不确定条件下编组站调度系统配流模型及算法研究
|
摘要
编组站是铁路运输的重要基层生产单位,主要办理货物列车的解体和编组作业,主要功能简单地说就是“生产列车”,也就是将到达车站的各种车流进行分类处理,依据列车编组计划、列车运行图和《技规》的有关要求编组成各种出发列车,并按照运行图或铁路局日(班)计划规定的时刻正点发车,在路网点、线能力协调中还担负着车流、列流调节的作用。
编组站智能调度系统是编组站综合集成自动化系统的重要组成部分,而编组站阶段计划的优化编制又是编组站智能调度系统的关键环节和理论难点。阶段计划的核心问题是确定出发列车的编组内容和车流来源,即配流问题。解决配流问题就是要合理安排列车的解编方案和配流方案,使编组站各项工作平稳、有序地进行,提高运输效率,完成运输任务,并保证整个路网的畅通。配流问题分为动态配流和静态配流两个阶段,动态配流通过制定列车的解编方案,确定列车解编顺序；静态配流则通过确定出发列车具体的编组内容和车流来源得到最终的配流方案。
在编组站调度系统中,存在着各种不确定性,既有信息的不确定(如列车预确报、到达时刻等),也有作业的不确定(如列车到、解、编、发作业),还有换算方面的不确定(如列车编成辆数)。对于阶段计划而言,因时间跨度较短,信息可以认为是确定的,不确定性主要体现在作业时间及列车编成辆数上。在“到、解、编、发”4项作业中,到达和出发技术作业时间又相对稳定,而解体作业和编组作业时间则存在较大的不确定性,其中解体时间的变化又更大一些。为了更加客观、准确的估计列车解、编作业时间,借鉴调度人员的工作经验,分析影响解、编作业时间的各种因素,同时考虑到各站的设备及作业组织方法各有不同,本文以概率论为基础,利用回归分析及参数估计方法来合理估计作业时间。
由于编组站解、编作业时间存在一定的波动性,根据模糊数学理论,将其作为模糊变量对待,用变量的悲观值表示在一定置信水平下的解、编作业时间,以阶段内出发车辆数最大为目标,建立不确定条件下的编组站动态配流模型,并采用近似非确定性树搜索(approximate nondeterministic tree search, ANTS)算法寻找有利的解体方案。该算法是一种利用数学规划思想的ACO算法,通过定义不确定条件下的可解集合、待解集合和选解集合将动态配流问题映射为方案树,保证了时间约束条件。由于改进了蚂蚁系统的选择策略和信息素更新,并在每次转移过程中对模型的约束条件进行判断,提高了解的性能和算法的收敛速度。
在静态配流中,主要的不确定性因素是列车编成辆数的波动。通过构建配流问题的网络模型,设定虚拟到达列车,把出发列车分为可欠轴与不可欠轴两类,将目标函数转化为求最小虚拟到达列车车辆数,将静态配流问题转化为固定费用的产销平衡运输问题。模型的求解应用神经网络算法的思想。在动态配流得到解编方案的基础上,首先对虚拟到达列车赋初值,在计算过程中调用学习规则,并将编组辆数与牵引定数和换长联系起来,保证出发列车满轴,然后计算虚拟到达列车的最小值,进一步确定列车的配流方案。经过逐步迭代求得最优方案,最终完整地解决配流问题。
Marshalling yard is railway's important grass-roots units, mainly handling the break-up and the marshalling of freight trains, and the main function is to simply "production train", that is, all wagon-flow which will arrive at the station are classified, according to the freight train marshalling plan, train diagram and "technical regulation" relevant requirements of making up a variety of departure trains and in accordance with the provision time of train diagram or Daily Plan to punctual departure, and it also charges the regulation effect of wagon-flow and train-flow in coordination of point and line capacity in the railway network.
Marshalling Intelligent Scheduling System is an important part of the Marshalling Integrated Automation System, and then the optimization of stage plan for marshalling yard is the key link and theoretical difficulties of the system. The core problem of stage plan is to decide the marshalling formation and sources of wagon-flow of departure trains that is the wagon-flow allocation problem. It is to arrange the train's break-up and marshalling scheme and allocation problem, making the work of marshalling smooth, orderly, improve transport efficiency and transport tasks,to ensure the smooth of the entire railway network. the wagon-flow allocation problem is divided into dynamic wagon-flow allocation and static wagon-flow allocation. Dynamic wagon-flow allocation determines the order of break up and marshalling and the sources of wagon-flow of departure trains by making in an allocation scheme of break up and marshalling. Static wagon-flow allocation gains an allocation scheme by deciding the marshalling formation and sources of wagon-flow of departure trains.
Scheduling system in the marshalling yard, there are uncertainties, the uncertainty of existing information (such as arrival, break-up, marshalling and departure, etc.), but also job uncertainty (such as train to, solution, code, send jobs) There's uncertainty conversion (such as the number of cargos the train compiled.) For the phase, the short span of time, information that is certain, the uncertainty is mainly reflected in the operating time and number of cargos on the train compiled. In the four operations, that is arrival, break-up, marshalling and departure, Arrival and departure operation time are relatively stable,but break-up and marshalling operation time are greater uncertainty, in which change of break-up operation time is larger. To more objectively and accurately estimate the train operation time, learning from the staff's scheduling experience, analyzing the various uncertain factors of the train operation time and considering the equipment and work stations having different organizational methods. In this papers, basing on probability theory, the use of regression analysis and parameter estimation to a reasonable estimate of operating time.
Providing time of break up and marshalling operation are set as the fuzzy variable according to fuzzy mathematics, under certain confidence level operation time are expressed by pessimistic value of variables, and maximum number of vehicles in a stage plan are set as the target, the model of dynamic wagon-flow allocating under the uncertain condition can be built. And uses Approximate Nondeterministic Tree Search (ANTS) for solution dynamic wagon-flow allocation in the uncertain train operation time. The method is ACO that is one of Mathematical Program, in which time constraints is guaranteed based on defining the possibility break up set, waiting set and choice set to mapping dynamic wagon-flow allocating onto scheme tree. Improved route construction rule and pheromone updating, and the judgment of constraint condition in the process of transfer can enhance the efficiency of solution and convergence speed of the algorithm.
In static wagon-flow allocation, the main uncertainly is the volatility of the number of cargos compiled. The problem of static wagon-flow allocation can be transformed into the problem of balanced transportation of fixed cost by constructing the network model of static wagon-flow allocation. By setting the virtual arriving train and dividing the departure trains into compulsive full axis and optional full axis, the objective function can be transformed into working out the minimum number of virtual arriving train's wagons. Model solved by the use of neural network algorithm. The algorithm gives the initial value to virtual arriving trains firstly, apply the learning rules and contact number of cargos compiled, tonnage rating and equated length of train to guarantee the full axis of departure trains in the process of calculating, and finally work out the minimum virtual arriving trains which is meant to realize the allocation scheme. Optimal solution obtained through the step by step iterative, with the ultimate complete solution to flow problem.
编组站智能调度系统是编组站综合集成自动化系统的重要组成部分,而编组站阶段计划的优化编制又是编组站智能调度系统的关键环节和理论难点。阶段计划的核心问题是确定出发列车的编组内容和车流来源,即配流问题。解决配流问题就是要合理安排列车的解编方案和配流方案,使编组站各项工作平稳、有序地进行,提高运输效率,完成运输任务,并保证整个路网的畅通。配流问题分为动态配流和静态配流两个阶段,动态配流通过制定列车的解编方案,确定列车解编顺序；静态配流则通过确定出发列车具体的编组内容和车流来源得到最终的配流方案。
在编组站调度系统中,存在着各种不确定性,既有信息的不确定(如列车预确报、到达时刻等),也有作业的不确定(如列车到、解、编、发作业),还有换算方面的不确定(如列车编成辆数)。对于阶段计划而言,因时间跨度较短,信息可以认为是确定的,不确定性主要体现在作业时间及列车编成辆数上。在“到、解、编、发”4项作业中,到达和出发技术作业时间又相对稳定,而解体作业和编组作业时间则存在较大的不确定性,其中解体时间的变化又更大一些。为了更加客观、准确的估计列车解、编作业时间,借鉴调度人员的工作经验,分析影响解、编作业时间的各种因素,同时考虑到各站的设备及作业组织方法各有不同,本文以概率论为基础,利用回归分析及参数估计方法来合理估计作业时间。
由于编组站解、编作业时间存在一定的波动性,根据模糊数学理论,将其作为模糊变量对待,用变量的悲观值表示在一定置信水平下的解、编作业时间,以阶段内出发车辆数最大为目标,建立不确定条件下的编组站动态配流模型,并采用近似非确定性树搜索(approximate nondeterministic tree search, ANTS)算法寻找有利的解体方案。该算法是一种利用数学规划思想的ACO算法,通过定义不确定条件下的可解集合、待解集合和选解集合将动态配流问题映射为方案树,保证了时间约束条件。由于改进了蚂蚁系统的选择策略和信息素更新,并在每次转移过程中对模型的约束条件进行判断,提高了解的性能和算法的收敛速度。
在静态配流中,主要的不确定性因素是列车编成辆数的波动。通过构建配流问题的网络模型,设定虚拟到达列车,把出发列车分为可欠轴与不可欠轴两类,将目标函数转化为求最小虚拟到达列车车辆数,将静态配流问题转化为固定费用的产销平衡运输问题。模型的求解应用神经网络算法的思想。在动态配流得到解编方案的基础上,首先对虚拟到达列车赋初值,在计算过程中调用学习规则,并将编组辆数与牵引定数和换长联系起来,保证出发列车满轴,然后计算虚拟到达列车的最小值,进一步确定列车的配流方案。经过逐步迭代求得最优方案,最终完整地解决配流问题。
Marshalling yard is railway's important grass-roots units, mainly handling the break-up and the marshalling of freight trains, and the main function is to simply "production train", that is, all wagon-flow which will arrive at the station are classified, according to the freight train marshalling plan, train diagram and "technical regulation" relevant requirements of making up a variety of departure trains and in accordance with the provision time of train diagram or Daily Plan to punctual departure, and it also charges the regulation effect of wagon-flow and train-flow in coordination of point and line capacity in the railway network.
