21、运用遗传算法解决铁路货运乘务员调度问题

运用遗传算法解决铁路货运乘务员调度问题

1. 引言

随着国际贸易的持续扩张，企业致力于提高运输可靠性并降低环境影响，铁路货运需求逐年递增，铁路货运运营商也在努力提升运营效率。在铁路货运运营成本中，乘务员成本占比达 20 - 25%，仅次于燃料成本。因此，调度流程的微小改进都可能为企业每年节省数百万英镑。

铁路货运行业的乘务员调度问题（CSP）旨在为火车司机制定日程安排，即“运行图”。每个运行图需涵盖司机当天驾驶的所有列车，且必须在同一车站开始和结束，同时遵守所有劳动法律和工会协议。这些规则规定了运行图的最大时长、连续和累计驾驶时间上限以及最短休息时间。

司机通常从车辆段出发和结束工作，车辆段在英国分布较为均匀。有时，为了连接起止地点不同的两个行程，司机可能需要乘坐客运列车、出租车或其他司机驾驶的货运列车，这种在职期间以乘客身份出行的情况被称为“空驶”。空驶成本因交通方式和运营公司间的商业协议而异，尽管可能产生成本，但有时空驶不可避免且有助于优化整体调度。

考虑到司机按工作时长支付相同小时费率，且每年有固定工作时长，企业有必要高效经济地利用这些约定工时。因此，运行图的运营目标如下：
- 最小化年末未使用和多余的合同工时，使运行图时长接近平均 8.5 小时（即年度合同工时除以工作日数量）。计算公式为：$T_{diagram} = T_{driving} + T_{deadheading} + T_{break} + T_{idle}$，且$T_{diagram} \to T_{average}$。
- 最大化油门时间，即实际驾驶列车时间在工作班次中的占比，排除空驶和行程间等待时间。计算公式为：$Throttle\ Time = \frac{T_