Автореферат (792663), страница 4
Текст из файла (страница 4)
При построении ПГД превышение времени междуремонтами над допустимым запрещено. При невыполнении необходимого условияпостроения ГО (2), в случае наличия ограниченных ресурсов, может возникнутьтакое превышение. Это необходимо учесть при построении ПГД путемуменьшения времени в движении между двумя осмотрами за счет вводадополнительного отстоя, раннего ухода на ночную расстановку или более позднеговыхода из нее.На Рисунках 7-10 представлены результаты построения ГО для одной излиний Московского метрополитена с использованием разработанной СППР.17Данные,приведенныенаграфиках,позволяютпроанализироватьфункционирование различных алгоритмов кроссинговера.На Рисунке 7 представлены результаты построения ГО для случая, когданеобходимое условие наличия достаточных ресурсов для построения ГОвыполняется и фитнес-функция отражает равномерность размещения осмотров.Рисунок позволяет сравнить ГО, соответствующий используемому наМосковском метрополитене ПГД, и предложенный прототип.
Данные осуществующих осмотрах приведены в виде чёрных прямоугольников, а опредложенных – в виде серых прямоугольников. Анализ приведенных данныхпоказал следующее. Осмотры в рамках используемого на метрополитене ПГД проводятсячаще, чем это требуют условия безопасности. На рассматриваемом графике их20 (каждый заход в депо в течение дня с последующим выходом в тот же деньсопровождается осмотром, если не оговорено обратное), а в соответствии стребованиями безопасности их должно быть 13.
Это связано с тем, что налинии имеются достаточные ресурсы для проведения осмотров и в дневной час«непик» число составов на линии на треть меньше максимального. В используемом на метрополитене ПГД многие маршруты находятся вдвижении не с момента подачи напряжения на контактный рельс и не домомента окончания движения по линии. Только треть маршрутов начинаетдвижение раньше 6 утра или заканчивает позже часа ночи.В связи с этим имеет смысл рассматривать случаи наличия ограниченныхресурсов, то есть невыполнения условия (2).
Соответствующий ГО, припостроении которого множество кандидатов, которые можно использовать дляпроведения осмотров, было сокращено вдвое, приведен на Рисунке 8.Построение ПГД без запрещенного превышения времени между ремонтами наддопустимым в этом случае возможно при учете необходимости уменьшениявремени в движении между двумя осмотрами путем ввода дополнительногоотстоя, раннего ухода на ночную расстановку или более позднего выхода изнее, что нашло отражение на ГО. Нехватка ресурсов привела к тому, что нацепочке, состоящей из 10-14 маршрутов, разместилось вместо необходимыхтрех осмотров только два.Рисунок 7– Результаты построения ГО для случая, когда необходимое условие наличия достаточных ресурсов дляпостроения ГО ЭПС выполняется18Рисунок 8– Результаты построения ГО для случая, когда необходимое условие наличия достаточных ресурсовдля построения ГО ЭПС не выполняется1920Рисунок 9 показывает, как меняется минимальное найденное значениефитнес-функции в ходе эволюции (процесс изменения множестварассматриваемых вариантов построения ГО).
График отражает зависимостьдесятичного логарифма наилучшего в популяции значения фитнес-функции отномера итерации. Такой способ представления выбран в связи с тем, что напервых итерациях может сложиться ситуация, при которой популяциявключает в себя только такие варианты построения ГО, которые не отвечаютограничениям по периодичности проведения осмотров, что приводит к резкомувозрастанию значений фитнес-функции, которая в этой ситуацииприравнивается к значению штрафной функции. Одновременно графикпоказывает, как меняется в популяции количество хромосом, попадающих вобласть допустимых значений.
Таким образом, при помощи ГА можно быстронайти некоторое множество допустимых решений, мощностью большеединицы, что важно при совместном построении ПГД и ГО.Рисунок 9 – Зависимость десятичного логарифма минимального найденногозначения фитнес-функции и количества разрешенных вариантов в популяции отномера итерацииРисунок 10 иллюстрирует зависимость параметров решения задачи отразмера популяции. Из графиков видно, что увеличение размера популяцииприводит к тому, что при всех алгоритмах кроссинговера завершение работыГА происходит после меньшего числа итераций. При этом различие междуминимальными найденными значениями фитнес-функции при использованииразличных алгоритмов кроссинговера сокращается.
