[发明专利]一种基于自适应学习率粒子群算法的铁路票额预分方法

说明书

为了实现基于铁路客流需求对票额进行智能分配，本发明公开了一种基于自适应学习率粒子群算法的铁路票额预分方法，将铁路票额分配问题建模为粒子群算法的模型，通过自适应设置粒子群算法中的惯性权重，对铁路票额进行分配，可以很好的解决在不确定性和时变性下的客流形态下铁路票额预分策略与实际需求不相符的问题。

技术领域

本发明使用一种基于自适应学习率(Adaptive Moment Estimation,Adam)的粒子群算法(Particle Swarm Optimization,PSO)，优化了铁路票额预分策略。

背景技术

传统铁路票额分配策略采用人工各站固定分配票额模式，经常会产生分配票额和实际需求不匹配的情况，不仅无法满足用户的购票需求，而且单程铁路线路收益也受到影响。随着中国经济的快速发展，高速铁路旅客列车开行密度逐步提升，高速铁路旅客列车票额分配取消了传统铁路票额人工各站固定分配票额的传统方式。采取将全列票额集中存放在始发站，并通过票额预分方式和票额公用、复用方式解决沿途车站运能问题。

票额预分策略是一种新的售票组织策略，在对列车的历史客流和近期客流分析的基础上，根据站间客流预测进行票额预先分配。基于旅客列车的客流形态具有可循规律的特点，尽管其存在一定的时变性，但总体而言相对稳定的客流基础。因此在客流预测的基础上，以旅客列车的客流形态为基准，进行票额预分策略具有一定的可行性。

现有的票额预分策略采用“以下定上”的预分原则，按照乘车站站序由小至大，下车站站序由大至小的顺序进行预分。预分方案依照保证始发、兼顾沿途的原则对列车的各个席别票额进行预分。该预分原则保证了沿途需求较为旺盛的短途客流，减少了对始发票额的冲击。预分流程为铁路集团公司为预分列车公用用途票额设置共用定义、铁路集团公司营销系统分时期自动产生预分方案、预分方案于预售期前两天下发到各铁路局集团公司中心、在预售期前一天凌晨，系统自动将席位进行预分。

旅客列车的客流形态具有一定的不确定性和时变性，因此存在票额预分策略与实际情况不符的可能。研究不确定下的动态票额预分策略是对目前的票额智能预分策略进一步的拓展，对于整个票额分配方案的实际可行性具有重要意义。

使用通过自适应优化算法Adam改进的粒子群算法(Adam-PSO)建立铁路票额预分策略，Adam-PSO算法本身也具有跳出局部最优的能力，可以很好的解决在不确定性和时变性下的客流形态下铁路票额预分策略与实际需求不相符的问题。

发明内容

本发明内容提出了一种基于自适应学习率Adam的粒子群算法(Adam-PSO)铁路票额预分策略，解决在不确定性和时变性下的客流形态下铁路票额预分策略与实际需求不相符的问题。

主要采用以下技术方案：

一种基于自适应学习率粒子群算法的铁路票额预分方法,其特征在于，包括：基于以下目标函数、约束条件以及适应值函数：

目标函数：s_ij为公式(10)客票期望销售量，p_ij为区段(i,j)票价。

约束条件C_max为该线路的最大客运能力，该约束表示线路分配的票额之和不能超过该线路的铁路最大客运能力。

适应值函数使用惩罚函数法将目标函数与约束结合，适应值函数设置如下所示，t为当前的迭代代数。

方法包括：

步骤1、设置最大迭代次数T,粒子数N,粒子维度D。在定义的搜索空间内随机生成N个粒子和粒子速度每个粒子代表一种票额分配方案,为第i个方案分配到第d个区段的票额。n个粒子的随机初始解代表n种不同的随机初始票额分配方案，以此为起点进行迭代寻优。