含若干个互为非支配关系的解，所述若干个互为非支配关系的解为不同的重载铁路装车端空车调配方案，本实施例中，所述pareto前沿解集的获取为现有技术，此处不再赘述；

若否，跳转至步骤S43，重复将新的父代种群与新的子代种群合并，进行非支配排序，即将第2代父代种群与第2代子代种群合并。

本方法基于重载铁路装车端空重列车转换关系，建立了协同装出重车列组合优化的重载铁路装车端空车调配理论框架及数学模型，实现了基于带精英策略的非支配排序遗传算法的协同装出重车列组合优化的重载铁路装车端空车调配问题的求解方法设计；得到的空车调配方案可以满足技术站作业能力、区间通过能力等约束，能够保证方案的可行性，同时在进行空车调配时考虑后续装出重车的组合方案，能够在满足装车站装车需求的同时，缩短装出重车列在技术站的等待组合作业时间。

实施例2：

如图5、图6所示，本实施例提供了一种重载铁路装车端空车调配装置，所述装置包括：

获取模块01：从铁路调度信息系统中获取重载铁路信息；

模型建立模块02：根据所述重载铁路信息建立重载铁路装车端空车调配模型，所述重载铁路装车端空车调配模型包括车列调配约束子模型和目标函数计算子模型；

初始解集生成模块03：在满足所述车列调配约束子模型的条件下随机生成所述重载铁路装车端空车调配模型的初始解集，所述初始解集包括至少一个重载铁路装车端空车调配初始方案；

优化模块04：基于所述车列调配约束子模型和所述目标函数计算子模型，采用带精英策略的非支配排序遗传算法优化所述初始解集，得到优化后的重载铁路装车端空车调配方案集合。

基于以上实施例，所述获取模块01具体包括：

第一获取单元011：获取装车端线路参数，所述装车端线路参数包括装车站集合、技术站集合、空车列在区间的运行时间、重车列在区间的运行时间、区间通过能力、空车列运行方向上的路径信息和重车列运行方向上的路径信息；

第二获取单元012：获取空车列参数，所述空车列参数包括空车列接入时间、空车列接入站、空车列车型和空车列类型；

第三获取单元013：获取装车站装车需求参数，所述装车站装车需求参数包括装车需求站、空车列满意车型集合、空车列需求类型、空车列到达时间窗、需求未满足惩罚值，空车列早到惩罚值和空车列晚到惩罚值；

第四获取单元014：获取装车站作业参数，所述装车站作业参数包括空车列装车作业时间；

第五获取单元015：获取技术站作业参数，所述技术站作业参数包括空车列分解时间、空车列分解能力和重车列组合能力；

第六获取单元016：获取不同车型组合判定参数，所述不同车型组合判定参数用于判定不同车型的列车能否能进行组合。

基于以上实施例，所述模型建立模块02具体包括：

第一构建单元021：根据所述重载铁路信息构建参数计算子模型、空车列运输组织约束子模型、重车列组合约束子模型和能力约束子模型，所述参数计算子模型用于计算空车列或重车列的到达时刻、所述空车列运输组织约束子模型用于约束空车列的运输组织、重车列组合约束子模型用于约束重车列的组合模式、所述能力约束子模型用于约束区间通过能力和技术站分解空车列和组合重车列的能力；

所述能力约束子模型包括技术站分解能力约束、技术站组合能力约束和区间通过能力约束；

第二构建单元022：根据所述参数计算子模型、空车列运输组织约束子模型、重车列组合约束子模型和能力约束子模型建立目标函数计算子模型。

基于以上实施例，所述第二构建模块022具体包括：

第三构建单元0221：根据所述参数计算子模型和所述空车列运输组织约束子模型，以最小化各装车站对到达空车的惩罚值为目标构建第一目标函数；

第四构建单元0222：根据所述参数计算子模型、所述重车列组合约束子模型和所述能力约束子模型，以最大化装出重车列组合数为目标构建第二目标函数、以最小化装出重车列组合等待时间为目标构建第三目标函数。

