考虑跑道复杂依赖关系的多目标飞机排序模型

考虑跑道间复杂依赖关系和依赖跑道上动态间隔约束,研究了同时存在依赖、独立跑道的多目标进离场飞机排序问题。以降低航空公司延误总成本和降低旅客总延误时间为目标,建立了跑道复杂依赖关系下的多目标规划模型。通过重庆江北机场的3个实际算例,使用ε约束法求解多目标模型的Pareto最优解集。与未增加本文两处约束的传统模型进行对比显示,额外考虑复杂依赖关系后航空公司延误总成本减少了68.5%~80.3%,旅客延误总时间减少了68.8%~77.7%,额外考虑依赖跑道上动态最小间隔时间后航空公司延误总成本减少了20.4%~43.4%,旅客总延误时间减少了29.2%~42.5%。

终端区飞机排序的混合人工鱼群算法

为了保障飞行安全,对终端区着陆飞机进行有效的排序,建立了以航班延误总时间最小为目标函数的规划模型,以人工鱼群算法为基础,融合了遗传算法的选择操作和模拟退火算法的依概率接受的思想,形成混合人工鱼群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法以及蚁群算法进行了对比研究。仿真结果表明:与先到先服务相比,使用人工鱼群算法使得单跑道、双跑道延误分别减少了9·3%和48·0%,计算时间小于3s;与蚁群算法和模拟退火算法相比,求解的延误与时间最小,因此,提出的混合算法可行。

终端区飞机排序的模糊综合评判方法研究

研究了模糊综合评判方法在机场终端区飞机排序中的应用。介绍了终端区管制的要求及方式 ,提出了一种终端区飞机排序的模糊综合评判算法 ;并给出了仿真算例。仿真结果表明 ,模糊综合评判排序方法通过设置各因素权重 ,可在综合考虑各因素的基础上使得系统总延迟尽量减少。

遗传算法在终端区飞机排序中的应用

研究了遗传算法在终端区跑道分配以及飞机排序中的应用,建立了多条跑道多架飞机排序的数学模型,并进行了算例仿真分析。仿真结果表明,遗传算法与先到先服务排序相比较,适应度增加了80%,延时减小了40%,说明遗传算法的排序结果优于先到先服务的排序结果。

一种机场终端区飞机排序问题的蚁群算法研究

飞机排序问题(ASP)属于NP难问题,解决比较困难.本文首先将ASP表示成一个特殊的车间作业调度问题(JSP),以减少着陆飞机队列完成时间为优化目标,设计了求解ASP的蚁群算法.通过正交试验确定了ASP蚁群算法的最佳性能参数组合.通过比较FCFS调度方法和ASP蚁群算法对不同航班队列的排序结果验证了ASP蚁群算法求解问题的可行性和求解效果.结果表明,ASP蚁群算法优于FCFS调度方法,可以使着陆队列完成时间减少约14%.ASP蚁群算法的CPU时间较短,可以在合理的时间内求解出合适的飞机队列,为实时在线的自动化交通管制提供了支持.

终端区飞机排序的规划模型和算法研究

对终端区到达飞机进行排序是终端区交通管理自动化系统的一项主要任务。提出了一种新的终端区规划排序模型,把飞机的排序问题看作等价于带有准备好时间的渐增周游店员问题,并给出了兼顾解的最优性和计算复杂性的快速启发式算法。分析了静态和动态两种情况,并且考虑了实际的运行限制。计算结果表明,所给模型和算法具有良好的规划性能,能较好地解决终端区排序问题,可应用于我国空中战术流量管制系统。

A算法在终端区飞机排序中的应用

讨论了终端区飞机排序问题,根据飞机尾流间隔要求,利用A算法建立了终端区航班排序的数学模型。利用A算法,对一个算例进行验证计算,找到了更合理的航班着陆队列,减小了航班的总延误成本。结果表明,航班总延误成本的优化结果是令人满意的,A算法在终端区飞机排序问题中的应用是可行的。

基于模拟退火的多跑道飞机排序算法研究

空中交通管理中的飞机排序问题是NP-hard的问题。本文从单跑道的飞机排序模型推演出一种新的多跑道飞机排序模型;并首次为多跑道飞机排序问题设计模拟退火算法。最后的仿真结果表明,本算法可以快速地在极少的时间内排好飞机的降落顺序,说明了本算法模型能有效解决多跑道飞机排序问题。

基于层次分析的飞机排序模糊综合评价

洛阳机场在全国范围内是一个比较特殊的机场,不仅有航班还有大量的飞行训练,结合洛阳机场的特点,本文提出了基于层次分析法的飞机排序模糊综合评价方法,其目的是更好的保障航班和飞行训练安全,减少航班延误,优化空中交通流量,同时保障训练任务的正常执行。

基于模糊控制的进场飞机排序

针对日益增长的空中交通需求所带来的严重航班延误,利用模糊控制理论设计对终端区进场飞机的调度排序算法。把管制员调度航班考虑的主要因素作为输入,制定模糊规则,建立模糊控制器,输出比较合理的飞机排定着陆顺序。

双交叉算子遗传算法在终端区飞机排序中的应用

当今,普遍的航班延误现象不仅增加了巨额飞行成本,还影响乘客体验.对终端区待降飞机队列进行合理调整,可以提高跑道利用率,减少航班延误,达到降低延误代价的效果.针对终端区飞机排序问题,提出一种包含双交叉算子的遗传算法,针对不同适应度染色体采取不同的交叉操作,使得在交叉过程中既能保护优质染色体,也能使其它染色体继续进化.同时引入重排算子对变异后的子代进行优化,共同加快遗传算法收敛速度,使其更加符合实际使用需求.实验结果表明,算法收敛速度得到改进,能在可接受时间内得到可行解.

