基于ASRank和MMAS的蚁群算法求解飞机指派问题

本文将航班串的飞机指派问题归结为车辆路径问题,考虑连续航班串之间衔接时间、衔接机场的约束、每架飞机的总飞行时间约束,建立了带有飞行时间约束的车辆路径问题的混合整数规划模型。构造了蚁群系统算法,引入基于排序的蚂蚁系统和最大最小蚂蚁系统算法的信息素更新策略。选取某航空公司7组初始航班串集合进行测试,并对算法中的重要参数进行了分析。实验结果表明,本文设计的模型和算法可以有效地减少连续航班串之间的总衔接时间,在可接受的计算时间内获得满意解。

飞机指派问题优化模型及算法研究

为了提高航空企业飞机排班计划的自动化水平,分析了航空企业飞机排班计划编制流程,将这个复杂组合优化问题分解为3个组合优化问题,重点研究了其中的飞机指派优化问题,归纳了要考虑的主要约束条件,以优化理论为基础,针对飞机排班计划优化问题中的关键问题—飞机指派问题建立了飞机指派优化模型,模型考虑了飞机与航班之间在机型、飞行区域、客流量等条件上的匹配要求,并给出了模型约束条件的编码方法,同时根据大量实际生产数据给出相应的惩罚系数表。为求解模型,构造了一种自适应单亲遗传算法,算法选用了适合模型的遗传算子,采用动态调整遗传算子操作概率的方式加快优化速度。采用航空公司的实际航班数据进行仿真实例研究结果表明,该模型和算法切实可行。

基于交叉粒子群算法的飞机指派问题研究

针对飞机指派优化问题进行研究,建立了以成本最小化为目标函数的飞机指派模型,模型以成本作为主要优化目标,综合考虑了指派问题中的约束条件。引入交叉粒子群算法对模型进行求解,在迭代的过程中,粒子通过交叉得到新粒子;为避免粒子陷入局部最优,引入了粒子位置变异机制。在用Delphi7.0编程实现算法时,根据交叉粒子群算法的特点,首先编译了交叉、位置变异等函数,增加了程序的可读性。然后采用航空公司的实际数据进行仿真,仿真结果表明与传统的以人工决策为主的排班方式相比,本研究提出的模型和算法缩短了工作时间,降低了指派成本。