一种限界优化方法求解航班着陆调度问题

航空运输需求持续增长与枢纽终端区空域资源紧张的情况日益凸显,本文提出了一种限界优化的动态规划方法(Dynamic programming approach to limit optimization,DPALO)求解终端区航班着陆调度问题(Arrived landing problem,ALP)。首先建立了时间窗约束的航班着陆调度的离散化数学模型,推导了固定顺序下求解ALP的递推公式,并结合ALP问题特点,限界优化航班时间窗,并证明了所提方法不影响模型最优值的求解。其次,运用精英遗传算法、粒子群算法、线性循环交换和线性循环插空等方法调整航班序列,以期求得较优解。最后在OR‑Library数据集进行验证,实验结果表明,采用精英遗传算法调整航班着陆序列,DPALO的计算结果优于已知最优解(Best known values,BKV)、仿生算法(Bionic algorithm,BA)和位移决策算法(Displacement decision algorthm,DDA),与细胞自动机优化方法(Cellular automaton optimization,CAO)、紧致子序列算法(Compact subsequence algorithm,CSA)和滚动时域‑混合粒子群优化‑局部搜索算法(Rolling horizon framework hybrid particle swarm optimization local search algorithm,RH‑HPSO‑LS)的结果相近;DPALO的时间效率在小样本数据集上时间效率达到毫秒级,在大样本数据集上相较于CSA、CAO和RH‑HPSO‑LS分别提升了76.88%、89.11%和78.28%。

基于蚁群算法的航班着陆排序

当空中交通拥挤时,对航班的着陆顺序进行的调整,可以缓解拥挤,减少航班延误,提高飞行安全性。本文将蚁群算法用于着陆航班的排序问题。首先,建立以航班延误总时间最小为目标的规划模型,将航班着陆排序问题转化为非对称的TSP问题;然后,用蚁群算法寻找符合实际操作的优化排列;最后,经过对某机场实际数据的仿真计算,并与实际运行相比较,本文应用的算法具有较好的有效性和较强的使用性。

改进GA-PSO算法在多跑道航班着陆调度中的应用

机场跑道是空中交通管理系统中重要的系统资源.为了合理分配航班的降落跑道和降落顺序,减少航班延误时间,分析了自适应遗传算法和基本粒子群优化算法的运行原理,分别对自适应遗传算法和基本粒子群算法进行改进,将改进自适应遗传算法引进到改进粒子群算法中,建立多跑道航班排序模型,应用改进粒子群遗传算法对跑道调度模型进行求解,并进行算例仿真分析.结果表明,改进混合算法能有效降低总的延误时间并加快收敛速度.

基于免疫粒子群优化算法的航班着陆调度研究

为解决机场在交通高峰期的航班着陆动态调度问题,提出一种结合免疫思想的离散粒子群优化算法。将免疫系统多样性保持能力和粒子群优化算法明确方向性搜索的优势相结合,避免在待调度航班队列更新时,由于动态调用排序算法很难获得稳定排序结果而造成的额外开销。实验结果表明,该算法具备高效的全局搜索能力,能在一个雷达扫描周期内,为管制员提供一个稳定的调度方案。

基于改进免疫粒子群算法的动态航班着陆调度

为改进机场终端区空中交通流量管理,对动态航班着陆次序进行适当调整,使机场和空域的可用容量达到最有效利用,减少航班延误造成的经济损失,提出一种新颖的动态免疫粒子群优化算法(DIPSO),重点针对待着陆航班的动态变化,结合滑动时间窗,多方面考虑现实约束,在确保航班延误成本最小的同时,兼顾航班着陆的公平性和管制员的工作负荷。仿真结果表明,在处理动态航班着陆问题上与先来先服务相比有效降低了延误成本。

基于动态规划的航班着陆调度算法

为了解决机场终端区空中交通流量高速增长造成的进近冲突,合理安排飞机着陆次序,充分利用跑道容量,减少航班延误,提出了一种基于动态规划方法的航班着陆调度算法,算法结合了MPS约束、优化深度限制和时间窗限制约束和其他多项约束,并采用了动态规划的方法来减少计算量。仿真结果表明,算法能满足现实复杂空管条件下的各种限制约束,可应用于实时的ATC自动化系统,并能输出合理可行的排序结果,明显减少航班队列的延误。

基于改进粒子群算法的航班降落调度问题研究

航班降落调度是多约束的整数规划问题,也是组合优化中的典型NP难题之一。针对传统粒子群算法易陷入局部最优和求解组合优化问题能力不强的缺点,提出改进策略。改进的算法通过禁忌搜索策略生成初始粒子群以满足航班调度多约束的限制,引入遗传算法的交叉变异等操作以增强粒子群间信息交流能力,重新定义惯性权重和加速度因子,以增强粒子的多样性和收敛性,加入进化交叉算子以增强粒子的局部寻优能力。通过与修补遗传算法、罚函数遗传算法进行对比,经多次运行后的结果表明,提出的改进算法的局部搜索能力和全局搜索能力都得到增强,同时也验证了算法的可行性和有效性。

基于GC-ZCPS的航班优先级调度研究

在航班着陆调度问题的研究中,传统的航班调度策略先到先服务(FCFS)总是安排先来的飞机先降落,后来的飞机等待后降落,但是却忽略了航班在等待过程中也有优先降落等级,航班的重要程度不同,有的航班比较重要或者发生了紧急情况,具有降落优先权。引入不同重要程度因子的约束位移交换(ZCPS),并结合改进的蚁群算法和遗传算法(GC),采取精英保留策略,将蚁群算法的一次寻优结果分成两个群落,再利用遗传算法找出符合实际操作的最优排列。实例仿真计算表明,该方法通常优于经典的先到先服务,新方法能够节省19%～38%的时间,能有效减少飞机延迟时间。