Marshalling Intelligent Scheduling System is an important part of the Marshalling Integrated Automation System, and then the optimization of stage plan for marshalling yard is the key link and theoretical difficulties of the system. The core problem of stage plan is to decide the marshalling formation and sources of wagon-flow of departure trains that is the wagon-flow allocation problem. It is to arrange the train's break-up and marshalling scheme and allocation problem, making the work of marshalling smooth, orderly, improve transport efficiency and transport tasks,to ensure the smooth of the entire railway network. the wagon-flow allocation problem is divided into dynamic wagon-flow allocation and static wagon-flow allocation. Dynamic wagon-flow allocation determines the order of break up and marshalling and the sources of wagon-flow of departure trains by making in an allocation scheme of break up and marshalling. Static wagon-flow allocation gains an allocation scheme by deciding the marshalling formation and sources of wagon-flow of departure trains.
Scheduling system in the marshalling yard, there are uncertainties, the uncertainty of existing information (such as arrival, break-up, marshalling and departure, etc.), but also job uncertainty (such as train to, solution, code, send jobs) There's uncertainty conversion (such as the number of cargos the train compiled.) For the phase, the short span of time, information that is certain, the uncertainty is mainly reflected in the operating time and number of cargos on the train compiled. In the four operations, that is arrival, break-up, marshalling and departure, Arrival and departure operation time are relatively stable,but break-up and marshalling operation time are greater uncertainty, in which change of break-up operation time is larger. To more objectively and accurately estimate the train operation time, learning from the staff's scheduling experience, analyzing the various uncertain factors of the train operation time and considering the equipment and work stations having different organizational methods. In this papers, basing on probability theory, the use of regression analysis and parameter estimation to a reasonable estimate of operating time.
Providing time of break up and marshalling operation are set as the fuzzy variable according to fuzzy mathematics, under certain confidence level operation time are expressed by pessimistic value of variables, and maximum number of vehicles in a stage plan are set as the target, the model of dynamic wagon-flow allocating under the uncertain condition can be built. And uses Approximate Nondeterministic Tree Search (ANTS) for solution dynamic wagon-flow allocation in the uncertain train operation time. The method is ACO that is one of Mathematical Program, in which time constraints is guaranteed based on defining the possibility break up set, waiting set and choice set to mapping dynamic wagon-flow allocating onto scheme tree. Improved route construction rule and pheromone updating, and the judgment of constraint condition in the process of transfer can enhance the efficiency of solution and convergence speed of the algorithm.
In static wagon-flow allocation, the main uncertainly is the volatility of the number of cargos compiled. The problem of static wagon-flow allocation can be transformed into the problem of balanced transportation of fixed cost by constructing the network model of static wagon-flow allocation. By setting the virtual arriving train and dividing the departure trains into compulsive full axis and optional full axis, the objective function can be transformed into working out the minimum number of virtual arriving train's wagons. Model solved by the use of neural network algorithm. The algorithm gives the initial value to virtual arriving trains firstly, apply the learning rules and contact number of cargos compiled, tonnage rating and equated length of train to guarantee the full axis of departure trains in the process of calculating, and finally work out the minimum virtual arriving trains which is meant to realize the allocation scheme. Optimal solution obtained through the step by step iterative, with the ultimate complete solution to flow problem.
引文
[1]胡思继.铁路行车组织[M].北京：中国铁道出版社,1998.
[2]杨浩,何世伟.铁路运输组织学[M].北京：中国铁道出版社,2004.
[3]彭其渊,王慈光.铁路运输组织学[M].北京：中国铁道出版社,2004.
[4]王慈光.用表上作业法求解编组站配流问题的研究[J].铁道学报.2002,24(4)：1-5.
[5]王明慧,赵强.编组站智能调度系统阶段计划优化模型及算法研究[J].铁道学报.2005,27(6)：1-9.
[6]胡思继.铁路行车组织[M].北京：中国铁道出版社,2009.
[7]郭四海.编组站车号作业组织存在问题及改进方法[J].铁道运输与经济.2002,24(3)：18-19.
[8]马小宁,钟雁,麻克君.基于信息共享的编组站综合自动化系统[J].北京交通大学学报.2004,28(6)：991-103.
[9]郝建青,张仲义,陈滨.基于车辆实时跟踪的编组站综合自动化系统集成方案的研究[J].铁道学报.2000,22(2)：1-5.
[10]吴长厚,陶德高.铁路编组站自动化概述[J].铁道运输与经济.2006,28(2)：6-8.
[11]李德永.铁路编组站综合集成自动化系统[J].铁道运营技术.2009,15(1)：1-3.
[12]朱广劼.编组站综合自动化系统研究[J].减速顶与调速技术.2007,2：11-14.
[13]熊巧.编组站站调IDSSG[J].铁道运输与经济.2004,26(10)：55-57.
[14]杜旭升.编组站综合自动化系统探讨.中国铁道学会.2004年自动化驼峰研讨会论文集.北京,2004：118-121.
[15]赵克俭.基于灰色理论的结构可靠性鉴定的研究[D].天津大学建工学院.2005.
[16]王慈光.编组站列车解体方案的计数方法[J].铁道学报.2000,22(6)：1-7.
[17]薛锋,罗建.编组站能力与运行图能力的动态协调关系[J].铁道运输与经济.2008,30(7)：76-79.
[18]刘宝碇.不确定理论教程[M].北京：清华大学出版社,2005.
[19]徐玖平.多属性决策的理论与方法[M].北京：清华大学出版社,2006.
[20]刘宝碇.不确定规划及应用[M].北京：清华大学出版社,2003.
[21]赵秀恒.不确定性系统理论及其在预测与决策中的应用[M].北京：冶金工业出版社,2010.
[22]石国新.生产调度中不确定因素研究及其定量评价[D].武汉理工大学硕士学位论文,2007.
[23]谢季坚.模糊数学方法及其应用[M].北京：清华大学出版社,2005.
[24]李晶.基于粗糙集理论的电网故障诊断专家系统研究[D].中国电力科学研究院硕士学位论文,2007.
[25]Ammar E., Khalifa H.A. Fuzzy portfolio optimization a quadratic Programming approaeh[J]. Chaos, Solitons and Fractals 2003,18:104-1054.
[26]Bellman R., Zadeh L.A. Decision making in a fuzzy environment[J]. Management Science,1970,17:141-164.
[27]BitranG.R. Linear multiple objective problems with interval coefficient[J]. Management Science,1980,26:694-706.
[28]Chakraborty M., Gupta S. Fuzzy mathematical programming for multi-objective linear fractional Programming Problem[J]. Fuzzy Sets and Systems,2002,125:335-342.
[29]Dubois D., prade H. The mean value of a fuzzy number[J]. Fuzzy Sets and Systems, 1987,24:279-300.
[30]Katagiri H., SakawaM., KatoK. A fuzzy random multi-objective 0-1 Programming based on the expectation optimization model using Possibility and necessary measures[J]. Mathematical and Computer Modeling,2004,40:411-21.
[31]Korner R. on the variance of fuzzy random variables[J]. Fuzzy Sets and Systems,1997, 92:83-93.
[32]邓聚龙.灰色理论教程[M].武汉：华中理工大学出版社,1990.
[33]余鑫.灰色理论在城市道路交通噪声预测中的应用研究[D].武汉科技大学硕士学位论文,2004.
[34]王琦.不确定环境下编组站阶段计划优化研究[D].北京：北京交通大学硕士论文,2010.
[35]孙景冬.车站调度指挥技能模拟实训系统的研究与开发[D].西南交通大学硕士学位论文,2007.
[36]范征.丰台西编组站调度决策支持系统的研究[D].西南交通大学硕士学位论文,1993.
[37]黎浩东.铁路编组站鲁棒性阶段计划编制研究[D].北京交通大学硕士学位论文,2008.
[38]刘重庆.俄罗斯铁路信息化建设[J].中国铁路.2002,(3)：34-36.
[39]徐杰.区段站阶段计划自动编制模型和算法研究[D].西南交通大学博士学位论文,1993.
[40]李文权,王炜,杜文,林治勋.铁路技术站调机运用模型及算法[J].系统工程学报.2000,15(3)
[41]П.C.格伦托夫.车站运营可靠性.陈秀凤,阎长安译[M].中国铁道出版社,1991.
[42]E.A.索尼科夫.编组站工作强化.王鹤鸣译[M].中国铁道出版社,1987.
[43]B.И.巴利奇,B.Φ.戈列恰纽克,И.Г.卡佐夫斯基,B.A.库特拉捷夫.货物运输调整.王鹤鸣,克智,宋建业,梁万荣译[M].中国铁道出版社,1992.