基于均衡更新蚁群算法的飞机排序调度

飞机排序调度问题是空中交通管制的一个关键问题,本文在给出飞机排序调度模型的基础上,提出一种均衡更新蚁群算法,利用当前解与全局最优解的差异来均衡地更新信息素,增强算法的全局搜索能力,从而生成更优解。实验结果表明,均衡更新蚁群算法求解飞机排序调度问题时,能用较短时间求出优于对比算法的结果,其性能可以提高12.9%,有助于空中交通管制人员根据实时情况安排合适的飞机着陆顺序。

改进遗传算法在终端区飞机排序中的应用

为减少终端区飞机延误成本，在保证安全和遵循各种规定的前提下，以航班延误总成本最少为目标，建立了终端区飞机排序优化的数学模型。提出一种基于飞机序号的实数编码方法的改进遗传算法，并辅以自适应选择、循环交叉、插入变异，对问题进行求解。通过仿真实验，与FCFS算法相比，延误总成本明显减少。比较结果表明，改进遗传算法操作简便，适于大规模的终端区飞机排序优化问题求解。

基于单机排序和多因素决策的飞机排序问题研究

提出以单机排序为基础的飞机排序模型,根据各种因素对飞机排序的影响,采用多因素综合决策方法解决飞机排序模型中权重的取值问题。为求解该排序模型,提出以启发式贪心算法为基础的飞机排序算法,仿真结果表明提出的排序算法符合飞机排序要求,具有良好的规划性能。

机场终端区飞机排序的遗传算法

为了解决机场终端区飞机排序问题,以延误时间最短为目标函数建立了规划模型,提出了用遗传算法解决多跑道飞机调度的方法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法进行了性能比较。仿真结果表明,模型和算法有效。

基于单机排序问题的降落飞机分组排序方法

为使单跑道降落飞机排序结果在实际操作时可行、简单,首先限制同一航路段上的飞机按照先来先服务的原则排序,在最终的排序中,其拓扑次序不变;其次提出了将飞机分组排序的思想,对同一航路段上刚好满足最小安全间隔的飞机做为一个飞机组参与排序。使用1|chains|∑wjcj做为排序模型,通过求解各飞机链的ρ因子可以快速得到排序结果。将本方法用于对双流国际机场和其它几个机场的实际航迹数据进行计算,得到的排序序列完全符合实际管制需要,具有很高的推广应用价值。

基于基因表达式编程的终端区飞机优化排序模型设计

终端区飞机排序是空中交通流量管制部门关注的热点问题,通过研究基因表达式编程在终端区飞机排序中的应用,设计了可回溯基因表达式编程的优化排序算法。该算法在染色体进化时使用改进的操作算子——最大区间约束倒置操作符,解决进化中出现的无效解和无用解问题;在种群繁衍时采用了回溯进化技术,为较优种群更好地保存,对回溯栈的操作改进为不定时入栈-定时出栈。通过仿真实验表明,与先来先服务算法相比,本算法能有效地减少航班延误,在遗传进化中能防止"早熟",并能搜索到优异解。

进化算法在终端区飞机动态排序中的应用

讨论了终端区飞机动态排序问题,并利用进化算法建立了终端区航班排序的数学模型.根据飞机尾流间隔要求,利用生物进化理论,找到更合理的航班着陆队列,减小了航班的总延误成本.仿真结果表明,航班总延误成本的优化结果是令人满意的,该算法在终端区飞机动态排序问题中的应用是可行的.

飞机进场排序的研究

为了缓解空中交通延误问题,提高机场运行效率,我们采用遗传算法优化进场飞机的序列,分别考虑单跑道和双跑道排序两种情况,运用运筹学约束最优化方法及目标规划,分别建立单跑道和双跑道两种排序优化模型,将仿真结果与先到先服务算法相比较,结果表明,对于单跑道模型而言,总延误时间减少了15.8%,对于双跑道模型而言,总延误时间减少了50%,适应度增加了83%,说明遗传算法可以极大地优化进场飞机队列,从而减少飞机序列的总延误时间。

单亲遗传算法求解飞机降落排序问题的研究

为了保证飞机在降落时安全畅通,对飞机的降落排序进行了有效的排序,以单亲遗传算法(PGA)为基础,建立了以航班延误总时间最小为目标函数的规划模型,对着陆飞机排序进行了仿真计算,并与先到先服务算法、模拟退火算法以及蚁群算法进行了对比研究。仿真结果表明PGA算法在延误时间方面远低于先到先服务算法、模拟退火算法以及蚁群算法,但在计算性能上稍差于没有优化的先到先服务算法,因此提出该算法的可行性。