基于改进蚁群算法的梯式轨道多目标优化研究

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (22): 28-31.

基于改进蚁群算法的梯式轨道多目标优化研究

金浩1，刘维宁2

1.绍兴文理学院土木工程学院，浙江绍兴 312000
2.北京交通大学土木建筑工程学院，北京 100044

出版日期:2014-11-15 发布日期:2014-11-13

Multi-objective optimization for ladder track based on improved ant colony algorithm

JIN Hao1, LIU Weining2

1.College of Civil Engineering, Shaoxing University, Shaoxing, Zhejiang 312000, China
2.School of Civil Engineering, Beijing Jiaotong University, Beijing 100044, China

Online:2014-11-15 Published:2014-11-13

摘要/Abstract

摘要： 鉴于梯式轨道在实际应用过程中，需要同时优化钢轨振动加速度和道床振动加速度，利用MO-FHACO（多目标觅食-返巢机制连续域蚁群算法）对其进行双目标优化。利用四端参数法建立对应的梯式轨道数学模型，将1~80 Hz频段钢轨振动加速度级和道床振动加速度级作为优化目标，枕下减振垫刚度和数量作为设计变量。经过MO-FHACO双目标优化，成功得到梯式轨道双目标优化解。结果表明，采用MO-FHACO对梯式轨道进行多目标优化具有工程应用价值。

关键词: 梯式轨道, 蚁群优化算法, 多目标, 四端参数法

Abstract: In order to optimize rail vibration acceleration and foundation vibration acceleration for the ladder track, MO-FHACO（multi-objective foraging-homing ant colony algorithm） is employed in this paper. The ladder track is simplified using four-pole parameter method. Vibration acceleration level of rail and vibration acceleration level of foundation ranging from 1 Hz to 80 Hz are set objective functions. Stiffness and number of sleeper bearings are set designing variables. After several optimizations by MO-FHACO, optimization solutions of bi-objective for the ladder track are obtained. Results show that, it’s an efficient method for multi-objective optimization of the ladder track with MO-FHACO.

Key words: ladder track, ant colony optimization algorithm, multi-objective, four-pole parameter method

金浩1，刘维宁2. 基于改进蚁群算法的梯式轨道多目标优化研究[J]. 计算机工程与应用, 2014, 50(22): 28-31.

JIN Hao1, LIU Weining2. Multi-objective optimization for ladder track based on improved ant colony algorithm[J]. Computer Engineering and Applications, 2014, 50(22): 28-31.

[1]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[2]	张旭，袁旭梅，袁继革. 中介视角下供需匹配决策方法研究[J]. 计算机工程与应用, 2021, 57(9): 240-246.
[3]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[4]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[5]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[6]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[7]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[8]	李大海，艾志刚，王振东. 基于全组合策略的多目标阴阳对算法[J]. 计算机工程与应用, 2021, 57(22): 110-124.
[9]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[10]	马龙，王春嬉，张正义，董睿. 多目标多时间窗车辆路径问题的鸽群-水滴算法[J]. 计算机工程与应用, 2021, 57(2): 237-250.
[11]	丁一，张成成. 集装箱码头送箱外集卡预约优化研究[J]. 计算机工程与应用, 2021, 57(19): 267-273.
[12]	李晓花，苏骏，李秀秀. 强干扰环境单观测站水下纯方位多目标跟踪[J]. 计算机工程与应用, 2021, 57(17): 253-259.
[13]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[14]	陈信强，凌峻，齐雷，杨勇生，周亚民. 多特征融合和尺度变化估计的船舶跟踪方法[J]. 计算机工程与应用, 2021, 57(13): 246-250.
[15]	张瑶，卢焕章，张路平，胡谋法. 基于深度学习的视觉多目标跟踪算法综述[J]. 计算机工程与应用, 2021, 57(13): 55-66.