<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[《控制与决策》编辑部 -->自动驾驶与智能交通系统专栏]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种基于改进冲突搜索的多机器人路径规划算法]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230516]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对智能仓储环境下多载位自主移动机器人集群拣选-配送路径规划问题,提出一种改进型基于冲突搜索的多智能体路径规划算法.在模型方面,采用多载位机器人替代KIVA机器人,建立以最小化拣选-配送时间以及无效路径比为目标的数学规划模型.在算法方面,首先,提出一种基于优先级规则的多智能体冲突消解加速策略;然后,设计基于动态规划的单机器人拣选序列优化算法;最后,设计考虑转向惩罚的增强A*算法搜索机器人最优路径.实验结果表明:所提出模型与KIVA系统相比有较大优越性;所提出算法能够有效缩短拣选-配送时间、减少无效路径时间.]]></description>
<pubDate>2023/4/18 10:30:14</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[张洪琳，吴耀华，胡金昌，张健]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230516]]></guid><cfi:id>15</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[二阶智能体的分布式非光滑资源分配算法]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230517]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[分布式资源分配问题旨在满足局部约束下完成一定量资源分配的同时使全局成本函数最小.首先,针对无向连通网络下二阶积分器型线性智能体系统,结合Karush-Kuhn-Tucker条件,提出一种初始值任意的分布式优化算法,其中,全局等式约束对偶变量实现比例积分控制,局部凸函数不等式约束对偶变量实现自动获取.当全局成本函数为非光滑凸函数时,借助集值LaSalle不变性原理理论证明所提出算法渐近收敛到全局最优解.其次,将所提出算法推广至无向连通网络下参数未知的Euler-Lagrange多智能体系统.当全局成本函数为非光滑凸函数时,借助Barbalat引理理论证明所提出算法渐近收敛到全局最优解.最后,通过数值仿真验证了所提算法的有效性.]]></description>
<pubDate>2023/4/18 10:30:14</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[时侠圣，孙佳月，徐磊，杨涛]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230517]]></guid><cfi:id>14</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[二阶多智能体系统包含控制的时滞范围优化]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230518]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[研究具有未知时滞的二阶多智能体系统的鲁棒包含控制问题,考虑智能体之间同时具有通信延时和自延时,分别在无向拓扑和有向拓扑通信下,获得多智能体系统保持鲁棒包含控制所能允许的最大时滞范围.借助函数的凸分析和非线性规划方法解析地获得了无向图下包含控制所允许的最大时滞范围.对于有向图,通过遗传算法求解非光滑的优化问题获得最大时滞范围的数值解,同时结果可退化为领导-跟随控制所能获得的最大时滞范围.最后,通过仿真例子验证所提出理论和算法的有效性.]]></description>
<pubDate>2023/4/18 10:30:14</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[李瑶珀，马丹]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230518]]></guid><cfi:id>13</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于自组织劳动分工的边云协同任务调度与资源缓存算法]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230519]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对边缘计算环境中,边缘设备的计算和存储资源有限的问题,探讨高效的边云协同任务调度和资源缓存策略,研究自组织劳动分工群智能算法模型机理,并以此为基础,提出基于蜂群劳动分工“激发-抑制”模型的边云协同任务调度算法(edge cloud collaborative task scheduling algorithm based on bee colony labor division \textquoteleft activator-inhibitor' model,ECCTS-BCLDAI)和基于蚁群劳动分工“刺激-响应”模型的边云协同资源缓存算法(edge cloud collaborative resource caching algorithm based on ant colony labor division \textquoteleft stimulus-response' model, ECCRC-ACLDSR).仿真实验结果表明:所提出的ECCTS-BCLDAI任务调度算法在降低平均任务执行时长、减少边云协同费用上相较于传统算法有更好的表现;所提出的ECCRC-ACLDSR资源缓存算法在降低任务平均时长、优化网络带宽占用率、减少边云协同费用上相较于传统算法更具有优越性.]]></description>