基于以上实施例，所述初始解集生成模块03具体包括：

第一生成单元031：在满足所述空车列运输组织约束模型的条件下，随机生成若干个空车列的调配结果；

第一确定单元032：由所述技术站分解能力约束确定分解空车列的技术站，所述分解空车列的技术站将一辆空车列分解为两辆空车列，所述空车列在装车端装车后得到重车列；

第二确定单元033：由所述技术站组合能力约束确定组合重车列的技术站，所述组合重车列的技术站将所述两辆重车列组合为一辆重车列；

第一判断单元034：判断空车列的调配结果和重车列的组合结果是否满足区间通过能力约束：

若满足，则将若干个空车列的调配结果和若干个重车列的组合结果作为初始解；

第二生成单元035：随机生成若干个初始解，由若干个初始解构成初始解集。

基于以上实施例，所述优化模块04具体包括：

第三确定单元041：根据所述目标函数计算子模型确定解的支配关系；

第三生成单元042：将所述初始解集作为初始种群，基于所述车列调配约束子模型对初始种群进行遗传操作，生成子代种群；

合并单元043：将初始种群作为父代种群与子代种群合并，基于所述解的支配关系进行非支配排序；

第四生成单元044：通过二元锦标赛的方式生成新的父代种群；

第五生成单元045：对新的父代种群进行遗传操作，生成新的子代种群；

第二判断单元046：判断子代种群的生成次数是否大于预设迭代次数：

若是，将所述新的父代种群和新的子代种群合并为新的种群，并对新的种群进行非支配排序得到pareto前沿解集，将所述pareto前沿解集作为最终解集，所述最终解集为重载铁路装车端空车调配方案集合；

若否，则重复将新的父代种群与新的子代种群合并，进行非支配排序。

基于以上实施例，所述第三生成单元042包括：

计算单元0421：利用目标函数计算子模型计算自适应交叉概率和自适应变异概率；

交叉操作单元0422：以自适应交叉概率对初始解集中的任意两个解进行交叉操作，并使交叉操作后的两个解均满足能力约束子模型；

变异操作单元0423：以自适应变异概率对初始解集中的解进行变异操作，并使变异操作后的解满足能力约束子模型。

需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

实施例3：

相应于上面的方法实施例，本实施例中还提供了一种重载铁路装车端空车调配设备，下文描述的一种重载铁路装车端空车调配设备与上文描述的一种重载铁路装车端空车调配方法可相互对应参照。

图7是根据示例性实施例示出的一种重载铁路装车端空车调配设备800的框图。如图7所示，该重载铁路装车端空车调配设备800可以包括：处理器801，存储器802。该重载铁路装车端空车调配设备800还可以包括多媒体组件803，I/O接口804，以及通信组件805中的一者或多者。

其中，处理器801用于控制该重载铁路装车端空车调配设备800的整体操作，以完成上述的重载铁路装车端空车调配方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该重载铁路装车端空车调配设备800的操作，这些数据例如可以包括用于在该重载铁路装车端空车调配设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该重载铁路装车端空车调配设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。

在一示例性实施例中，重载铁路装车端空车调配设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的重载铁路装车端空车调配方法。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的重载铁路装车端空车调配方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由重载铁路装车端空车调配设备800的处理器801执行以完成上述的重载铁路装车端空车调配方法。

实施例4：

相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种重载铁路装车端空车调配方法可相互对应参照。

一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的重载铁路装车端空车调配方法的步骤。

该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

以上所述，仅为本发明的具体实施方式，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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims

1.一种重载铁路装车端空车调配方法，其特征在于，包括：

从铁路调度信息系统中获取重载铁路信息；

2.根据权利要求1所述的重载铁路装车端空车调配方法，其特征在于，所述根据所述重载铁路信息建立重载铁路装车端空车调配模型，包括：

根据所述重载铁路信息构建参数计算子模型、空车列运输组织约束子模型、重车列组合约束子模型和能力约束子模型，所述参数计算子模型用于计算空车列或重车列的到达时刻、所述空车列运输组织约束子模型用于约束空车列的运输组织、所述重车列组合约束子模型用于约束重车列的组合模式、所述能力约束子模型用于约束区间通过能力和技术站分解空车列和组合重车列的能力；