[44]O.Gulboden. Optimal planning of marshalling yard by operation research[J]. PORC, 1963:226-233.
[45]S.C.Misra. Linear programming of empty wagons disposition[J]. Rail International, 1972(3):151-180.
[46]R.S.Mcgaughey. Planning locomotive and car distribution[J]. Rail Int,1973: 1213-1218.
[47]Arjang A. Assad. Modelling of rail networks:Toward a routing make up model[J]. Transportation Research Part B,1980,14(1-2):101-114.
[48]M. A. Turnquist and M. S. Daskin, Queuing models of classification and connection delay in rail yards[J], Transp. Sci., Vol.16,1982,207-230.
[49]S. Yagar, F. F. SaccomannoQ. An efficient sequencing model for humping in a rail yard[J]. Transportation Research Part A,1983,17(4):251-262.
[50]T.Crainic, J.Ferland, J.Rousseav. A tactical planning model for rail freight transportation[J].Trans.Sci.,1984,18:165-183.
[51]M. H. Keaton. Designing optimal railroad operating plans:Lagrangian relaxation and heurist ice approaches[J]. Trans. Res.-B.,1989, (23):415-431.
[52]M. H. Keaton. Designing railroad operating plans:A dual adjustment method for implementing lagrangian relaxation[J]. Trans. Sci.,1992, (26):263-279.
[53]Z.Z.Avramovic. Method for evaluating the strength of retarding steps on a marshaling yard hump[J]. Eur. J. Operational Res.,1995, (85):504-514.
[54]柯契涅夫.铁路行车组织.高家驹,杨明伦等译[M].北京：中国铁道出版社,1985.
[55]David R. Martinelli and Huanliang Teng. Optimization of railway operations using neural networks[J]. Transportation Research Part C,1995,4(1):33-49.
[56]Martin, Paul. Train performance and simulation[J]. Winter Simulation Conference Proceedings v 2 1999. IEEE, Piscataway, NJ, USA. p1287-1294.
[57]Heimburger, Douglas E. Using simple simulation models in operational analysis of rail transit lines:Case study of Boston's Red Line [J]. Transportation Research Record n1677-1999.
[58]Ono, Koji, Nozue, Naotugu, Kotani, Masami, Abe, Yuuko. System for simulating train transportation and an analysis of congestion[J].Quarterly Report of RTRI (Japan) v40 n4 Dec 1999. p219-222.
[59]Cheng,Yu. Hybrid simulation for resolving resource rescheduling[J]. Computers in Industry v 35 n 3 Apr l 1998. p233-246.
[60]陈刚.铁路编组站运营系统动态仿真[D].西南交通大学博士学位论文,2006.
[61]梁建.编组站调度指挥仿真系统[D].西南交通大学硕士学位论文.1997.
[62]李夏苗.现代铁路货物运输组织理论研究[D].北京交通大学博士论文,2002.
[63]薛锋.编组站调度系统配流协同优化理论与方法研究[D].西南交通大学博士论文,2009.
[64]闫海峰.终点站间铁路集装箱运输组织的理论与方法研究[D].西南交通大学博士论文,2004.
[65]刘军.用AI方法编制铁路编组站日班计划的研究[J].北方交通大学学报.1992,17(3)270-276.
[66]曹家明,范征,毛节铭.编组站作业优化决策支持系统[J].铁道学报.1993,15(4)66-73.
[67]钟雁,张全寿.铁路编组站调车作业计划决策支持系统的研究[J].铁道学报.1994,16(4)：76-81.
[68]钟雁.一个基于动态模型的计划决策支持系统[J].北方交通大学学报.1994,18(4)：477-483.
[69]方洪武.计算机编制区段站日计划的研究[D].西南交通大学硕士学位论文.1994.
[70]毛节铭,范征,吕红霞.车站调度决策支持系统[J].铁道运输与经济.1996,4：82-84.
[71]何世伟,宋瑞,朱松年.编组站阶段计划解编作业优化模型及算法[J].铁道学报.1997,19(3)：1-8.
[72]何世伟,宋瑞,朱松年.铁路编组站阶段计划编制的模型及其算法研究[J].系统工程理论与实践.1997,2.88-94.
[73]何世伟.铁路枢纽作业计划的优化编制--编组站作业计划与枢纽日班计划的模型及算法研究[D].西南交通大学博士学位论文,1996.
[74]何世伟,宋瑞,胡安洲.编组站阶段计划刚性与柔性优化的协调研究[J].铁道学报.1999,21(4)：1-8.
[75]何世伟,宋瑞,杨浩.列车提速对编组站运营工作的影响研究[J].铁道学报.2000,22(5)：6-12.
[76]吕红霞.技术站调度决策支持系统的研究—到发线的合理使用[D].西南交通大学硕士学位论文,1994.
[77]吕红霞,何大可,陈韬.基于蚁群算法的客运站到发线运用计划编制方法[J].西南交通大学学报.2008,29(2)：153-158.
[78]吕红霞,倪少权,纪红叶.技术站调度决策支持系统的研究——到发线的合理使用[J].西南交通大学学报.2000,35(3)：255-258.
[79]彭越.用计算机编制车站阶段计划[D].西南交通大学硕士学位论文,1997.
[80]段继达.计算机实现铁路车站班计划自动编制的研究[D].西南交通大学硕士学位论文,1997.
[81]段继达.车站班计划的自动编制[J].铁道运营技术.2000,6(3)：99-101.
[82]青学江,马国忠.遗传算法在区段站到发线的应用研究[J].西南交通大学学报.1998,33(4)：387-393.
[83]杨平.计算机辅助实现编制车站班计划和阶段计划的探讨[J].铁道运输与经济.1998,9：25-29.
[84]王慈光.车站技术作业整体统筹模型.铁道运输与经济[J].1996,(4)：71-74.
[85]王慈光.编组站静态配流网络模型[J].交通运输工程与信息学报.2003,(2)：1-7.
[86]王慈光.编组站动态配流模型与算法研究[J].铁道学报.2004,26(1)：1-7.
[87]王慈光.运输模型及优化[M].中国铁道出版社,2004.
[88]袁庆达,杜文,黎青松.区段站阶段计划的优化模型和算法[J].西南交通大学学报.2000,35(3)：250-254
[89]牛惠民,胡安洲.双向编组站系统作业分工的优化模型及算法[J].中国科学(E辑).1998,28(4)：378-384.
[90]牛惠民,胡安洲.双向编组站折角车流优化的模型和算法[J].北方交通大学学报.1998,22(6)：38-42.
[91]牛惠民,胡安洲.双向编组站车流接续的综合优化[J].铁道学报.1998,20(6)：16-21.
[92]牛惠民.铁路枢纽编组站作业分工整体优化的研究[D].北方交通大学博士学位论文,1999.
[93]牛惠民.双向编组站列车调度调整的优化模型及算法[J].中国铁道科学.2007,28(6)：102-108.
[94]邓小瑜,宋建业.铁路编组站日班计划计算机编制的研究[J].兰州铁道学院学报.2000,19(4)：105-109.
[95]邓小瑜.编组站日班计划智能编制理论和方法的研究[D].兰州铁道学院硕士学位论文.1999.
[96]李文权.铁路区段站日工作计划优化模型及其算法的研究[D].西南交通大学博士学位论文.1997.
[97]李文权,王炜,杜文等.铁路技术站调机运用模型及算法[J].系统工程学报.2000,15(1)：38-43.
[98]李文权,王炜,程世辉.铁路编组站到发线运用的排序模型和算法[J].系统工程理论与实践.2000,6：75-78.
[99]蒋熙,苗建瑞,于勇等.基于高层体系结构的铁路编组站综合仿真系统研究[J].系统仿真学报.2002,14(4)：481-484.
[100]崔叙,熊天文.编组站阶段计划IDSS的车流推算方法研究[J].铁路计算机应用.2002,(11)：24-26.
[101]徐杰.区段站阶段计划自动编制模型和算法研究[D].西南交通大学博士学位论文,2003.
[102]徐杰,杜文,李宗平等.基于模拟退火算法和图着色的调车机车安排研究[J].铁道学报.2003,25(3)：24-30.
[103]徐杰,杜文,常均乾等.基于遗传算法的区段站到发线运用优化安排[J].中国铁道科学.2003,24(2)：109-114.
[104]乐逸祥,周磊山.通用铁路大站技术作业仿真模型和方法的研究[J].系统仿真学报.2003,15(12)：1787-1790.
[105]乐逸祥.基于网络协作模式的编组站车站调度方法的研究[D].北京交通大学博士学位论文,2006.
[106]刘强华.编组站作业大表自动生成系统的设计与实现[J].铁路计算机应用.2003,12(9)12-14.
[107]张宇.基于CIM思想的编组站综合自动化系统—编组站作业自动化CIMS的研究[D].北方交通大学博士学位论文,2000.
[108]常军乾,倪少权,安冬.编组站阶段计划编制系统的智能控制方法[J].铁路计算机应用.2001,(5)：8-10.
[109]郭莉,吕红霞,陈焕云.基于遗传算法的铁路车站到发线运用优化研究[J].西南民族大学学报.2005,31(1)：28-31.
[110]尉成荣,袁在兵.编组站技术作业大表自动生成系统的设计与实现[J].铁路技术创新.2004,(2)：7-9.
[111]赵海宁,韩锋,周航.利用微机铺画编组站技术作业大表的实践[J].铁道运输与经济.2004,26(6)：55-57.
