[发明专利]基于回答集程序的调机路径规划方法

说明书

本发明公开一种基于回答集程序的调机路径规划方法，针对单台编组调机的路径移动编排，给出了回答集程序结合随机产生器的方法。首先将典型编组站中调车场的轨道进行类型分类，接着将实例图中所停放车厢的位置按轨道类型转换成网络图，然后将网络图转换成规则集通过各种符合人工经验的约束条件来得到路径规划的方案，且还需要再利用随机产生器来随机生成与调车场轨道数目相对应的规则集，以应对现实场景中不断扩增的调车场轨道数目。本发明是一种理论和建模语言的结合对调机移动的路径进行规划的技术，利用随机产生器生成与轨道数目相对应的程序编码，最终自动的生成规划结果。

技术领域

本发明属于人工智能技术领域，具体涉及一种基于回答集程序的调机路径规划方法。

背景技术

传统铁路技术站作业计划的编制以人工为主，作业劳动强度大，容易出现计划编制不及时、计划质量不高等问题。调机运用计划是技术站作业计划的关键内容之一，主要是确定到达列车的解体次序、出发列车的编组次序、调机的作业时间以及承担该作业的调机移动路线，将直接影响铁路货物运输的周转和整个路网的通过能力。随着信息化建设的发展，铁路技术站作业计划的编制由传统的手工作业进入了计算机辅助作业阶段，并逐渐向智能化调度作业阶段发展。如何实现调机运用计划的自动编制是当前研究的重点。

目前，国内外处理调机运用计划编制问题的方法主要包括：(1)数学优化方法，如动态规划、整数规划和混合整数规划法、拉格朗日松弛算法等。该类方法的优点是具有严格的数学模型，但在编制调机运用计划时通常要处理一些半结构化和非结构化的信息，这些信息来自编制人员手工作业时累积的丰富经验，而这些经验则难以从数学模型的角度严格描述；(2)启发式算法，如局部邻域搜索算法、迭代搜索算法等。该类算法往往需要仔细的设计一个合理的启发函数，才能在较快的时间内成功避免局部最优，得到最优解。但目前此类算法的设计缺乏统一、完整的理论体系；(3)智能优化类算法，如遗传算法、模拟退火算法、禁忌搜索算法等。此类算法是从随机的可行初始解出发，采用迭代改进的策略去逼近问题的最优解，从理论上讲是一种全局寻优的计算方法，但通常计算量比较大，所需时间较长；(4)强化学习算法，如Q-learning、Dyna算法等。此类算法需要接受外界反馈，并以此指导下一步行动，但各种事实反馈实际上还比较慢，获得真实场景中的大量数据成本也很高。

发明内容

本发明所要解决的是现有调机运用计划编制的问题，提供一种基于回答集程序的调机路径规划方法。

为解决上述问题，本发明是通过以下技术方案实现的：

一种基于回答集程序的调机路径规划方法，包括如下步骤：

步骤1.对调车场内的轨道进行分类；

步骤2.对调车场内的车厢进行实例化抽象；

步骤3.将调车场内停放的车厢初始位置转换成相对的网络图；该网络图中的节点代表轨道，边代表通过调机可以从一条轨道移动到另一条轨道；

步骤4.将网络图转换成规则集，并通过各种符合人工经验的约束条件来得到路径规划方案；

步骤4.1.根据给定的定义谓词以回答集程序规则形式给出网络图的节点及边相互之间的推导关系，即

规则1.当存在一条边开始于X时，可推断出X是一个节点；

规则2.当存在一条边结束于Y时，可推断出Y是一个节点；

规则3.如果存在一条边，调机会通过它的节点，那么这条边会成为回答集的一部分；

规则4.在回答集中不可能有从同一个节点出发而在不同节点结束的两条边同时存在的情况；

规则5.在回答集中不可能有在同一个节点结束而从不同节点出发的两条边同时存在的情况；

规则6.当一条边成为最短路径的一部分时，调机一定会通过连接这条边的两个节点；