<pubDate>2023/4/18 10:30:14</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[赵璞，肖人彬]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230519]]></guid><cfi:id>12</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[通信随机时滞条件下基于分布式模型预测的AUV编队控制]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230520]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[考虑水声通信随机时滞条件下AUV编队协同控制问题,提出一种基于分布式模型预测的AUV编队控制方法.首先,通过所设计的随机时滞通信同步策略,将异步状态信息转换为同步状态信息;然后,结合虚拟轨迹、状态预测、控制约束以及编队内AUV状态信息描述协同编队代价函数,将其引入局部滚动时域优化,实现编队控制目标,并利用李雅普诺夫理论验证编队控制器的稳定性;最后,将所提出方法与现有编队控制方法进行对比仿真,仿真结果验证了其有效性.]]></description>
<pubDate>2023/4/18 10:30:14</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[徐博，王朝阳，王潇雨，沈浩]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230520]]></guid><cfi:id>11</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向突发故障的分布式多无人机任务重规划方法]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230521]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对分布式多无人机系统执行任务时发生故障的情况,提出一种面向故障的任务重规划方法.首先,依据分布式架构,考虑通信延迟约束,建立多无人机系统遭遇故障时的局部任务重规划问题模型,设计故障无人机、健康无人机的重规划框架.依此框架,考虑无人机调度时所需的空间、时间资源,根据故障后的无人机通信拓扑,制定子系统划分规则;然后,根据子系统内在线无人机与待执行任务间的映射关系,提出基于收益动态调整规则和一致性协调规则的拍卖算法,实现针对不同情况的任务重分配;最后,考虑任务重分配与航迹重规划间的耦合关系,在任务重分配阶段引入RRT*算法预估的航迹代价,使得分配结果更合理.仿真结果表明,在考虑实际环境中无人机会发生故障的情况,该方法能够有效完成任务重规划.]]></description>
<pubDate>2023/4/18 10:30:14</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[周文惠，齐瑞云，姜斌]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230521]]></guid><cfi:id>10</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[有界扰动下异质车辆队列分布式鲁棒经济预测控制]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230522]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对有界扰动下异质车辆队列节能与稳定分布式协同控制问题,提出一种新的分布式鲁棒经济模型预测控制(economic model predictive control,EMPC)策略.首先采用不确定误差模型描述有界扰动下异质车辆队列纵向行驶动态特性,再应用tube思想对系统约束进行紧缩设计,补偿有界扰动对系统造成的不确定性.其次,采用局部车辆行驶能耗模型描述车辆队列分布式经济性能优化的有限时域最优控制问题,并利用传统跟踪性能指标设计附加稳定收缩约束函数.进一步,基于系统收缩原理,建立车辆队列闭环系统关于有界扰动的输入-状态稳定性条件.最后,通过与车辆队列传统分布式鲁棒模型预测控制策略的数值仿真对比结果验证了所提出策略的有效性和优越性.]]></description>
<pubDate>2023/4/18 10:30:14</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[穆建彬，冯阳辉，何德峰]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230522]]></guid><cfi:id>9</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于多智能体深度强化学习的船舶协同避碰策略]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230523]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[船舶避碰是智能航行中首要解决的问题,多船会遇局面下,只有相互协作,共同规划避碰策略,才能有效降低碰撞风险.为使船舶智能避碰策略具有协同性、安全性和实用性,提出一种基于多智能体深度强化学习的船舶协同避碰决策方法.首先,研究船舶会遇局面辨识方法,设计满足《国际海上避碰规则》的多船避碰策略.其次,研究多船舶智能体合作方式,构建多船舶智能体协同避碰决策模型:利用注意力推理方法提取有助于避碰决策的关键数据;设计记忆驱动的经验学习方法,有效积累交互经验;引入噪音网络和多头注意力机制,增强船舶智能体决策探索能力.最后,分别在实验地图与真实海图上,对多船会遇场景进行仿真实验.结果表明,在协同性和安全性方面,相较于多个对比方法,所提出的避碰策略均能获得具有竞争力的结果,且满足实用性要求,从而为提高船舶智能航行水平和保障航行安全提供一种新的解决方案.]]></description>