[112]王莹,刘军.车站调度作业计划仿真建模的研究[J].铁路计算机应用.2005,14(9)：1-4.
[113]王明慧,赵强.编组站智能调度系统阶段计划优化模型及算法研究[J].铁道学报.2005,27(6)：1-9.
[114]王明慧.编组站智能调度系统YIDS体系框架与关键技术优化理论研究[D].西南交通大学博士学位论文,2007.
[115]王世东,郑力,张智海等.蚁群算法在调机运用计划中的应用[J].中国铁道科学.2007,28(3)：104-108.
[116]王世东,郑力,张智海等.编组站阶段计划自动编制的数学模型及算法[J].中国铁道科学.2008,29(2)：120-124.
[117]王振宏,崔炳谋,许广辉.基于不确定理论和混合智能算法的调车机车运用研究[J].铁道运输与经济.2006,28(12)：87-89.
[118]王正彬,杜文.铁路技术站到发线运用调整模型及算法[J].西南交通大学学报.2006,41(2)：202-205.
[119]王正彬,杜文,吴柏青等.基于解编顺序的阶段计划车流推算模型及算法[J].西南交通大学学报.2008,43(1)：91-95.
[120]王正彬.区段站阶段计划调整模型与算法研究[J].西南交通大学博士学位论文,2007.
[121]李磊,崔炳谋.基于混合算法的编组站到发线模型算法研究[J].交通运输工程与信息学报.2008,6(1)：86-90.
[122]李磊.计算机辅助编制阶段计划的研究[J].兰州交通大学硕士学位论文,2006.
[123]薛锋,王慈光.编组站列车编组顺序的调整方法[J].铁道学报.2007,29(4)：1-5.
[124]薛锋,王慈光,罗建等.编组站列车解体方案与编组方案的协调优化研究[J].铁道学报.2008,30(2)：1-6.
[125]薛锋,王慈光,罗建.双向编组站静态配流的优化[J].西南交通大学学报.2008, 43(2)：159-164.
[126]薛锋,罗建.编组站能力与运行图能力的动态协调关系[J].铁道运输与经济.2008,30(7)：76-79.
[127]薛锋,王慈光.编组站配流相关问题分析[J].交通运输工程与信息学报.2008,6(4)：29-33.
[128]陈伯羽.铁路编组场线路固定使用方案优选方法研究[J].铁道科学与工程学报,2006,3(6)：80-82
[129]崔炳谋,马钧培,张朴.编组站进路调度优化算法[J].中国铁道科学.2007,28(2)：100-104.
[130]崔炳谋.编组站阶段计划编制系统几个问题的研究[J].兰州铁道学院学报.1996,15(2)：64-68.
[131]崔炳谋.铁路枢纽编组站分工优化数学模型及其应用的研究[J].兰州铁道学院硕士学位论文,]991.
[132]刘霆,何世伟,王保华等.编组站调度计划随机机会约束规划模型及算法研究[J].铁道学报.2007,29(4)：12-17
[133]黎浩东.铁路编组站鲁棒性阶段计划编制研究[D].北京交通大学硕士学位论文,2008.
[134]黎浩东,何世伟,宋瑞,郑铿.编组站阶段计划随机相关机会规划模型及算法[J].交通运输系统工程与信息,2010,10(1)：128-133.
[135]胡兴宇.编组站作业计划优化编制若干问题研究[D].北京交通大学硕士学位论文,2008.
[136]陈刚.铁路编组站运营系统动态仿真[D].西南交通大学博士学位论文,2006.
[137]郝建青,张仲义,陈滨.基于车辆实时跟踪的编组站综合自动化系统集成方案的研究[J].铁道学报.2000,22(2)：1-6.
[138]郝建青.集成环境中编组站信息系统开发理论与优化方法研究[D].北方交通大学博士学位论文,2000.
[139]凌熙.多方向铁路编组站货车到达与集结规律研究[D].北京交通大学硕士学位论文,2006.
[140]宋光明.铁路双向编组站阶段调整计划优化方法研究[D].北京：北京交通大学硕士论文,2010.
[141]王小东.铁路双向编组站配流问题的研究[D].兰州：兰州交通大学硕士论文,2009.
[142]孙琦,周磊山,乐逸祥等.编组站到解系统匹配与协调关系动态仿真分析[J].系统仿真学报.2007,19(5)：3595-3608.
[143]张王行.集成环境中编组站信息系统优化方法研究[D].西南交通大学硕士学位论文.2001.
[144]代科建.编组站系统结构分析及能力协调研究[D].西南交通大学硕士学位论文,2004.
[145]郭寒英.编组站工作可靠性研究[D].西南交通大学硕士学位论文.2003
[146]陈亮.编组站解体和编组子系统工作可靠性研究[D].成都：西南交通大学硕士论文,2007.
[147]唐睿.编组站能力协调[D].成都：西南交通大学硕士论文,2009.
[148]王相平,李博,杨文韬等.编组站办理车数和改编车数计算方法的思考[J].交通科技与经济.2008,50(6)：106-107.
[149]杜艳平,陈光伟,孙健.车站班计划和阶段计划计算机编制方法的研究[J].铁路计算机应用.2004,13(7)：1-3.
[150]杨平.计算机辅助实现编制车站班计划和阶段计划的探讨[J].铁道运输与经济1998,(9)：25-29.
[151]石雨.成都北编组站综合管理系统的研究[J].铁路通信信号工程.2004,3：5-8.
[152]申永生,何世伟,王保华,穆美如.免疫算法求解编组站阶段计划配流问题研究[J].铁道学报,2009,31(4)：1-6.
[153]荆世明,吴健波.铁路编组站车流配流问题研究[J].铁道运输与经济.2008,30(1)：83-86.
[154]严余松.智能铁路系统枢纽车流调度决策与小运转列车组织模型及算法研究[D].成都：西南交通大学,2000.
[155]严余松,朱松年.铁路枢纽车流调度决策模型研究[J].铁道学报,2001,23(1)：9-12
[156]薛锋,王慈光,杨运贵.驼峰解体能力影响因素与时间标准的确定[J].铁道运输与经济.2000,29(7)：46-48.
[157]刘虎兴,汤百华.编组站解体作业过程溜放钩车时隔控制的分析与研究[J].中国铁道科学.1999,20(3)45-51.
[158]肖小科,宋建业.编组站空车解体效率的模糊综合评价[J].铁道运输与经济.2007,29(7)52-54.
[159]周富臣.常用数理统计方法及应用实例[M].北京.中国计量出版社.2006,252-258.
[160]冯力.回归分析方法原理及SPSS实际操作[M].北京.中国金融出版社,2004.
[161]杨永发.概率论与数理统计教程[M].天津.南开大学出版社.2000,310-330.
[162]吴青娥.不确定信息处理理论、方法及其应用[M].武汉：华中科技大学,2006.
[163]曹炳元.应用模糊数学与系统[M].北京.科学出版社.2005,1-9.
[164]彭祖赠.模糊数学及其应用[M].武汉：武汉大学出版社,2009.
[165]冯林,王国胤.用于数据分析的变精度模糊粗糙模型[J].西南交通大学学报.2008,43(5)582-587.
[166]郑时德.编组站作业仿真及系统优化[M].北京：中国铁道出版社,1996.
[167]盛岩德,董红斌.哈铁分局列车预确报管理信息系统设计与实现[J].哈尔滨师范大学自然科学学报.2000,16(6)：54-58.
[168]张鹤年.确报管理信息系统[J].网络时代.2000,4：30-31.
[169]赵海宽.关于TMIS货物列车确报系统管理问题初探[J].铁道运输与经济.1999.11,30-31.
[170]赵海宽.关于货物列车确报系统管理问题初探[J].铁道运输与经济.1999,(11)：30-31.
[171]邓聚龙.灰预测与灰决策[M].武汉：华中科技大学出版社,2002.
[172]李登峰.模糊多目标多人决策与对策[M].北京：国防工业出版社,2003.
[173]李夏苗,邹毅峰,胡思继.技术站列车出发策略的经济性分析[J].中国铁道科学.2001,22(2)：79-87.
[174]孟润虎.编组站列车解编协调优化相关问题研究[D].成都：西南交通大学硕士论文,2007.
[175]景云,王慈光,薛锋,牟峰.编组站列车溜放时间的估计方法[J].西南交通大学学报.2009,44(6)：900-905.
[176]郑耀明.编制编组站班计划的方法[J].铁道运营技术.2000,6.
[177]刘彦虎.铁路调车作业计划编制模型与算法研究[D].北京交通大学硕士学位论文,2007.
[178]史峰,陈彦,秦进,周文梁.铁路客运站到发线运用和接发车进路排列方案综合优化[J].中国铁道科学,2009,30(6)：108—113.
[179]方丽君.基于蚁群算法的交通分配模型研究.河海大学硕士学位论文,2006.
[180]DorigoM, Gambardella L M. Ant Colonies for the Traveling Salesman Problem[D]. BioSystems,1997,43:73-81.
[181]陈东庆.蚁群算法在军事物流配送中的应用[D].大连理工大学硕士学位论文,2005.
[182]丁秋雷.带有时间窗的车辆径路问题的混合蚁群算法研究[D].大连理工大学硕士学位论文,2005.
[183]DorigoM. Optimization Learning and Natural Algorithms[D]. Ph.D. Thesis. Department of Electronics, Politecnico diMilano, Italy,1992.
