[0080] 下面结合实施例对本发明作进一步说明。
[0081] 如附图1所示，本发明所述的方法包括分区方案优化系统，所述分区方案优化系统由多个子模块和全局外部档案模块1组成；所述单个子模块由局部外部档案模块2、规模调整模块3、2个竞争小种群模块4和2个协作小种群模块5组成；所述单个竞争小种群模块4分别与规模调整模块3和局部外部档案模块2连接，单个协作小种群模块5与局部外部档案模块2连接，2个协作小种群模块5相互连接；局部外部档案模块2与全局外部档案模块1连接；所述方法包括：
[0082] (一)分区方案优化系统按如下方式确定子模块的个数：
[0083] 将高速铁路上A站与B站之间的区域记为一个固定闭塞区间，所述固定闭塞区间内设置有多个信号机，将所述固定闭塞区间内每相邻两个信号机之间的区域记为一个闭塞分区；
[0084] 将A站与B站之间的信号机架数记为Ns，将A站的出站信号机的位置记为x0，将B站进站信号机的位置记为
[0085] 按公式一确定Ns的取值范围；
[0086] 设信号机架数Ns在公式一所述范围内的取值个数为n个，则设置n个子模块，所述n个子模块与n个信号机架数Ns的取值一一对应；
[0087] 所述公式一为：
[0088]
[0089] 其中，lsection为A站与B站之间的距离， lcircuit为轨道电路的极限长度；lmin为工程设计人员根据现场实际情况确定的闭塞分区最小长度；Ns取整数； 为向上取整数，例如： 则 取22； 为向下取整数，例如
则 取40；
[0090] 按上述方法就设置了n个子模块，每个子模块对应一个信号机架数Ns的取值，例如：按公式一得到Ns的取值范围为21到40，则第1个子模块对应的信号机架数Ns为21个，第2个子模块对应的信号机架数Ns为22个，以此类推，第20个子模块对应的信号机架数Ns为40个。
[0091] (二)分区方案优化系统内的每个子模块均生成一个最优前沿解，每个子模块将生成的最优前沿解送入全局外部档案模块1；
[0092] 单个子模块按如下方式生成最优前沿解：
[0093] 1)在2个竞争小种群模块4内分别生成一个竞争小种群；
[0094] 单个竞争小种群模块4在搜索空间内随机生成多个单体，当单个竞争小种群模块4内的单体数达到设定值T时，竞争小种群模块4停止生成新的单体，此时竞争小种群模块4内的全部单体形成一个竞争小种群，设定值T根据经验设置；将竞争小种群所辖单体数记为竞争小种群的规模，将2个竞争小种群的规模分别记为δ1、δ2，则2个竞争小种群初始的规模δ1＝δ2＝T；
[0095] 竞争小种群中的单体按如下方式进行编码： 其中xi表示所述固定闭塞区间内任意一个信号机的具体位置， 表示所述固定闭塞区间内第NS个信号机的位置；例如，子模块所对应的信号机架数Ns为25个，则子模块所辖的小种群的单体编码就为：(x1,x2…xi…x25)，i的取值就为1到25。
[0096] 2)2个竞争小种群模块4分别控制2个竞争小种群对所辖的单体进行优化处理获取可行解，其中一个竞争小种群模块4采用遗传算法进行优化处理，另一个竞争小种群模块4采用差分进化进行优化处理，2个竞争小种群模块4的优化处理并行进行；竞争小种群模块4每进化一代就将竞争小种群中生成的可行解送入局部外部档案模块2，竞争小种群模块4每进化y代就将竞争小种群中生成的可行解送入规模调整模块3，其中y为设定值，通常y值通常取5～10；2个竞争小种群模块4每次同步向规模调整模块3发送可行解；
[0097] 所述可行解为满足约束条件的单体，所述约束条件由公式二至公式五确定：
[0098] 将A站与B站之间的闭塞分区个数记为Nsection，Nsection＝Ns+1；将闭塞分区的长度记为li；
[0099] 所述公式二为：
[0100] lmin≤li≤lcircuit
[0101] 所述公式三为：
[0102]
[0103] 所述公式四为：
[0104]
[0105] 其中， 为列车自xi‑1处从任一较高速度等级制动到相邻较低速度等级所需制动距离的最大者；la为司机瞭望到信号到采取制动动作的时间内列车行驶的距离，通常取50米；
[0106] 所述公式五为：
[0107] Ii≤H
[0108] Ii为追踪列车之间的间隔时间，H是给定的追踪列车之间的间隔时间；
