.png){kind=icon}
返回
Collaborative optimization of train operation using safe reinforcement learning and ray parallelism solution for nested modeling problem
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2026.102310.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在城市轨道交通中，为降低运营成本并提升乘客服务质量，本文提出了一种由内、外层组成的嵌套集成优化模型。内层优化模型基于Ray-parallel计算架构，构建了站间运行曲线优化框架；外层优化模型则针对再生制动能量的协同利用、运行时间的分配以及平均乘客等待时间的计算进行了处理。为求解该嵌套模型并增强训练过程的安全性，本文采用了一种安全强化学习框架。最后，为验证所提方法的有效性，基于实际线路开展了案例实验。仿真结果表明，所提方法能够显著降低列车在一个运营周期内的总净能耗以及平均乘客等待时间。
Keyword:
train operation optimization
safe reinforcement learning
ray parallelism
nested optimization model
regenerative braking energy
期刊
IF:
8.5
论文数:
2.2K
被引数:
1.0W
机构
引用论文
An experimental study on local and global optima of linear antenna array synthesis by using the sequential least squares programming使用顺序最小二乘规划对线性天线阵列综合的局部和全局最优的实验研究
.png){kind=icon}
PREAI
分享收藏分享收藏Train energy-efficient speed profile generation under various track alignments: a quantum evolutionary algorithm with cosine annealing在各种轨道线形下进行列车节能速度曲线生成：一种带有余弦退火的量子进化算法
PREAI
分享收藏Two-Stage Integrated Planning of Energy-Saving Operations of Metro Trains Using MOJS and GWO Algorithms基于MOJS和GWO算法的地铁列车节能运行两阶段集成规划
PREAI
分享收藏
查看更多内容