为解决铁路车流分配与径路优化模型中的难约束问题,避免群智能算法在应对该问题时难以求解的不足,提出了一种基于惩罚函数的约束优化方法.首先,在车流分配及径路优化基本模型的基础上设置虚拟弧,在目标函数中增加惩罚项的方式松弛掉模型中的弧段能力约束,同时对惩罚项中的惩罚力度和惩罚因子设计动态更新的策略;然后,将改进灰狼算法(improved grey wolf algorithm,IGWO)应用于车流分配与径路优化模型的求解;最后,结合某一地区的路网数据,对改进前、后的模型和算法进行对比分析.算例结果表明:与改进前的模型相比,引入惩罚项之后,IGWO可以在限定的范围内找到满足弧段能力约束的可行解;与灰狼算法(gray wolf algorithm,GWO)相比,IGWO计算所得的配流方案使OD(origin-destination)货流的平均绕行率和货物总走行公里数分别下降了2.6%和5.2%.
展开▼
