English(EN) Quantum-Inspired Evolutionary Neighborhood Search for Arrival-Departure Track Utilization Adjustment under Short-Term Disturbances

量子启发式算法将铁路延误减少25%

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-28 04:00

研究人员开发了一种新颖的量子启发式进化算法结合邻域搜索（QEA-NS），用于优化短期铁路中断期间的列车到达和出发股道利用率。该算法使用德国法兰克福中央车站（Frankfurt Hauptbahnhof）的时间表数据与CP-SAT进行了对比测试。QEA-NS在所有测试的扰动实例中均实现了比CP-SAT更低的延误，总延误减少了25.2%，但需要更长的求解时间。 AI

影响这项研究有望通过改进的AI驱动调度，实现更高效的铁路运营和减少乘客延误。

排序理由该集群包含一篇详细介绍新算法及其性能评估的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Xiaobin Li, Wuming Lei, Yanbin Gao, Weiguang Wang · 2026-07-28 04:00

Quantum-Inspired Evolutionary Neighborhood Search for Arrival-Departure Track Utilization Adjustment under Short-Term Disturbances

arXiv:2607.24049v1 Announce Type: new Abstract: Short-term disturbances at major passenger railway stations alter train arrival and departure times as well as the release sequence of station resources. Effective recovery therefore requires coordinated adjustment of arrival-depart…

报道来源 [1]

Quantum-Inspired Evolutionary Neighborhood Search for Arrival-Departure Track Utilization Adjustment under Short-Term Disturbances

相关实体

相关话题