翁兆奇

摘要：闭塞是多列车运行必须要考虑的重要问题。为了提升移动闭塞方式下的多列车运行的闭塞效果，本文提出了一种改进的粒子群算法（Improved Particle Swarm Optimization Algorithm，IPSO）。采用粒子群算法与遗传进化相结合的方式，以有效提升粒子群算法的全局寻优能力。具体的移动闭塞方式下的多列车运行优化算例的仿真结果表明，本文提出的改进的粒子群优化算法具有较佳的优化效果，适合于解决移动闭塞方式下的多列车运行优化问题。

关键词：移动闭塞;多列车运行;粒子群优化算法;遗传进化

Abstract： Block is an important problem that must be considered in the operation of multiple trains. To improve the blocking effect of multi-train operation under the moving blocking mode， this work proposes an improved particle swarm optimization algorithm （IPSO）. The combination of particle swarm optimization and genetic evolution is introduced to improve the global optimization ability of particle swarm optimization. The simulation results of multi-train operation optimization under the moving block mode show that the IPSO algorithm proposed in this paper has better optimization effect and is suitable for solving the multi-train operation optimization problem under the moving block mode.

0  引言

閉塞系统在城市轨道交通运营中扮演着非常重要的角色[1]。随着现代轨道交通事业的大力发展，闭塞效果差导致的乘客对铁路运营商的矛盾也日益引发人们的关注和重视。因此，需要尽可能的提升闭塞效果。然而，由于移动闭塞方式下的多列车运行优化问题需要考虑众多的因素，且实际问题中具有大量复杂的各类因素[2]。由此可知，移动闭塞方式下的多列车运行优化问题极难求得理想的满意解。

目前，移动闭塞方式下的多列车运行优化的相关算法改进策略已成为相关科研人员的研究重点。至今为止，已经有大量的研究应用于实际的移动闭塞方式下的多列车运行优化问题中。田志鹏[3]研究了移动自动闭塞的列车追踪控制优化模型及其算法。罗志刚[4]研究了列车安全距离的优化以及列车追踪运行的调整策略。朱咏秋[5]研究了基于北斗二代的移动闭塞条件下的列车运行组织方法。……