<pubDate>2023/4/18 10:30:14</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[隋丽蓉，高曙，何伟]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230523]]></guid><cfi:id>8</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[揭示生物集群系统内部信息耦合机制的深度网络模型]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230524]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[生物集群在自然界中广泛存在,如鱼群、鸟群、兽群等,这些集群通过内部的信息耦合能涌现出有序的协同行为.但是,集群内部交互复杂、情况多变,导致微观层面的行为分析还缺乏行之有效的标准工具.对此,以鱼群运动数据为研究对象,借助图注意力网络对鱼群中的单体行为进行自动化建模,目的是提炼出适于复杂系统分析的通用网络工具.首先将单体的感知信息映射到高维状态空间,然后生成软注意力数值以表征单体之间的交互强度,再对所生成的软注意力数值规范化,所得规范结果既可作为多邻居信息耦合的关键指标,又可通过解码器将所抽取的注意力信息稀疏解耦为运动决策.实验结果表明:所生成的注意力数值不但能揭示群体内部的信息耦合关系,还能进一步对隐藏交互强度可视化,从而为鱼群的视觉交互理论提供新的科学证据.所提出分析工具拥有信息耦合可解释、交互强度可显现、系统规模可缩放、状态偏移可泛化等优良特性,有望发展成为复杂系统解耦分析的标准范式,在社会行为分析、机器人集群控制以及智能交通系统安全性评价等方面具有潜在的应用价值.]]></description>
<pubDate>2023/4/18 10:30:14</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[刘磊，黄景然，赵佳佳，黄宇玲，高岩]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230524]]></guid><cfi:id>7</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[事件触发间歇通讯下多智能体系统的固定时间分布式优化]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230525]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对多智能体系统的分布式优化问题,提出一种新的事件触发非周期间歇通讯控制方法,并研究该控制方法下系统的固定时间收敛性.首先,考虑一类更一般的分布式优化问题,其优化目标是局部目标函数的凸组合.其次,为了减少控制过程中智能体之间的通讯花费,设计一种新的事件触发间歇控制协议.通过引入两个辅助动力系统,并运用固定时间稳定性理论、代数图论和不等式放缩技巧,证明智能体的状态在固定时间内达到一致并渐近收敛到优化问题的最优解.结合事件触发条件以及间歇控制机制,排除控制过程中的Zeno行为.最后,通过数值仿真验证所得结论的有效性.]]></description>
<pubDate>2023/4/18 10:30:14</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[杨菲阳，于志永，蒋海军，黄达]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230525]]></guid><cfi:id>6</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于主动风险防御机制的多机器人强化学习协同对抗策略]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230526]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[深度强化学习因其在多机器人系统中的高效表现,已经成为多机器人领域的研究热点.然而,当遭遇连续时变、风险未知的非结构场景时,传统方法暴露出风险防御能力差、系统安全性能脆弱的问题,未知风险将以对抗攻击的形式给多机器人的状态空间带来非线性入侵.针对这一问题,提出一种基于主动风险防御机制的多机器人强化学习方法(APMARL).首先,基于局部可观察马尔可夫博弈模型,建立多机记忆池共享的风险判别机制,通过构建风险状态指数提前预测当前行为的安全性,并根据风险预测结果自适应执行与之匹配的风险处理模式;特别地,针对有风险侵入的非安全状态,提出基于增强型注意力机制的Actor-Critic主动防御网络架构,实现对重点信息的分级增强和危险信息的有效防御.最后,通过广泛的多机协作对抗任务实验表明,具有主动风险防御机制的强化学习策略可以有效降低敌对信息的入侵风险,提高多机器人协同对抗任务的执行效率,增强策略的稳定性和安全性.]]></description>
<pubDate>2023/4/18 10:30:14</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[孙辉辉，胡春鹤，张军国]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/20230526]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于深度强化学习的自动驾驶行为决策研究综述]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0441]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[自动驾驶行为决策是车辆实现智能化的核心技术, 深度强化学习(DRL)因其环境交互特性和端到端决策优势在该领域展现出显著潜力. 鉴于此, 通过多维度分析, 系统梳理基于DRL的自动驾驶行为决策的研究内容和发展趋势: 首先, 回顾行为决策的发展历程, 并分析DRL在自动驾驶中的应用趋势; 然后, 提出“状态-动作-奖励-策略-评价”五维框架, 分析算法要素与跟驰、换道等驾驶任务的映射关系; 接着, 结合匝道合流、交叉口和施工区等典型场景, 剖析DRL在不确定性环境中的应用方案; 最后, 指出多车协同、长尾事件及可解释性等挑战, 并提出未来研究方向. 研究表明: 技术上, DRL算法选择与优化日趋多元化, 模型向多模态、轻量化发展; 应用上, 决策范式正从单车智能向车路云协同升级, 从功能实现向人性化交互进化, 突破现有技术“算法创新-硬件加速-法规适配”的协同演进路径.]]></description>