[184]闫博.基于蚁群算法的集装箱港口选择与网络均衡分析[D].大连理工大学硕士学位论文,2008.
[185]兰世海.改进蚁群算法研究及其在车辆调度中的应用[D].东华大学硕士学位论文,2007.
[186]王超学.遗传算法和蚁群算法及其在TSP问题和配电网重构问题中的应用研究[D].西安理工大学博士学位论文,2008.
[187]马良.蚁群优化算法[M].北京：科学出版社,2008.
[188]D.E.Jaekson, M.Holeombe, F.L.W.Rainieks, Trail geometry gives Polarity to ant for aging networks[J]. Nature,2004.432(7019):P.907-909.
[189]M. Dorigo, C. Blum. Ant colony optimization theory:A survey[J]. Theoretical Computer Science,2005.344:P.243-278.
[190]R. Pitakaso, C. AlmedeT, K. F. Doerner, et al. A MAX-MIN ant system for unconstrained multi-level lot-sizing Problems[J].Computers and Operations Research, 2007.34(9):P.2533-2552.
[191]P.S. Shelokar, V.K. Jayararnan, B.D. Kulkarni. An ant colony classifier system: application to some proeess engineering problems[J].Computer and Chemical Engineering,2004.28(9):P.1577-1584.
[192]YF.Han, P.F.Shi. An improved ant colony algorithm for fuzzy clustering in image segmentation[J]. Neurocomputing,2007.70(4-6):P.665-671.
[193]陈东庆.蚁群算法在军事物流配送中的应用研究[D].大连理工大学硕士学位论文,2005.
[194]张维存.蚁群粒子群混合优化算法及应用[D].天津大学博士学位论文,2007.
[195]Stutzle T., Dorigo M., A short convergence proof for a class of ant colony optimization algorithms [J], IEEE Transactions on Evolutionary Computation,2002,6(4):358-365.
[196]高尚.群智能算法及其应用[M].北京：中国水利水电出版社,2006.
[197]黄席樾.现代智能算法理论及应用[M].北京：科学出版社,2009.
[198]梁艳春.群智能优化算法理论与应用[M].北京：科学出版社,2009.
[199]Dorigo M, Gambardella L M. Ant Colony system:a CooPerative Learning Approach to the Traveling Salesman Problem[J]. IEEE Transactions on Evolutionary Computation,1997,1(1):53-66.
[200]Dorigo M, Maniezzo V, Colorni A, Ant system:optimization by a colony of cooperating agents[J], IEEE Transaction on Systems, Man, and Cybernetics Part B,1996,26(1):29-41.
[201]冯登超.蚁群算法与小波网络在复杂性科学中的应用研究[D].天津大学博士学位论文,2008.
[202]闻育.复杂多阶段动态决策的蚁群优化方法及其在交通系统控制中的应用[D].浙江大学博士学位论文,2004.
[203]刘彦鹏.蚁群算法的理论研究及其应用[D].浙江大学博士学位论文,2007.
[204]Vittorio Maniezzo, Antonella Carbonaro. An ANTS heuristic for the frequency assignment problem[J]. Future Generation Computer Systems.16 (2000) 927-935.
[205]段海滨.蚁群算法原理及其应用[M].北京：科学出版社,2005.
[206]陈岩.蚁群优化理论在无人机战术控制中的应用研究[D].国防科技大学博士学位论文,2007.
[207]薛云.基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D].中南大学博士学位论文,2007.
[208]李士勇.蚁群算法及其应用[M].哈尔滨：哈尔滨工业大学出版社,2004.
[209]Inoue M, Fukushima S. A Neural Network of Chaotic Oscillators[J]. Progress Theoretical Physics.1992,87(3):771-774P.
[210]Hubert Y. Chan. Chaotic neural fuzzy associative memory [J]. International Journal of Bifurcation and Chaos.1999,9(8):1597-1617P.
[211]Yun Jing, Ciguang Wang, Zongping Li, Feng Xue. Model and Algorithm of Dynamic Wagon-flow Allocation on Uncertainty Conditions [C].2009 Second International Symposium on Computational Intelligence and Design, changsha, china, Dec,2009,1554-557
[212]景云,王慈光.不确定条件下编组站动态配流模型及算法研究[J].铁道学报.2010,32(4)：8-12.
[213]谢金星.网络优化[M].北京：清华大学出版社,2009.
[214]M Nielen, M H S pigt, K Maatje. Detecting mastitis, with a neural network using electrical conductivity data[J]. Proceedings of the International Symposium on Prospects for Automatic milking,1992,370-376.
[215]Moon, Young B., Divers, C. Kenneth, Kim, Hyune-Ju AEWS:an integrated knowledge-based system with neural networks for reliability prediction Source[J]. Computers in Industry v 35 n 2 Mar 1998. P 101-108.
[216]Ledoux Corinne. An Urban Traffic Flow Model Integration Neural Networks[J]. Transportation Research,1997,50 (5).
[217]Larry R. Medsker. Hybrid Neural Network and Expert System[J]. Kluwer Academic Publisher, U.S.A.,1994.
[218]Ne jadgholi I, Seyyedsalehi S A. Nonlinear normalization of input patterns to speaker variability in speech recognition neural net works [J]. Neural Computing&APplieations,2009,18(1):45-55.
[219]Abdulhamit Subasi. Automatic detection of epileptic seizure using dynamic fuzzy networks[J]. Expert Systems with Applications.2006,31:320-328P.
[220]敖长林.基于人工神经网络的拖拉机使用可靠性研究[D],东北农业大学博士学位论文,2000.
[221]韩力群.人工神经网络理论.设计及应用[M].北京：化学工业出版社,2007.
[222]姚晓晓.蚁群神经网络在运动负荷预测中的应用研究[D].中国海洋大学硕士论文,2008.
[223]Y. Becerikli, Neuro-Optimal Control. [D]:Ph.D. of Sakarya University. Sakalya, Turkey,1998.
[224]田景文.人工神经网络算法研究及应用[M].北京：北京理工大学出版社,2006.
[225]J.B.Theoeharis. A high-order recurrent neuron-fuzzy system internal dynamies: Applieation to the adaptive cancellation[J]. Fuzzy Sets and Systems.2006, 157:471-500P.
[226]Orre R, Lansner A, Bate A, et al. Bayesian neural networks with confidence estimations applied to data mining [J]. Computational Statisties&Data Analysis,2000, 34(4):473-493.
[227]Liu Puyin. Max-min fuzzy Hopfield neural net works and an efficient learning algorithm[J]. Fuzzy Sets and Systems.1998,10(1).
[228]景云,王慈光,王如义,唐建桥.运用学习规则求解编组站静态配流问题的研究[J].铁道运输与经济.2010,32(1)：22-26.
[229]杨纶标.模糊数学原理及应用[M].武汉：华南理工大学出版社,2006.
[2]杨浩,何世伟.铁路运输组织学[M].北京：中国铁道出版社,2004.
[3]彭其渊,王慈光.铁路运输组织学[M].北京：中国铁道出版社,2004.
[4]王慈光.用表上作业法求解编组站配流问题的研究[J].铁道学报.2002,24(4)：1-5.
[5]王明慧,赵强.编组站智能调度系统阶段计划优化模型及算法研究[J].铁道学报.2005,27(6)：1-9.
[6]胡思继.铁路行车组织[M].北京：中国铁道出版社,2009.
[7]郭四海.编组站车号作业组织存在问题及改进方法[J].铁道运输与经济.2002,24(3)：18-19.
[8]马小宁,钟雁,麻克君.基于信息共享的编组站综合自动化系统[J].北京交通大学学报.2004,28(6)：991-103.
[9]郝建青,张仲义,陈滨.基于车辆实时跟踪的编组站综合自动化系统集成方案的研究[J].铁道学报.2000,22(2)：1-5.
[10]吴长厚,陶德高.铁路编组站自动化概述[J].铁道运输与经济.2006,28(2)：6-8.
[11]李德永.铁路编组站综合集成自动化系统[J].铁道运营技术.2009,15(1)：1-3.
[12]朱广劼.编组站综合自动化系统研究[J].减速顶与调速技术.2007,2：11-14.
[13]熊巧.编组站站调IDSSG[J].铁道运输与经济.2004,26(10)：55-57.
[14]杜旭升.编组站综合自动化系统探讨.中国铁道学会.2004年自动化驼峰研讨会论文集.北京,2004：118-121.
[15]赵克俭.基于灰色理论的结构可靠性鉴定的研究[D].天津大学建工学院.2005.
[16]王慈光.编组站列车解体方案的计数方法[J].铁道学报.2000,22(6)：1-7.
[17]薛锋,罗建.编组站能力与运行图能力的动态协调关系[J].铁道运输与经济.2008,30(7)：76-79.
[18]刘宝碇.不确定理论教程[M].北京：清华大学出版社,2005.
[19]徐玖平.多属性决策的理论与方法[M].北京：清华大学出版社,2006.
[20]刘宝碇.不确定规划及应用[M].北京：清华大学出版社,2003.
[21]赵秀恒.不确定性系统理论及其在预测与决策中的应用[M].北京：冶金工业出版社,2010.
[22]石国新.生产调度中不确定因素研究及其定量评价[D].武汉理工大学硕士学位论文,2007.
[23]谢季坚.模糊数学方法及其应用[M].北京：清华大学出版社,2005.
[24]李晶.基于粗糙集理论的电网故障诊断专家系统研究[D].中国电力科学研究院硕士学位论文,2007.
