[论文解读] Integrating car path optimization with train formation plan: a non-linear binary programming model and simulated annealing based heuristics

Boliang Lin|arXiv (Cornell University)|Jul 26, 2017

Railway Systems and Energy Efficiency参考文献 13被引用 5

一句话总结

本文提出了一种非线性二元规划模型，联合优化车流径路与列车编组计划，以最小化总成本（包括集结、解体和运输成本），同时遵守容量约束。该模型采用基于模拟退火的启发式算法与罚函数法，高效求解复杂的集成问题，在成本效率和运行可行性方面优于传统的顺序优化方法。

ABSTRACT

An essential issue that a freight transportation system faced is how to deliver shipments (OD pairs) on a capacitated physical network optimally; that is, to determine the best physical path for each OD pair and assign each OD pair into the most reasonable freight train service sequence. Instead of pre-specifying or pre-solving the railcar routing beforehand and optimizing the train formation plan subsequently, which is a standard practice in China railway system and a widely used method in existing literature to reduce the problem complexity, this paper proposes a non-linear binary programming model to address the integrated railcar itinerary and train formation plan optimization problem. The model comprehensively considers various operational requirements and a set of capacity constraints, including link capacity, yard reclassification capacity and the maximal number of blocks a yard can be formed, while trying to minimize the total costs of accumulation, reclassification and transportation. An efficient simulated annealing based heuristic solution approach is developed to solve the mathematical model. To tackle the difficult capacity constraints, we use a penalty function method. Furthermore, a customized heuristics for satisfying the operational requirements is designed as well.

研究动机与目标

• 为解决货运铁路系统中顺序优化的局限性，即车流径路与列车编组被分别处理。
• 开发一种集成模型，同时优化车流路径与列车编组计划，以提升成本效率。
• 纳入现实运营约束，如区间容量、编组站解体能力以及最大编组块数限制。
• 通过统一优化框架最小化总系统成本，包括集结、解体和运输费用。

提出的方法

• 构建一种非线性二元规划模型，联合优化车流径路与列车编组计划。
• 采用罚函数法处理困难约束，如区间与编组站容量。
• 设计定制化启发式算法，以满足编组块数限制与编组站处理能力等运营需求。
• 采用基于模拟退火的元启发式算法，探索解空间并避免陷入局部最优。
• 采用动态罚函数调整策略，在搜索过程中平衡可行性与最优性。
• 实现一种解表示方法，将车流径路决策与列车编组序列编码于单一决策向量中。

实验结果

研究问题

• RQ1 与顺序方法相比，车流径路与列车编组的集成优化模型是否能降低总系统成本？
• RQ2 非线性二元规划模型在处理复杂容量约束（如编组站解体限制与区间容量）方面效果如何？
• RQ3 基于模拟退火的启发式算法结合罚函数法，在求解此NP难问题时，对解质量的提升程度如何？
• RQ4 最大每站编组块数等运营约束对解的可行性与成本有何影响？
• RQ5 在所提出的集成框架中，解质量与计算效率之间存在何种权衡？

主要发现

• 所提出的集成模型通过更有效地最小化集结、解体与运输费用，显著降低了总系统成本，优于顺序方法。
• 基于模拟退火的启发式算法成功探索复杂解空间，并在合理计算时间内生成高质量解。
• 罚函数法有效处理了如区间容量与编组站解体限制等硬约束，同时不损害解的可行性。
• 定制化启发式算法确保符合运营规则，包括每站最大编组块数与列车开行顺序要求。
• 与我国铁路系统现行做法相比，该模型在成本效率与运行可行性方面均有显著提升。
• 实证结果表明，成本显著降低，网络容量利用率提高，验证了该模型的实际适用性。