<pubDate>2026/1/17 14:28:41</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[王云泽，孙宇，骆中斌，张春波]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0441]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[自动驾驶车辆轨迹跟踪非线性鲁棒控制方法]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0040]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了提高自动驾驶车辆轨迹跟踪控制精度与鲁棒性, 提出基于车辆误差动力学模型的自动驾驶车辆轨迹跟踪非线性鲁棒控制方法. 在车辆运动学模型和非线性车辆动力学模型的基础上, 构建车辆误差动力学模型; 从理论上推导二阶系统的非线性鲁棒控制器设计方法, 并利用李亚普洛夫稳定性理论证明其正确性; 以此为基础设计基于车辆误差动力学模型的自动驾驶车辆轨迹跟踪非线性鲁棒控制器, 并通过仿真验证所提出方法的有效性. 仿真结果表明, 非线性鲁棒控制器可有效提高轨迹跟踪控制精度, 削弱系统参数不确定性引起的控制抖动和控制精度不高的问题, 且可有效减弱测量噪声对轨迹跟踪的影响.]]></description>
<pubDate>2026/1/17 14:28:41</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[李学鋆，汪怡平，苏楚奇，张镇涛，黄晋]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0040]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[考虑轮胎侧偏刚度的自适应PFC车辆路径跟踪控制]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0367]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对轮胎侧向力非线性变化导致车辆动力学模型失准, 进而影响路径跟踪性能的问题, 将变侧偏刚度参数引入预测函数控制框架, 提出一种自适应预测函数控制算法(APFC). 分析轮胎侧向力的非线性特性对轮胎侧偏刚度的影响, 建立基于平方根容积卡尔曼滤波的轮胎侧向力实时估计器, 设计一种考虑真实轮胎侧向力变化实时修改轮胎侧偏刚度的自适应调节策略. 利用Simulink和CarSim联合仿真实验和实车试验对所提出策略进行验证. 仿真结果表明: 在高/低附着双移线工况下, 横向位置偏差均方根值较模型预测控制(MPC)策略分别降低19.43%和31.67%; 在高附着大曲率工况下横向位置偏差均方根值较MPC控制策略降低37.89%. 实车试验结果表明: APFC控制策略较MPC控制策略平均计算时间缩短54.09%, 横向位置偏差均方根值较MPC控制策略降低38.23%.]]></description>
<pubDate>2026/1/17 14:28:42</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[寇发荣，谢伟华，吕庚毅，宋阳阳]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0367]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[综合负载均衡下市域-城轨贯通运营开行方案优化]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0646]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对市域铁路与城市轨道交通贯通运营中系统负载不均衡与多制式协同不足问题, 提出一种基于“区间-全网”两维综合负载均衡的多编组列车开行方案, 旨在实现局部区间与全网整体负载均衡的协同优化. 构建以乘客出行成本、企业运营成本及综合负载均衡度最优为目标, 考虑贯通列车折返能力、可用车辆数等约束的多目标优化模型. 针对模型特征, 设计结合变邻域搜索机制与分层扰动策略的自适应变邻域麻雀搜索算法. 运用算例验证模型与算法的有效性, 结果表明, 与贯通短编组、贯通长编组及换乘多编组模型相比, 贯通多编组模型在降低乘客与企业成本的同时, 可提升区间-全网综合负载均衡性; 与麻雀搜索算法和粒子群算法相比, 所提出算法在求解质量上分别提高3.37%和6.98%, 计算效率更优, 可为多制式轨道交通贯通运营的列车调度优化提供参考.]]></description>
<pubDate>2026/1/17 14:28:42</pubDate>
<category><![CDATA[自动驾驶与智能交通系统专栏]]></category>
<author><![CDATA[杨雯雯，孟学雷，韩立刚，方立海，付艳欣，康茜，王保灵]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0646]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>