遗传算法在飞机着陆调度问题上的应用

用遗传算法对飞机着陆调度问题的两个方面:队列顺序的确定和跑道指派进行了研究。队列顺序采用飞机编号的单一整数染色体编码方案,配合相应的变异、交叉算子,避免了后代非法解的问题。跑道指派则在适值函数计算中,基于对列最短的原则来加以确定,避免了对队列顺序和跑道指派进行分别编码。算例研究了单跑道与双跑道两种情况。计算结果表明,这种编码方案以及变异、交叉算子对这一问题具有很好的效果,可在普通PC机上实现雷达扫描周期内的实时计算要求。

经验粒子群算法在飞机着陆调度中的应用

为高效解决飞机着陆调度问题,对其离散解空间进行连续化编码,提出经验粒子群(experiential particle swarm optimization,EPSO)算法。提炼飞机着陆调度问题中的领域知识作为每个粒子的经验,优化粒子群算法的寻优过程,增加算法的稳定性。引入控制工程领域中的滚动时域控制(receding horizon control,RHC)策略,在尽量考虑问题完整性的前提下,最大限度降低求解的复杂度,形成最终的RHC-EPSO算法。实验结果表明,该算法能够比现有算法更加高效和稳定地找到飞机着陆调度问题的最优解。

飞机着陆调度优化的混合免疫克隆算法

飞机着陆调度是一个多约束NP难的组合优化问题。设计一种混合免疫克隆算法,采用双实数链编码,通过幅度角旋转同步更新,保持种群多样性;利用启发式变异算子进行广度寻优,得到较优秀的飞机序列;为加速深度探索,提出一种高效的确定性算法帮助优化飞机的实际降落时间。实验表明,在静态以及动态不同的问题背景下,该算法都可以在极短的时间内得到最优解,具有较好的全局寻优能力和较快的收敛速度。