На основе известных(арифметического, эвристического и промежуточного) кроссинговеров авторомформализованы и реализованы новые, в которых реализуется работа с аллельюне как со скаляром, а как с вектором.21Рисунок 10 – Зависимость минимального найденного значения фитнесфункции от размера популяции и алгоритма кроссинговераЗАКЛЮЧЕНИЕВ диссертационной работе решена научная задача совершенствованияметодики автоматизированного планирования движения поездов в условияхразвивающихся метрополитенов при учёте возможности расширения множествобъектов линии, имеющая существенное значение для развития системавтоматизации планирования движения поездов.1.
Выполненная классификация работ, посвященных проблемамразработки бизнес-логики автоматизированного построения ПГД и ГО иуправления транспортными системами, по предмету исследования иматематическим методам, применяемым к решению поставленных задач,позволила выбрать перспективные направления и методы решенияоптимизационных задач планирования движения поездов в условияхразвивающихся метрополитенов, к которым относятся графовые модели игенетические алгоритмы. Применение этих методов позволяет расширитьмножество поиска решений оптимизационных задач и повысить скорость ихрешения.2. Реализованные синтез процесса сбора и анализа данных ПГД и ГО, егодекомпозиция и модели процессов, входящих в процесс сбора и анализа данныхПГД и ГО, позволили определить множества моделей бизнес-логики средствавтоматизации планирования движения поездов в условиях развивающихсяметрополитенов и элементов интерфейса этих средств, отделить частипрограммного обеспечения, отвечающего за реализацию моделей бизнеслогики, от части программного обеспечения, отвечающего за решение задачвизуализации результатов работы средств автоматизации и организацииинформационного обмена с пользователями.
Это способствует повышениюпроизводительности труда при создании соответствующих средств22автоматизации и позволяет оперативно учесть в средствах автоматизацииизменения, присущие развивающимся метрополитенам.3. Созданный в ходе решения задачи автоматического определенияпоследовательности заполнения и освобождения указателей ночнойрасстановки составов метод топологической сортировки вершин графа с учетомдействующих ограничений позволяет эффективно и оперативно учитыватьизменение условий при автоматизации планирования движения поездов вусловиях развивающихся метрополитенов, а также значительно расширитьмножество вариантов, рассматриваемых при автоматизированном построенииночной расстановки составов на линии метрополитена.4. Применение генетического алгоритма (ГА) к решению задачпланирования ГО ЭПС показало возможность рассмотрения в качестве аллелейвекторных величин и адаптации генетических алгоритмов к решению широкогокласса задач планирования перевозочного процесса.
Разработанная СППРимеет развитые возможности для выполнения такой адаптации. Показанаперспектива использования ГА для оптимизации ПГД в смысле выбранныхкритериев, в частности, при организации ночной расстановки составов налинии метрополитена.5. Разработанные методы позволяют решать задачи планированиядвижения поездов в условия наличия ограниченных ресурсов для реализациитребований, предъявляемых к ПГД и ГО, что имеет особую актуальность вусловиях развивающихся метрополитенов.ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ ОТРАЖЕНО ВСЛЕДУЮЩИХ ПУБЛИКАЦИЯХа) Публикации в рецензируемых научных изданиях, в которых должны бытьопубликованы научные результаты диссертации на соискание ученой степени1. Сидоренко, В.
Г. Исследование возможности применения генетическихалгоритмов к решению задач планирования работы электроподвижного составаметрополитена / В. Г. Сидоренко, М. А. Чжо // Электроника и электрооборудованиетранспорта. – 2017. – №6. – С. 37–40.2. Сидоренко, В.
Г. Планирование обслуживания электроподвижногосостава в условиях ограниченных ресурсов / В. Г. Сидоренко, М. А. Чжо, В. М.Алексеев, Е. Н. Розенберг, В. И. Уманский // Электротехника. – 2017. – №12. – С.73–76.3. Сидоренко,В. Г.Применениесовременныхтехнологийпрограммирования к автоматизации планирования движения поездовметрополитена / В.
Г. Сидоренко, А. И. Сафронов, К. М. Филипченко, М. А. Чжо //Автоматика на транспорте. – 2016. – № 3, т.2. – С. 331-347.4. Сидоренко, В. Г. Применение генетических алгоритмов к решениюзадачи планирования работы электроподвижного состава метрополитена / В. Г.Сидоренко, М. А. Чжо // Электроника и электрооборудование транспорта. – 2016. –№6. – С. 13-16.5. Сидоренко, В. Г. Влияние ночной расстановки составов на режим работыэлектроподвижного состава метрополитена / В. Г. Сидоренко, К.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