[0109] 高铁的固定闭塞区间通常分为三显示固定闭塞区间和四显示固定闭塞区间，本实施例以三显示固定闭塞区间为例，追踪列车之间的间隔时间，需要根据3个相邻的闭塞区间按公式十一来计算：
[0110] 所述公式十一为：
[0111]
[0112] 其中，li、li+1和li+2分别为相邻3个闭塞区间的长度，ltrain为列车的长度，v为列车的运行速度；
[0113] 本实施例中，采用遗传算法的竞争小种群模块4按如下方式进行：
[0114] 遗传算法中，将竞争小种群中的所述单体称之为染色体，
[0115] A1)根据公式六所示的适应度函数fitness计算竞争小种群中每个染色体的适应度值，并按适应度值升序排列小种群中的染色体；
[0116] A2)采用轮盘赌的方式进行选择操作；
[0117] A3)进行交叉操作；
[0118] A4)进行变异操作；
[0119] A5)将竞争小种群中的可行解送入局部外部档案模块2；
[0120] A6)判断迭代次数是否达到y次的整数倍，若达到，将竞争小种群中的可行解送入规模调整模块3，否则进入步骤A7)；
[0121] A7)判断迭代次数是否达到预先设定的最大迭代次数，若未达到，则返回步骤A1)，否则停止优化处理，优化处理完毕。
[0122] 采用差分进化的竞争小种群模块4按如下方式进行：
[0123] 差分算法中，将竞争小种群中的所述单体称之为个体，
[0124] B1)根据公式六所示的适应度函数fitness计算小种群中每个个体的适应度值；
[0125] B2)进行变异操作；
[0126] B3)进行交叉操作；
[0127] B4)进行选择操作；
[0128] B5)将小种群中的可行解送入局部外部档案模块2；
[0129] B6)判断迭代次数是否达到y次的整数倍，若达到，将竞争小种群中的可行解送入规模调整模块3，否则进入步骤B7)；
[0130] B7)判断迭代次数是否达到预先设定的最大迭代次数，若未达到，则返回步骤A1)，否则停止优化处理，优化处理完毕。
[0131] 所述公式六为：
[0132]
[0133] 其中：
[0134]
[0135]
[0136]
[0137] 其中，α和β为惩罚因子，α的取值范围为20‑50，β的取值范围为0.7‑0.9；k1为常数0.001；Nbeyond为公式二所定义范围外的闭塞分区的个数；max(I1,I2,…,Ii,…,Ik)为追踪列车之间的间隔时间的最大值，对于三显示自动闭塞区间来说，表示从出站信号机开始的第一个闭塞分区，至第k+2个闭塞分区与最后一个闭塞分区重合为止，所计算的Ii中的最大值；
[0138] 在保证2个竞争小种群模块4的总规模为2T不变的条件下，规模调整模块3每次收到2个竞争小种群模块4发送的可行解，就分别控制2个竞争小种群模块4对所辖的竞争小种群按如下方式调整规模：
[0139] 将一个竞争小种群模块4所辖的竞争小种群记为第一竞争小种群，将另一个竞争小种群模块4所辖的竞争小种群记为第二竞争小种群；
[0140] a)根据公式七、公式八确定2个竞争小种群当次应调整的规模大小；
[0141] 所述公式七为：
[0142] δ1＝τ1×2T
[0143] 其中，τ1为第一竞争小种群当次的贡献率，τ1按公式九确定；
[0144] 所述公式八为：
[0145] δ2＝τ2×2T
[0146] 其中，τ2为第二竞争小种群当次的贡献率，τ2按公式十确定；
[0147] 所述公式九为：
[0148]
[0149] 其中，p1为当次从第一竞争小种群中发送到规模调整模块3的可行解个数，p2为当次从第二竞争小种中发送到规模调整模块3的可行解个数；当τ1<0.2时，τ1取值0.2；当τ1>0.8时，τ1取值0.8；
[0150] 所述公式十为：
[0151]
[0152] 其中，当τ2<0.2时，τ2取值0.2；当τ2>0.8时，τ2取值0.8；
[0153] 为避免某一种算法强占优于另一种算法，竞争小种群规模的上限设置为总规模2T的80％，竞争小种群规模的下限设置为总规模2T的20％，即最多一个竞争小种群规模为另一个竞争小种群规模的4倍即可。
