CN113361150B 一种城市列车运行多目标优化方法及系统 （华东交通大学）

HuiYang等.Multi-objectiveoperoptimizationforelectricmultibasedonspeedrestrictionmutation.本发明涉及一种城市列车运行多目标优化求解多目标优化模型获得各个运行区间的2根据所述区段参数信息将城市列车各运行区段进行非等根据城市列车车辆基本参数信息以及所述区段参数信息得到城市列车纵向动力学模根据所述城市列车纵向动力学模型，得到城市列车在各所述列车运行多性能评价指标包括城市列车在各运行区间的运行能耗值、运行时间根据所述列车运行多性能评价指标值构建所述城市sc}E为城市列车的运行能耗值，ft为城市列采用多目标差分进化算法对所述多目标优化模型进行求所述多目标差分进化算法对所述多目标优化模利用种群初始化策略生成具有N个个体的初始化种群，所述初始化种群中的个体代表计算初始化种群中每个个体对应的城市列车各根据每个个体对应的城市列车各运行指标的目标函数值进行初始化种群中所述个体3选出所述各运行区间的Pareto最优解集中符合城市列车运行指标性能评价准则的解，根据城市列车车辆基本参数信息以及所述区段参数信息得到所述城市列车在各运行根据所述城市列车在各运行区段的列车受力值构建所述城X/4根据所述变异因子参数以及所述随机变量数值λ得到当前种群随机选取的3个个体，F为变异因子，对初始化种群Pt中的每个个体进行非支配排序，以个体的供"、表示个体第m个目标函数数值的最大城市列车纵向动力学模型建立单元，用于根据5城市列车纵向动力学模型计算单元，用于根据所述城市所述列车运行多性能评价指标包括城市列车在各运行区间的运行能耗值、运行时间sc}E为城市列车的运行能耗值，ft为城市列最优解集获取单元，用于采用多目标差分进化算法对所述多目标优化模型进行求解，所述多目标差分进化算法对所述多目标优化模利用种群初始化策略生成具有N个个体的初始化种群，所述初始化种群中的个体代表计算初始化种群中每个个体对应的城市列车各根据每个个体对应的城市列车各运行指标的目标函数值进行初始化种群中所述个体最优的列车运行速度曲线获取单元，用于选出所述各67整合在一起转化为单目标问题进行优化求解，仍未能充分反映多目标优化问题的本质特[0009]根据城市列车车辆基本参数信息以及区段参数信息得到城市列车纵向动力学模8[0013]选出各运行区间的Pareto最优解集中符合城市列车运行指标性[0015]根据城市列车车辆基本参数信息以及区段参数信息得到城市列车在各运行区段09[0024]利用种群初始化策略生成具有N个个体的初始化种群，初始化种群中的个体代表[0026]根据每个个体对应的城市列车各运行指标的目标函数值进行初始化种群中个体根据进化种群得到城市列车在各运行区间的’’’’max分别表示个体的最小值和最[0039]F(G)=(Faz-F)·(G/Ga)’’N个个体具体包括：[0055]设位于每一非支配层两端个体的拥挤度为无穷大，并设置拥挤度的理想取值范[0064]最优解集获取单元，用于采用多目标差分进化算法对多目标优[0082]根据城市列车车辆基本参数信息以及区段参数信息得到城市列车在各运行区段0,,max分别表示个体的最小值和最[0104]S63：根据每个个体对应的城市列车各运行指标的目标函数值进行初始化种群中[0107]将非支配解集中的第i个非支配解集设为第一非支配层，设置该非支配层这所有[0112]F(G)=(Faz-F)·(G/Ga)[0118]对差分进化算法的收敛性其决定性作用的因素之一是交叉概率，在传统的算法’’N个个体具体包括：[0132]设位于每一非支配层两端个体的拥挤度为无穷大，并设置拥挤度的理想取值范1230.63~1.041.0~1.651.6~2.56>2.5分进化算法，对于城市列车运行多目标优化模型的求解能够快速地搜索到Pareto最优解。[0146]本实施例提供一种与实施例相对应的城市列车运行多目标优