基于蒙特卡羅樹搜索
--強化學習的列車運行智能調整方法

王榮笙，張 琦，張 濤，王 濤，丁舒忻

（1.中國鐵道科學研究院 研究生部，北京 100081；2.中國鐵道科學研究院集團有限公司 通信信號研究所，北京 100081；3.中國鐵道科學研究院集團有限公司 國家鐵路智能運輸系統工程技術研究中心，北京 100081）

我國高速鐵路已進入大規模網絡化運營時期，其路網規模、行車密度、場景工況、旅客發送量以及運輸組織復雜性均為世界高鐵之最。巨大的客流壓力和多變的運營場景下，高鐵路網呈現出前所未有的時空復雜度。同時，我國高鐵跨越高原、高熱、高濕、大風、地震等復雜工況地區，可能導致列車產生大范圍延誤，此時需要進行列車運行調整工作，恢復正常運行秩序。目前，我國高速鐵路列車運行調整仍以列車調度員憑經驗處置為主，現場工作強度較大，也難以同時保證調整策略的實時性和近似最優性。

高速鐵路列車運行調整問題具有NP 難（NPhard）特性［1-2］，該問題是指受突發事件影響，調整列車運行計劃使列車恢復有序運行狀態［3］。問題求解過程中列車和車站數量的增加會導致求解時間呈現指數級甚至階乘式增長。國內外學者通常以晚點較小的擾動場景或晚點嚴重的干擾場景為出發點［4-5］，或基于運籌學方法［6-8］，或基于進化算法［9-10］，對突發事件下各列車在各車站的進路、接發車時刻、發車次序進行調整或協同優化［11-13］，力求獲取近似最優的調整策略。但上述方法均需自行設計模型分支定界或啟發式規則，模型構造嚴重依賴于個體經驗，同時得到的模型在加快算法收斂速度和搜索近似最優解等方面的表現仍不理想?！?br>