[25]Ammar E., Khalifa H.A. Fuzzy portfolio optimization a quadratic Programming approaeh[J]. Chaos, Solitons and Fractals 2003,18:104-1054.
[26]Bellman R., Zadeh L.A. Decision making in a fuzzy environment[J]. Management Science,1970,17:141-164.
[27]BitranG.R. Linear multiple objective problems with interval coefficient[J]. Management Science,1980,26:694-706.
[28]Chakraborty M., Gupta S. Fuzzy mathematical programming for multi-objective linear fractional Programming Problem[J]. Fuzzy Sets and Systems,2002,125:335-342.
[29]Dubois D., prade H. The mean value of a fuzzy number[J]. Fuzzy Sets and Systems, 1987,24:279-300.
[30]Katagiri H., SakawaM., KatoK. A fuzzy random multi-objective 0-1 Programming based on the expectation optimization model using Possibility and necessary measures[J]. Mathematical and Computer Modeling,2004,40:411-21.
[31]Korner R. on the variance of fuzzy random variables[J]. Fuzzy Sets and Systems,1997, 92:83-93.
[32]邓聚龙.灰色理论教程[M].武汉：华中理工大学出版社,1990.
[33]余鑫.灰色理论在城市道路交通噪声预测中的应用研究[D].武汉科技大学硕士学位论文,2004.
[34]王琦.不确定环境下编组站阶段计划优化研究[D].北京：北京交通大学硕士论文,2010.
[35]孙景冬.车站调度指挥技能模拟实训系统的研究与开发[D].西南交通大学硕士学位论文,2007.
[36]范征.丰台西编组站调度决策支持系统的研究[D].西南交通大学硕士学位论文,1993.
[37]黎浩东.铁路编组站鲁棒性阶段计划编制研究[D].北京交通大学硕士学位论文,2008.
[38]刘重庆.俄罗斯铁路信息化建设[J].中国铁路.2002,(3)：34-36.
[39]徐杰.区段站阶段计划自动编制模型和算法研究[D].西南交通大学博士学位论文,1993.
[40]李文权,王炜,杜文,林治勋.铁路技术站调机运用模型及算法[J].系统工程学报.2000,15(3)
[41]П.C.格伦托夫.车站运营可靠性.陈秀凤,阎长安译[M].中国铁道出版社,1991.
[42]E.A.索尼科夫.编组站工作强化.王鹤鸣译[M].中国铁道出版社,1987.
[43]B.И.巴利奇,B.Φ.戈列恰纽克,И.Г.卡佐夫斯基,B.A.库特拉捷夫.货物运输调整.王鹤鸣,克智,宋建业,梁万荣译[M].中国铁道出版社,1992.
[44]O.Gulboden. Optimal planning of marshalling yard by operation research[J]. PORC, 1963:226-233.
[45]S.C.Misra. Linear programming of empty wagons disposition[J]. Rail International, 1972(3):151-180.
[46]R.S.Mcgaughey. Planning locomotive and car distribution[J]. Rail Int,1973: 1213-1218.
[47]Arjang A. Assad. Modelling of rail networks:Toward a routing make up model[J]. Transportation Research Part B,1980,14(1-2):101-114.
[48]M. A. Turnquist and M. S. Daskin, Queuing models of classification and connection delay in rail yards[J], Transp. Sci., Vol.16,1982,207-230.
[49]S. Yagar, F. F. SaccomannoQ. An efficient sequencing model for humping in a rail yard[J]. Transportation Research Part A,1983,17(4):251-262.
[50]T.Crainic, J.Ferland, J.Rousseav. A tactical planning model for rail freight transportation[J].Trans.Sci.,1984,18:165-183.
[51]M. H. Keaton. Designing optimal railroad operating plans:Lagrangian relaxation and heurist ice approaches[J]. Trans. Res.-B.,1989, (23):415-431.
[52]M. H. Keaton. Designing railroad operating plans:A dual adjustment method for implementing lagrangian relaxation[J]. Trans. Sci.,1992, (26):263-279.
[53]Z.Z.Avramovic. Method for evaluating the strength of retarding steps on a marshaling yard hump[J]. Eur. J. Operational Res.,1995, (85):504-514.
[54]柯契涅夫.铁路行车组织.高家驹,杨明伦等译[M].北京：中国铁道出版社,1985.
[55]David R. Martinelli and Huanliang Teng. Optimization of railway operations using neural networks[J]. Transportation Research Part C,1995,4(1):33-49.
[56]Martin, Paul. Train performance and simulation[J]. Winter Simulation Conference Proceedings v 2 1999. IEEE, Piscataway, NJ, USA. p1287-1294.
[57]Heimburger, Douglas E. Using simple simulation models in operational analysis of rail transit lines:Case study of Boston's Red Line [J]. Transportation Research Record n1677-1999.
[58]Ono, Koji, Nozue, Naotugu, Kotani, Masami, Abe, Yuuko. System for simulating train transportation and an analysis of congestion[J].Quarterly Report of RTRI (Japan) v40 n4 Dec 1999. p219-222.
[59]Cheng,Yu. Hybrid simulation for resolving resource rescheduling[J]. Computers in Industry v 35 n 3 Apr l 1998. p233-246.
[60]陈刚.铁路编组站运营系统动态仿真[D].西南交通大学博士学位论文,2006.
[61]梁建.编组站调度指挥仿真系统[D].西南交通大学硕士学位论文.1997.
[62]李夏苗.现代铁路货物运输组织理论研究[D].北京交通大学博士论文,2002.
[63]薛锋.编组站调度系统配流协同优化理论与方法研究[D].西南交通大学博士论文,2009.
[64]闫海峰.终点站间铁路集装箱运输组织的理论与方法研究[D].西南交通大学博士论文,2004.
[65]刘军.用AI方法编制铁路编组站日班计划的研究[J].北方交通大学学报.1992,17(3)270-276.
[66]曹家明,范征,毛节铭.编组站作业优化决策支持系统[J].铁道学报.1993,15(4)66-73.
[67]钟雁,张全寿.铁路编组站调车作业计划决策支持系统的研究[J].铁道学报.1994,16(4)：76-81.
[68]钟雁.一个基于动态模型的计划决策支持系统[J].北方交通大学学报.1994,18(4)：477-483.
[69]方洪武.计算机编制区段站日计划的研究[D].西南交通大学硕士学位论文.1994.
[70]毛节铭,范征,吕红霞.车站调度决策支持系统[J].铁道运输与经济.1996,4：82-84.
[71]何世伟,宋瑞,朱松年.编组站阶段计划解编作业优化模型及算法[J].铁道学报.1997,19(3)：1-8.
[72]何世伟,宋瑞,朱松年.铁路编组站阶段计划编制的模型及其算法研究[J].系统工程理论与实践.1997,2.88-94.
[73]何世伟.铁路枢纽作业计划的优化编制--编组站作业计划与枢纽日班计划的模型及算法研究[D].西南交通大学博士学位论文,1996.
[74]何世伟,宋瑞,胡安洲.编组站阶段计划刚性与柔性优化的协调研究[J].铁道学报.1999,21(4)：1-8.
[75]何世伟,宋瑞,杨浩.列车提速对编组站运营工作的影响研究[J].铁道学报.2000,22(5)：6-12.
[76]吕红霞.技术站调度决策支持系统的研究—到发线的合理使用[D].西南交通大学硕士学位论文,1994.
[77]吕红霞,何大可,陈韬.基于蚁群算法的客运站到发线运用计划编制方法[J].西南交通大学学报.2008,29(2)：153-158.
[78]吕红霞,倪少权,纪红叶.技术站调度决策支持系统的研究——到发线的合理使用[J].西南交通大学学报.2000,35(3)：255-258.
[79]彭越.用计算机编制车站阶段计划[D].西南交通大学硕士学位论文,1997.
[80]段继达.计算机实现铁路车站班计划自动编制的研究[D].西南交通大学硕士学位论文,1997.
[81]段继达.车站班计划的自动编制[J].铁道运营技术.2000,6(3)：99-101.
[82]青学江,马国忠.遗传算法在区段站到发线的应用研究[J].西南交通大学学报.1998,33(4)：387-393.
[83]杨平.计算机辅助实现编制车站班计划和阶段计划的探讨[J].铁道运输与经济.1998,9：25-29.
[84]王慈光.车站技术作业整体统筹模型.铁道运输与经济[J].1996,(4)：71-74.
[85]王慈光.编组站静态配流网络模型[J].交通运输工程与信息学报.2003,(2)：1-7.
[86]王慈光.编组站动态配流模型与算法研究[J].铁道学报.2004,26(1)：1-7.
[87]王慈光.运输模型及优化[M].中国铁道出版社,2004.
[88]袁庆达,杜文,黎青松.区段站阶段计划的优化模型和算法[J].西南交通大学学报.2000,35(3)：250-254
[89]牛惠民,胡安洲.双向编组站系统作业分工的优化模型及算法[J].中国科学(E辑).1998,28(4)：378-384.
[90]牛惠民,胡安洲.双向编组站折角车流优化的模型和算法[J].北方交通大学学报.1998,22(6)：38-42.
[91]牛惠民,胡安洲.双向编组站车流接续的综合优化[J].铁道学报.1998,20(6)：16-21.
[92]牛惠民.铁路枢纽编组站作业分工整体优化的研究[D].北方交通大学博士学位论文,1999.
