基于改进型D3QN深度强化学习的铁路智能选线方法

摘要：

传统的人工选线方法劳动强度大,设计效率低,随着我国铁路建设重心向西部复杂艰险山区转移,人工选线面临的困难日趋凸显.为缩减铁路选线的人力物力成本,提高设计效率,亟需发展结合了人工智能和信息技术的现代选线技术.为此,提出一种基于深度强化学习理论的铁路智能选线方法.以带有空间属性信息的数字高程模型为选线环境,以相邻空间点间的建造费用为即时奖励,以工程建造费用最小为优化目标,设置离散化的备选动作,考虑多种约束条件,构建面向铁路选线的深度强化学习模型.结合深度学习的感知能力和强化学习的决策能力,利用双竞争深度Q学习网络(Dueling-Double-Deep Q Network,D3QN)对模型进行训练,既克服强化学习问题对复杂状态和动作空间难以收敛的缺点,同时解决了传统DQN算法易于出现过估计、训练不稳定的问题,实现自动对选线环境进行感知、搜索、判断、决策,最终寻得目标函数最优的线路方案.以某山区铁路对本方法进行验证,实验结果表明:该方法能搜索到多样化的线路备选方案,可以为设计人员提供新的设计思路;有效降低了铁路建设的经济费用,较人工选线方案节约最多达17.5％.智能选线方法可以帮助节省选线工作成本,不遗漏有价值的方案,提高工作效率.

关键词：深度强化学习、智能选线、D3QN算法、信息化

所属期刊栏目：19

分类号：U212.3(铁路线路工程)

资助基金：高铁联合基金重点资助项目;国家自然科学基金;国家重点研发计划;四川省科技厅重点研发项目

在线出版日期：2022-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：344-350