[0154] b)比较单个竞争小种群当次应调整的规模与当前同一个竞争小种群的规模大小：如果竞争小种群当次应调整的规模大于当前同一个竞争小种群的规模，竞争小种群的规模需要增大，则采用随机的方式生成新的单体，直到竞争小种群的规模达到当次应调整的规模；如果竞争小种群当次应调整的规模小于当前同一个竞争小种群的规模，竞争小种群的规模需要减小，则将竞争小种群中的单体从适应度值小的向适应度值大的逐一删除，直到竞争小种群的规模达到当次应调整的规模；如果竞争小种群当次应调整的规模等于当前同一个竞争小种群的规模，则竞争小种群的规模不需要调整；
[0155] 3)判断如下两个条件是否满足，当满足如下两个条件中任意一个条件或两个条件同时满足时，进入步骤4)，否则返回步骤2)；
[0156] 条件一：经过3y代进化后，一个竞争小种群的规模是另一个竞争小种群的规模的4倍；
[0157] 条件二：2个竞争小种群的进化代数均已达到设定值；
[0158] 4)局部外部档案模块2对收到的可行解采用免疫克隆法进行优化处理，将得到的全部优化抗体按亲和度值从大到小排序，并选取前S个优化抗体作为优化解集，局部外部档案模块2将所述优化解集分别发送至2个协作小种群模块5，单个协作小种群模块5将收到的优化解集作为初始的协作小种群；所述优化解集所包含优化抗体的个数S为设定值，根据协作小种群模块所需规模设定；
[0159] 上述免疫克隆法本实施例中按如下方式进行：
[0160] C1)局部外部档案模块2将可行解作为抗体，局部外部档案模块2中所有抗体形成种群P；
[0161] C2)抗原识别：将最小追踪列车之间的间隔时间目标和所述约束条件作为待求问题的抗原；追求最小追踪列车之间的间隔时间目标即追求max(I1,I2,…,Ii,…,Ik)值最小；
[0162] C3)对种群P中的抗体进行亲和度计算；
[0163] C4)对种群P中的所有抗体进行克隆，得到扩增后的种群C；
[0164] C5)对种群C的抗体进行高频变异，每次变异后都进行约束检验，检验合格后得到种群C*；
[0165] C6)将种群C*和种群P进行重组，得到多个优化抗体；
[0166] 5)其中一个协作小种群模块5控制所辖协作小种群内的单体采用遗传算法进行优化处理获取可行解，另一个协作小种群模块5控制所辖协作小种群内的单体采用差分进化进行优化处理获取可行解，2个协作小种群模块5的优化处理并行进行；本实施例中，协作小种群模块5中采用的遗传算法和差分进化的具体方式与竞争小种群模块4相同；
[0167] 2个协作小种群模块5每进化一代就将协作小种群中生成的可行解送入局部外部档案模块2；每进化一代后，2个协作小种群模块5分别对各自所辖协作小种群内的单体按适应度值从大到小排序，2个协作小种群模块5均用各自适应度值排在前10％的单体去替换对方适应度值排在后10％的单体；
[0168] 具体地，其中一个协作小种群模块5将所辖协作小种群内适应度值排在前10％的单体发送到另一个协作小种群模块5，同时，另一个协作小种群模块5将所辖协作小种群内适应度值排在后10％的单体删除；2个协作小种群模块5都按上述方式进行单体更新操作一次。
[0169] 6)当2个协作小种群模块5的优化处理均完毕后，局部外部档案模块2将当前所辖的全部可行解按适应度值大小进行排序，将适应度值最大的可行解记为最优前沿解，并将最优前沿解发送至全局外部档案模块1；
[0170] (三)当全局外部档案模块1收到所有子模块发送的最优前沿解后，全局外部档案模块1内的所有最优前沿解形成离散形式的Pareto前沿解；如附图3所示即为离散形式的Pareto前沿解的示意图，图中每一个点即为以信号机布置架数Ns(经济性)与最小追踪列车之间的间隔时间Imin(通行效率)为目标得到的最优前沿解，其中，每一个最优前沿解就是一套信号机布置方案，这就为设计者提供了更多、更灵活的选择方案。
[0171] (四)如附图2所示的固定闭塞分区及信号机布置示意图，操作人员根据实际需要从分区方案优化系统所生成的Pareto前沿解中选择一个最优前沿解作为布置方案在所述固定闭塞区间内进行信号机布置；在进行信号机布置时，操作人员具有更大的选择空间，可以根据需要从离散形式的Pareto前沿解中选择一个或者一些最符合实际需求的最优前沿解，由此来设计最为合理的信号机布置方案。
[0172] 本发明中应用到的遗传算法、差分进化、免疫克隆法、Pareto原理等都为现有技术中十分常见的处理手段，相关的内容，本领域技术人员可从现有技术的相关文献中获取。