[93]牛惠民.双向编组站列车调度调整的优化模型及算法[J].中国铁道科学.2007,28(6)：102-108.
[94]邓小瑜,宋建业.铁路编组站日班计划计算机编制的研究[J].兰州铁道学院学报.2000,19(4)：105-109.
[95]邓小瑜.编组站日班计划智能编制理论和方法的研究[D].兰州铁道学院硕士学位论文.1999.
[96]李文权.铁路区段站日工作计划优化模型及其算法的研究[D].西南交通大学博士学位论文.1997.
[97]李文权,王炜,杜文等.铁路技术站调机运用模型及算法[J].系统工程学报.2000,15(1)：38-43.
[98]李文权,王炜,程世辉.铁路编组站到发线运用的排序模型和算法[J].系统工程理论与实践.2000,6：75-78.
[99]蒋熙,苗建瑞,于勇等.基于高层体系结构的铁路编组站综合仿真系统研究[J].系统仿真学报.2002,14(4)：481-484.
[100]崔叙,熊天文.编组站阶段计划IDSS的车流推算方法研究[J].铁路计算机应用.2002,(11)：24-26.
[101]徐杰.区段站阶段计划自动编制模型和算法研究[D].西南交通大学博士学位论文,2003.
[102]徐杰,杜文,李宗平等.基于模拟退火算法和图着色的调车机车安排研究[J].铁道学报.2003,25(3)：24-30.
[103]徐杰,杜文,常均乾等.基于遗传算法的区段站到发线运用优化安排[J].中国铁道科学.2003,24(2)：109-114.
[104]乐逸祥,周磊山.通用铁路大站技术作业仿真模型和方法的研究[J].系统仿真学报.2003,15(12)：1787-1790.
[105]乐逸祥.基于网络协作模式的编组站车站调度方法的研究[D].北京交通大学博士学位论文,2006.
[106]刘强华.编组站作业大表自动生成系统的设计与实现[J].铁路计算机应用.2003,12(9)12-14.
[107]张宇.基于CIM思想的编组站综合自动化系统—编组站作业自动化CIMS的研究[D].北方交通大学博士学位论文,2000.
[108]常军乾,倪少权,安冬.编组站阶段计划编制系统的智能控制方法[J].铁路计算机应用.2001,(5)：8-10.
[109]郭莉,吕红霞,陈焕云.基于遗传算法的铁路车站到发线运用优化研究[J].西南民族大学学报.2005,31(1)：28-31.
[110]尉成荣,袁在兵.编组站技术作业大表自动生成系统的设计与实现[J].铁路技术创新.2004,(2)：7-9.
[111]赵海宁,韩锋,周航.利用微机铺画编组站技术作业大表的实践[J].铁道运输与经济.2004,26(6)：55-57.
[112]王莹,刘军.车站调度作业计划仿真建模的研究[J].铁路计算机应用.2005,14(9)：1-4.
[113]王明慧,赵强.编组站智能调度系统阶段计划优化模型及算法研究[J].铁道学报.2005,27(6)：1-9.
[114]王明慧.编组站智能调度系统YIDS体系框架与关键技术优化理论研究[D].西南交通大学博士学位论文,2007.
[115]王世东,郑力,张智海等.蚁群算法在调机运用计划中的应用[J].中国铁道科学.2007,28(3)：104-108.
[116]王世东,郑力,张智海等.编组站阶段计划自动编制的数学模型及算法[J].中国铁道科学.2008,29(2)：120-124.
[117]王振宏,崔炳谋,许广辉.基于不确定理论和混合智能算法的调车机车运用研究[J].铁道运输与经济.2006,28(12)：87-89.
[118]王正彬,杜文.铁路技术站到发线运用调整模型及算法[J].西南交通大学学报.2006,41(2)：202-205.
[119]王正彬,杜文,吴柏青等.基于解编顺序的阶段计划车流推算模型及算法[J].西南交通大学学报.2008,43(1)：91-95.
[120]王正彬.区段站阶段计划调整模型与算法研究[J].西南交通大学博士学位论文,2007.
[121]李磊,崔炳谋.基于混合算法的编组站到发线模型算法研究[J].交通运输工程与信息学报.2008,6(1)：86-90.
[122]李磊.计算机辅助编制阶段计划的研究[J].兰州交通大学硕士学位论文,2006.
[123]薛锋,王慈光.编组站列车编组顺序的调整方法[J].铁道学报.2007,29(4)：1-5.
[124]薛锋,王慈光,罗建等.编组站列车解体方案与编组方案的协调优化研究[J].铁道学报.2008,30(2)：1-6.
[125]薛锋,王慈光,罗建.双向编组站静态配流的优化[J].西南交通大学学报.2008, 43(2)：159-164.
[126]薛锋,罗建.编组站能力与运行图能力的动态协调关系[J].铁道运输与经济.2008,30(7)：76-79.
[127]薛锋,王慈光.编组站配流相关问题分析[J].交通运输工程与信息学报.2008,6(4)：29-33.
[128]陈伯羽.铁路编组场线路固定使用方案优选方法研究[J].铁道科学与工程学报,2006,3(6)：80-82
[129]崔炳谋,马钧培,张朴.编组站进路调度优化算法[J].中国铁道科学.2007,28(2)：100-104.
[130]崔炳谋.编组站阶段计划编制系统几个问题的研究[J].兰州铁道学院学报.1996,15(2)：64-68.
[131]崔炳谋.铁路枢纽编组站分工优化数学模型及其应用的研究[J].兰州铁道学院硕士学位论文,]991.
[132]刘霆,何世伟,王保华等.编组站调度计划随机机会约束规划模型及算法研究[J].铁道学报.2007,29(4)：12-17
[133]黎浩东.铁路编组站鲁棒性阶段计划编制研究[D].北京交通大学硕士学位论文,2008.
[134]黎浩东,何世伟,宋瑞,郑铿.编组站阶段计划随机相关机会规划模型及算法[J].交通运输系统工程与信息,2010,10(1)：128-133.
[135]胡兴宇.编组站作业计划优化编制若干问题研究[D].北京交通大学硕士学位论文,2008.
[136]陈刚.铁路编组站运营系统动态仿真[D].西南交通大学博士学位论文,2006.
[137]郝建青,张仲义,陈滨.基于车辆实时跟踪的编组站综合自动化系统集成方案的研究[J].铁道学报.2000,22(2)：1-6.
[138]郝建青.集成环境中编组站信息系统开发理论与优化方法研究[D].北方交通大学博士学位论文,2000.
[139]凌熙.多方向铁路编组站货车到达与集结规律研究[D].北京交通大学硕士学位论文,2006.
[140]宋光明.铁路双向编组站阶段调整计划优化方法研究[D].北京：北京交通大学硕士论文,2010.
[141]王小东.铁路双向编组站配流问题的研究[D].兰州：兰州交通大学硕士论文,2009.
[142]孙琦,周磊山,乐逸祥等.编组站到解系统匹配与协调关系动态仿真分析[J].系统仿真学报.2007,19(5)：3595-3608.
[143]张王行.集成环境中编组站信息系统优化方法研究[D].西南交通大学硕士学位论文.2001.
[144]代科建.编组站系统结构分析及能力协调研究[D].西南交通大学硕士学位论文,2004.
[145]郭寒英.编组站工作可靠性研究[D].西南交通大学硕士学位论文.2003
[146]陈亮.编组站解体和编组子系统工作可靠性研究[D].成都：西南交通大学硕士论文,2007.
[147]唐睿.编组站能力协调[D].成都：西南交通大学硕士论文,2009.
[148]王相平,李博,杨文韬等.编组站办理车数和改编车数计算方法的思考[J].交通科技与经济.2008,50(6)：106-107.
[149]杜艳平,陈光伟,孙健.车站班计划和阶段计划计算机编制方法的研究[J].铁路计算机应用.2004,13(7)：1-3.
[150]杨平.计算机辅助实现编制车站班计划和阶段计划的探讨[J].铁道运输与经济1998,(9)：25-29.
[151]石雨.成都北编组站综合管理系统的研究[J].铁路通信信号工程.2004,3：5-8.
[152]申永生,何世伟,王保华,穆美如.免疫算法求解编组站阶段计划配流问题研究[J].铁道学报,2009,31(4)：1-6.
[153]荆世明,吴健波.铁路编组站车流配流问题研究[J].铁道运输与经济.2008,30(1)：83-86.
[154]严余松.智能铁路系统枢纽车流调度决策与小运转列车组织模型及算法研究[D].成都：西南交通大学,2000.
[155]严余松,朱松年.铁路枢纽车流调度决策模型研究[J].铁道学报,2001,23(1)：9-12
[156]薛锋,王慈光,杨运贵.驼峰解体能力影响因素与时间标准的确定[J].铁道运输与经济.2000,29(7)：46-48.
[157]刘虎兴,汤百华.编组站解体作业过程溜放钩车时隔控制的分析与研究[J].中国铁道科学.1999,20(3)45-51.
[158]肖小科,宋建业.编组站空车解体效率的模糊综合评价[J].铁道运输与经济.2007,29(7)52-54.
[159]周富臣.常用数理统计方法及应用实例[M].北京.中国计量出版社.2006,252-258.
[160]冯力.回归分析方法原理及SPSS实际操作[M].北京.中国金融出版社,2004.
[161]杨永发.概率论与数理统计教程[M].天津.南开大学出版社.2000,310-330.
[162]吴青娥.不确定信息处理理论、方法及其应用[M].武汉：华中科技大学,2006.