根据所述参数计算子模型、空车列运输组织约束子模型、重车列组合约束子模型和能力约束子模型建立目标函数计算子模型。

3.根据权利要求2所述的重载铁路装车端空车调配方法，其特征在于，所述在满足所述车列调配约束子模型的条件下随机生成所述重载铁路装车端空车调配模型的初始解集，包括：

在满足所述空车列运输组织约束子模型的条件下，随机生成若干个空车列的调配结果；

由所述技术站分解能力约束确定分解空车列的技术站，所述分解空车列的技术站将一辆空车列分解为两辆空车列，所述空车列在装车端装车后得到重车列；

由所述技术站组合能力约束确定组合重车列的技术站，所述组合重车列的技术站将所述两辆重车列组合为一辆重车列；

判断空车列的调配结果和重车列的组合结果是否满足区间通过能力约束：

随机生成若干个初始解，由若干个初始解构成初始解集。

4.根据权利要求1所述的重载铁路装车端空车调配方法，其特征在于，基于所述车列调配约束子模型和所述目标函数计算子模型，采用带精英策略的非支配排序遗传算法优化所述初始解集，得到优化后的重载铁路装车端空车调配方案集合，包括：

根据所述目标函数计算子模型确定解的支配关系；

将所述初始解集作为初始种群，基于所述车列调配约束子模型对初始种群进行遗传操作，生成子代种群；

将初始种群作为父代种群与子代种群合并，基于所述解的支配关系进行非支配排序；

通过二元锦标赛的方式生成新的父代种群；

对新的父代种群进行遗传操作，生成新的子代种群；

判断子代种群的生成次数是否大于预设迭代次数：若是，将所述新的父代种群和新的子代种群合并为新的种群，并对新的种群进行非支配排序得到pareto前沿解集，将所述pareto前沿解集作为重载铁路装车端空车调配方案集合；

5.一种重载铁路装车端空车调配装置，其特征在于，包括：

获取模块：从铁路调度信息系统中获取重载铁路信息；

6.根据权利要求5所述的重载铁路装车端空车调配装置，其特征在于，所述模型建立模块具体包括：

第一构建模块：根据所述重载铁路信息构建参数计算子模型、空车列运输组织约束子模型、重车列组合约束子模型和能力约束子模型，所述参数计算子模型用于计算空车列或重车列的到达时刻、所述空车列运输组织约束子模型用于约束空车列的运输组织、所述重车列组合约束子模型用于约束重车列的组合模式、所述能力约束子模型用于约束区间通过能力和技术站分解空车列和组合重车列的能力；

第二构建模块：根据所述参数计算子模型、空车列运输组织约束子模型、重车列组合约束子模型和能力约束子模型建立目标函数计算子模型。

7.根据权利要求6所述的重载铁路装车端空车调配装置，其特征在于，所述初始解集生成模块具体包括：

第一生成单元：在满足所述空车列运输组织约束子模型的条件下，随机生成若干个空车列的调配结果；

第一确定单元：由所述技术站分解能力约束确定分解空车列的技术站，所述分解空车列的技术站将一辆空车列分解为两辆空车列，所述空车列在装车端装车后得到重车列；

第二确定单元：由所述技术站组合能力约束确定组合重车列的技术站，所述组合重车列的技术站将所述两辆重车列组合为一辆重车列；

第一判断单元：判断空车列的调配结果和重车列的组合结果是否满足区间通过能力约束：

第二生成单元：随机生成若干个初始解，由若干个初始解构成初始解集。

8.根据权利要求5所述的重载铁路装车端空车调配装置，其特征在于，所述优化模块具体包括：

第三确定单元：根据所述目标函数计算子模型确定解的支配关系；

第三生成单元：将所述初始解集作为初始种群，基于所述车列调配约束子模型对初始种群进行遗传操作，生成子代种群；

合并单元：将初始种群作为父代种群与子代种群合并，基于所述解的支配关系进行非支配排序；

第四生成单元：通过二元锦标赛的方式生成新的父代种群；

第五生成单元：对新的父代种群进行遗传操作，生成新的子代种群；

第二判断单元：判断子代种群的生成次数是否大于预设迭代次数：

若是，将所述新的父代种群和新的子代种群合并为新的种群，并对新的种群进行非支配排序得到pareto前沿解集，将所述pareto前沿解集作为重载铁路装车端空车调配方案集合；

9.一种重载铁路装车端空车调配设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述重载铁路装车端空车调配方法的步骤。

10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述重载铁路装车端空车调配方法的步骤。