公开(公告)号：CN116796915B

公开(公告)日：2024-01-12

申请号：CN202310416630.6

申请日：2023-04-18

Applicant: 中南大学

Inventor： 缪鹍 ,  张璐 ,  周启航

IPC: G06F30/27 ,  G06F17/18 ,  G06F18/214 ,  G06F30/13 ,  G06Q10/047 ,  G06Q50/40

Abstract: 本发明公开了一种基于Kriging代理模型的铁路三维选线优化方法。通过改进拉丁超立方取样法，引入最大最小距离约束，提高了取样样本点的均匀性，提出了混合最劣点加点准则，加快了Kriging代理模型构建速度，引入智能优化算法进行Kriging代理模型参数的求解，构建出了适用于铁路三维选线的Kriging代理模型，将该模型应用到线路设计中。

公开(公告)号：CN114861368B

公开(公告)日：2023-09-12

申请号：CN202210659378.7

申请日：2022-06-13

Applicant: 中南大学

Inventor： 缪鹍 ,  戴炎林 ,  况卫 ,  周启航 ,  肖智 ,  王介源

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/04 ,  G06N3/084

Abstract: 本发明公开了一种基于近端策略的铁路纵断面设计学习模型的构建方法，涉及深度强化学习理论在铁路智能选线领域的应用，是一种基于近端策略算法(Proximal Policy Optimization，PPO)的铁路纵断面方案智能设计方法。发明构建了基于近端策略优化的铁路纵断面设计学习模型，结合铁路纵断面切割线模型以及深度强化学习理论，定义了切割线模型中的状态向量、动作向量，利用奖励函数处理了铁路纵断面设计中的各种约束，同时给出了铁路纵断面成本奖励函数的形式。自动优化后的纵断面方案能综合考虑工程费用和运营环境，较好地绕避障碍物和适应地形，为工程设计人员提供前期设计参考。

公开(公告)号：CN113554467B

公开(公告)日：2022-07-22

申请号：CN202110848678.5

申请日：2021-07-26

Applicant: 中南大学

Inventor： 缪鹍 ,  周启航 ,  冯倩 ,  戴炎林 ,  李洵贻 ,  李挺

IPC: G06F30/17 ,  G06F30/27 ,  G06Q30/02 ,  G06Q10/04 ,  G06F16/29 ,  G06N3/00 ,  G06F111/04

Abstract: 本发明公开了一种基于协同进化的铁路三维线形智能设计方法，首先建立两个三维线形设计目标函数，依据铁路的线路等级、平面和纵断面的约束条件、单价费用，采用协同进化差分算法对基于ArcGIS平台的三维线形的平面交点数量和参数、纵断面变坡点数量和参数同时进行求解，实现铁路三维线形的智能设计；利用本智能设计方法的三维线形能综合考虑工程费用和运营费用，较好地绕避障碍物和适应地形，为工程设计人员提供前期设计参考。

公开(公告)号：CN116796915A

公开(公告)日：2023-09-22

申请号：CN202310416630.6

申请日：2023-04-18

Applicant: 中南大学

Inventor： 缪鹍 ,  张璐 ,  周启航

IPC: G06Q10/047 ,  G06F17/18 ,  G06F18/214 ,  G06Q50/26

Abstract: 本发明公开了一种基于Kriging代理模型的铁路三维选线优化方法。通过改进拉丁超立方取样法，引入最大最小距离约束，提高了取样样本点的均匀性，提出了混合最劣点加点准则，加快了Kriging代理模型构建速度，引入智能优化算法进行Kriging代理模型参数的求解，构建出了适用于铁路三维选线的Kriging代理模型，将该模型应用到线路设计中。

公开(公告)号：CN114861368A

公开(公告)日：2022-08-05

申请号：CN202210659378.7

申请日：2022-06-13

Applicant: 中南大学

Inventor： 缪鹍 ,  戴炎林 ,  况卫 ,  周启航 ,  肖智 ,  王介源

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于近端策略的铁路纵断面设计学习模型的构建方法，涉及深度强化学习理论在铁路智能选线领域的应用，是一种基于近端策略算法(Proximal Policy Optimization，PPO)的铁路纵断面方案智能设计方法。发明构建了基于近端策略优化的铁路纵断面设计学习模型，结合铁路纵断面切割线模型以及深度强化学习理论，定义了切割线模型中的状态向量、动作向量，利用奖励函数处理了铁路纵断面设计中的各种约束，同时给出了铁路纵断面成本奖励函数的形式。自动优化后的纵断面方案能综合考虑工程费用和运营环境，较好地绕避障碍物和适应地形，为工程设计人员提供前期设计参考。

公开(公告)号：CN113554467A

公开(公告)日：2021-10-26

申请号：CN202110848678.5

申请日：2021-07-26

Applicant: 中南大学

Inventor： 缪鹍 ,  周启航 ,  冯倩 ,  戴炎林 ,  李洵贻 ,  李挺

IPC: G06Q30/02 ,  G06Q10/04 ,  G06F16/29 ,  G06N3/00

Abstract: 本发明公开了一种基于协同进化的铁路三维线形智能设计方法，首先建立两个三维线形设计目标函数，依据铁路的线路等级、平面和纵断面的约束条件、单价费用，采用协同进化差分算法对基于ArcGIS平台的三维线形的平面交点数量和参数、纵断面变坡点数量和参数同时进行求解，实现铁路三维线形的智能设计；利用本智能设计方法的三维线形能综合考虑工程费用和运营费用，较好地绕避障碍物和适应地形，为工程设计人员提供前期设计参考。