Optimizing a decomposed high-speed rail multi-station shortest sequence problem

Sandeepan Roy

doi:10.1016/j.eswa.2025.127543

2025-07-01

PRE

Sandeepan Roy *

DOI：10.1016/j.eswa.2025.127543

原文链接

原文求助

摘要

En 中文

高速铁路（HSR）规划需要优化车站位置和线路，以平衡效用、客流量、运营效率和经济型建设。现有研究通常依赖单启发式和同步优化方法，这些方法假设预设的车站序列，同时忽略了现实地理约束和效用因素。本研究引入了一种新型非线性优化模型，用于优化HSR多站位置和最短序列/线路（HSR-MSL-SS），并解决了现有方法的关键局限性。该模型整合了三个主要目标：最大化车站位置效用和客流量，同时最小化走廊总长度，并受车站位置和走廊约束。该问题被分解为两个相互关联的子问题：多站位置选择和最短序列确定。开发了一种混合元启发式优化算法，整合多群粒子群优化（MPSO）和蚁群优化（ACO），以迭代解决这些子问题。提出了两种混合策略：Se-MPSO-ACO，按顺序优化多站位置和路径规划；Si-MPSO-ACO，同时优化两个子问题。据作者所知，这是首次尝试使用分解和混合群智能方法解决HSR-MSL-SS问题。一项真实HSR案例研究验证了该方法。与专家设计的替代方案相比，Se-MPSOACO和Si-MPSO-ACO分别在目标函数值上实现了10.8%和7.8%的提升。敏感性分析表明，网络连通性和人口可达性对总效用影响最大。收敛性分析显示，虽然两种方法表现良好，但Si-MPSO-ACO对权重因子的变化更敏感，且在收敛方面表现出更大的稳定性。Se-MPSO-ACO提供了稳健的解决方案，同时具有更低的计算复杂度。

Keyword:

Multi-station location

High-speed rail optimization

Shortest sequence/route

Multi-swarm particle swarm optimization

Decomposition

Ant colony optimization