?
Автоматизация планирования обслуживания электроподвижного состава
Организация технического обслуживания (ТО) электроподвижного состава (ЭПС) метрополитенов является сложной и важной задачей. Планированию технического обслуживания ЭПС посвящено большое число работ, которые рассматривают эту задачу с разных сторон:
- математическая постановка задачи как
o классической задачи о назначениях;
o задачи, решаемой с использованием теории графов и принципа оптимальности Беллмана;
o задачи, решаемой с использованием генетического алгоритма;
- задача управления процессами перевозок - организация эксплуатации и технического обслуживания ЭПС железных дорог при наличии жестких временных ограничений в условиях открытого рынка – при наличии нескольких конкурирующих компаний;
- задача организации мониторинга технического обслуживания.
В этой работе мы используем в первую очередь теорию графов и генетические алгоритмы. Они показали свою эффективность при решении широкого круга задач автоматизации, в том числе и автоматизированного управления движением поездов.
Применение теории графов для решения задачи планирования ТО ЭПС показало свою эффективность так же, как и для решения других задач автоматизации управления движением поездов, в частности для:
- моделирования топологии транспортной системы;
- формализованного описания технологических процессов, протекающих в системе;
- разработки алгоритмов управления, реализуемых средствами автоматизации.
Генетические алгоритмы (ГА) также нашли широкое применения для решения задач автоматизации управления транспортными системами, например, для:
- логистической организации городских пассажирских перевозок;
- организации контейнерных перевозок;
- управления морским транспортом;
- решения транспортной задачи;
- решения задачи планирования проектных работ при создании средств автоматизации;
- поиска максимума функции, оценки регрессионных и нелинейных статистических моделей;
- решения задач визуализации и раскраски графов.
В процессе автоматизированного построения ГО и ПГД первым подпроцессом, реализующим преобразование данных, является подпроцесс построения прототипа ГО.
С использованием методов теории графов и принципа оптимальности Беллмана дает возможность получить всё множество допустимых назначений обслуживаний и выбрать то, которое с одной стороны будет соответствовать графику движения, а с другой – минимально отличаться от оптимального по выбранному критерию равномерности, что имеет большое практическое значение. Оценка сверху мощности множества полученных вариантов построения ГО имеет порядок . Их перебор требует значительных затрат времени. Поэтому актуальной является задача сокращения времени, затрачиваемого на построение прототипа ГО. Эта задача приобретает особую актуальность в связи с тем, что в процессе согласования ПГД и ГО может возникнуть задача неоднократной модификации прототипа ГО с учетом изменения исходных данных. В связи с этим в ходе выполненных автором исследований для решения задачи был применен ГА.
Ключевыми моментами создания генетического алгоритма являются описание хромосомы, определение фитнес-функции для каждой хромосомы в популяции и создание способов кроссинговера. Действия кроссинговера и мутации могут выполняться в соответствии с разными алгоритмами.
В ходе исследований авторами разработана система поддержки принятия решения (СППР), позволяющая выполнять численное решение оптимизационных задач генетическими алгоритмами. СППР построена на базе алгоритмов, реализованных в пакете прикладных программ для решения задач технических вычислений MATLAB.