[163]曹炳元.应用模糊数学与系统[M].北京.科学出版社.2005,1-9.
[164]彭祖赠.模糊数学及其应用[M].武汉：武汉大学出版社,2009.
[165]冯林,王国胤.用于数据分析的变精度模糊粗糙模型[J].西南交通大学学报.2008,43(5)582-587.
[166]郑时德.编组站作业仿真及系统优化[M].北京：中国铁道出版社,1996.
[167]盛岩德,董红斌.哈铁分局列车预确报管理信息系统设计与实现[J].哈尔滨师范大学自然科学学报.2000,16(6)：54-58.
[168]张鹤年.确报管理信息系统[J].网络时代.2000,4：30-31.
[169]赵海宽.关于TMIS货物列车确报系统管理问题初探[J].铁道运输与经济.1999.11,30-31.
[170]赵海宽.关于货物列车确报系统管理问题初探[J].铁道运输与经济.1999,(11)：30-31.
[171]邓聚龙.灰预测与灰决策[M].武汉：华中科技大学出版社,2002.
[172]李登峰.模糊多目标多人决策与对策[M].北京：国防工业出版社,2003.
[173]李夏苗,邹毅峰,胡思继.技术站列车出发策略的经济性分析[J].中国铁道科学.2001,22(2)：79-87.
[174]孟润虎.编组站列车解编协调优化相关问题研究[D].成都：西南交通大学硕士论文,2007.
[175]景云,王慈光,薛锋,牟峰.编组站列车溜放时间的估计方法[J].西南交通大学学报.2009,44(6)：900-905.
[176]郑耀明.编制编组站班计划的方法[J].铁道运营技术.2000,6.
[177]刘彦虎.铁路调车作业计划编制模型与算法研究[D].北京交通大学硕士学位论文,2007.
[178]史峰,陈彦,秦进,周文梁.铁路客运站到发线运用和接发车进路排列方案综合优化[J].中国铁道科学,2009,30(6)：108—113.
[179]方丽君.基于蚁群算法的交通分配模型研究.河海大学硕士学位论文,2006.
[180]DorigoM, Gambardella L M. Ant Colonies for the Traveling Salesman Problem[D]. BioSystems,1997,43:73-81.
[181]陈东庆.蚁群算法在军事物流配送中的应用[D].大连理工大学硕士学位论文,2005.
[182]丁秋雷.带有时间窗的车辆径路问题的混合蚁群算法研究[D].大连理工大学硕士学位论文,2005.
[183]DorigoM. Optimization Learning and Natural Algorithms[D]. Ph.D. Thesis. Department of Electronics, Politecnico diMilano, Italy,1992.
[184]闫博.基于蚁群算法的集装箱港口选择与网络均衡分析[D].大连理工大学硕士学位论文,2008.
[185]兰世海.改进蚁群算法研究及其在车辆调度中的应用[D].东华大学硕士学位论文,2007.
[186]王超学.遗传算法和蚁群算法及其在TSP问题和配电网重构问题中的应用研究[D].西安理工大学博士学位论文,2008.
[187]马良.蚁群优化算法[M].北京：科学出版社,2008.
[188]D.E.Jaekson, M.Holeombe, F.L.W.Rainieks, Trail geometry gives Polarity to ant for aging networks[J]. Nature,2004.432(7019):P.907-909.
[189]M. Dorigo, C. Blum. Ant colony optimization theory:A survey[J]. Theoretical Computer Science,2005.344:P.243-278.
[190]R. Pitakaso, C. AlmedeT, K. F. Doerner, et al. A MAX-MIN ant system for unconstrained multi-level lot-sizing Problems[J].Computers and Operations Research, 2007.34(9):P.2533-2552.
[191]P.S. Shelokar, V.K. Jayararnan, B.D. Kulkarni. An ant colony classifier system: application to some proeess engineering problems[J].Computer and Chemical Engineering,2004.28(9):P.1577-1584.
[192]YF.Han, P.F.Shi. An improved ant colony algorithm for fuzzy clustering in image segmentation[J]. Neurocomputing,2007.70(4-6):P.665-671.
[193]陈东庆.蚁群算法在军事物流配送中的应用研究[D].大连理工大学硕士学位论文,2005.
[194]张维存.蚁群粒子群混合优化算法及应用[D].天津大学博士学位论文,2007.
[195]Stutzle T., Dorigo M., A short convergence proof for a class of ant colony optimization algorithms [J], IEEE Transactions on Evolutionary Computation,2002,6(4):358-365.
[196]高尚.群智能算法及其应用[M].北京：中国水利水电出版社,2006.
[197]黄席樾.现代智能算法理论及应用[M].北京：科学出版社,2009.
[198]梁艳春.群智能优化算法理论与应用[M].北京：科学出版社,2009.
[199]Dorigo M, Gambardella L M. Ant Colony system:a CooPerative Learning Approach to the Traveling Salesman Problem[J]. IEEE Transactions on Evolutionary Computation,1997,1(1):53-66.
[200]Dorigo M, Maniezzo V, Colorni A, Ant system:optimization by a colony of cooperating agents[J], IEEE Transaction on Systems, Man, and Cybernetics Part B,1996,26(1):29-41.
[201]冯登超.蚁群算法与小波网络在复杂性科学中的应用研究[D].天津大学博士学位论文,2008.
[202]闻育.复杂多阶段动态决策的蚁群优化方法及其在交通系统控制中的应用[D].浙江大学博士学位论文,2004.
[203]刘彦鹏.蚁群算法的理论研究及其应用[D].浙江大学博士学位论文,2007.
[204]Vittorio Maniezzo, Antonella Carbonaro. An ANTS heuristic for the frequency assignment problem[J]. Future Generation Computer Systems.16 (2000) 927-935.
[205]段海滨.蚁群算法原理及其应用[M].北京：科学出版社,2005.
[206]陈岩.蚁群优化理论在无人机战术控制中的应用研究[D].国防科技大学博士学位论文,2007.
[207]薛云.基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D].中南大学博士学位论文,2007.
[208]李士勇.蚁群算法及其应用[M].哈尔滨：哈尔滨工业大学出版社,2004.
[209]Inoue M, Fukushima S. A Neural Network of Chaotic Oscillators[J]. Progress Theoretical Physics.1992,87(3):771-774P.
[210]Hubert Y. Chan. Chaotic neural fuzzy associative memory [J]. International Journal of Bifurcation and Chaos.1999,9(8):1597-1617P.
[211]Yun Jing, Ciguang Wang, Zongping Li, Feng Xue. Model and Algorithm of Dynamic Wagon-flow Allocation on Uncertainty Conditions [C].2009 Second International Symposium on Computational Intelligence and Design, changsha, china, Dec,2009,1554-557
[212]景云,王慈光.不确定条件下编组站动态配流模型及算法研究[J].铁道学报.2010,32(4)：8-12.
[213]谢金星.网络优化[M].北京：清华大学出版社,2009.
[214]M Nielen, M H S pigt, K Maatje. Detecting mastitis, with a neural network using electrical conductivity data[J]. Proceedings of the International Symposium on Prospects for Automatic milking,1992,370-376.
[215]Moon, Young B., Divers, C. Kenneth, Kim, Hyune-Ju AEWS:an integrated knowledge-based system with neural networks for reliability prediction Source[J]. Computers in Industry v 35 n 2 Mar 1998. P 101-108.
[216]Ledoux Corinne. An Urban Traffic Flow Model Integration Neural Networks[J]. Transportation Research,1997,50 (5).
[217]Larry R. Medsker. Hybrid Neural Network and Expert System[J]. Kluwer Academic Publisher, U.S.A.,1994.
[218]Ne jadgholi I, Seyyedsalehi S A. Nonlinear normalization of input patterns to speaker variability in speech recognition neural net works [J]. Neural Computing&APplieations,2009,18(1):45-55.
[219]Abdulhamit Subasi. Automatic detection of epileptic seizure using dynamic fuzzy networks[J]. Expert Systems with Applications.2006,31:320-328P.
[220]敖长林.基于人工神经网络的拖拉机使用可靠性研究[D],东北农业大学博士学位论文,2000.
[221]韩力群.人工神经网络理论.设计及应用[M].北京：化学工业出版社,2007.
[222]姚晓晓.蚁群神经网络在运动负荷预测中的应用研究[D].中国海洋大学硕士论文,2008.
[223]Y. Becerikli, Neuro-Optimal Control. [D]:Ph.D. of Sakarya University. Sakalya, Turkey,1998.
[224]田景文.人工神经网络算法研究及应用[M].北京：北京理工大学出版社,2006.
[225]J.B.Theoeharis. A high-order recurrent neuron-fuzzy system internal dynamies: Applieation to the adaptive cancellation[J]. Fuzzy Sets and Systems.2006, 157:471-500P.
[226]Orre R, Lansner A, Bate A, et al. Bayesian neural networks with confidence estimations applied to data mining [J]. Computational Statisties&Data Analysis,2000, 34(4):473-493.
[227]Liu Puyin. Max-min fuzzy Hopfield neural net works and an efficient learning algorithm[J]. Fuzzy Sets and Systems.1998,10(1).
[228]景云,王慈光,王如义,唐建桥.运用学习规则求解编组站静态配流问题的研究[J].铁道运输与经济.2010,32(1)：22-26.
[229]杨纶标.模糊数学原理及应用[M].武汉：华南理工大学出版社,2006.