基于协同进化遗传算法的航班进港优化调度

航班进港调度问题是一个典型的组合优化问题,具有多约束复杂特性.针对遗传算法求解航班进港调度问题时多约束难以处理、运算量大、易陷入局部最优的不足,本文应用协同进化思想,构建航班进港调度问题决策解种群和惩罚因子种群,通过种群间的竞争、协作改善算法性能;设计一种带约束处理的编码策略,将安全间隔约束纳入编码过程,降低了问题的约束复杂度,进而提出一种改进的协同进化遗传算法(Co-evolutionary Genetic Algorithm,CoGA),并应用首都机场的实际运行数据进行了仿真.结果表明,本文方法能够有效处理航班进港调度问题中的大量约束,在优化效果与GA算法相当的情况下,有效降低了计算时间,克服了问题规模剧增导致的计算效率低下的难题.

协同模型在航班进离港调度系统中的应用

针对当前航班进离港调度系统中调度效率较低等问题,引入了基于角色的协同模型,利用这个模型提出了基于协同模型的航班进离港调度系统。利用关注点分离的思想,通过将系统分为3个层次,即底层飞机实体,对飞机协同和监控的角色以及负责协同角色行为的协调器,将系统的功能行为与协同行为分离,可以对飞机实体动态绑定,动态调整系统的协同行为,动态配置系统的决策规范,解决了系统的开放性和动态性等问题。

基于航班成本与跑道偏好的进港航班调度研究

考虑多跑道机场进港航班调度问题,为每架航班在预定时间窗内降落安排可用跑道。对于多跑道终端机场的情况,从航班跑道偏好的角度出发,为减少航班偏离预定落地时间的总成本和最大化满足航班偏好跑道,建立了混合整数0-1规划模型。基于多目标优化问题的Pareto最优解概念,开发了非支配排序遗传算法(NSGA-II),用于解决多条跑道情况下进港航班调度问题。仿真结果证明了模型正确性和算法有效性,表明模型和算法对多跑道机场的进港航班调度具有实际指导意义。

智能算法在动态航班着陆调度中的应用

航班进港调度问题是一个典型的组合优化问题,它具有多约束复杂特点.就遗传算法求解航班进港调度问题时多约束难以处理、运算量大、易陷入局部最优的不足,本文应用协同进化思想,构建航班进港调度问题决策解种群和惩罚因子种群,通过种群间的竞争、协作改善算法性能;设计一种带约束处理的编码策略,将安全间隔约束纳入编码过程,降低了问题的约束复杂度,进而提出一种改进的协同进化遗传算法(Co-evolution-ary Genetic Algorithm,CoGA),本文方法能够有效处理航班进港调度问题中的大量约束,在优化效果与GA算法相当的情况下,有效降低了计算时间,解决了问题规模剧增导致的计算效率低下的问题.