44、铁路时刻表与最大可满足性问题的算法研究

铁路时刻表与最大可满足性问题的算法研究

在铁路运输规划和逻辑问题求解中，算法的设计和优化至关重要。本文将介绍用于生成近乎可行的周期性铁路时刻表的切割启发式算法，以及用于求解加权最大可满足性问题（MAX - SAT）的带路径重连的GRASP算法。

周期性铁路时刻表问题

在周期性事件调度问题（PESP）中，目标是尽可能满足实例中的约束条件。相关研究证明该问题是MAXSNP困难的，并提供了具有恒定近似比的近似算法。同时，提出了一种新的启发式算法，在解决MAX - T - PESP问题上比之前的两种启发式算法表现更好。

数据集介绍

研究中使用了五组实际数据集：
- ICE small和ICE big ：这两组数据集共享相同的基本网络，ICE small是ICE big的子集，是通过删除某些交通线路得到的。ICE big中的线路是德国铁路公司（DB AG）长途服务战略规划场景的一部分。由于基础设施容量相同，为ICE small构建可行时刻表相对容易。
- PS Regio和PS all ：这两组数据集模拟了德国五个最大联邦州之一的交通情况。PS Regio仅考虑区域列车，PS all则包括服务该州的长途交通，并将州外轨道的时刻表固定为DB AG提供的规划场景。许多区域列车使用单轨，且在PS all和ICE big的地理交叉区域，PS all的交通量更大。
- U Berlin ：该数据集模拟柏林地铁，目标是确保48个最重要连接的最大等待时间不超过五分钟，同时停车时间不超过2.5分钟，并且要遵守一些运营约束。