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。     

系统工程理论与方法基于混合遗传算法的车辆路径问题

在详细分析遗传算法的局限性的基础上,构造了一种基于遗传算法和禁忌搜索算法相结合的、用于求解车辆路径问题的混合遗传算法. 这种混合遗传算法主要是将禁忌搜索算法嵌入到遗传算法中的变异操作与最优解判定之间,可以有效地避免遗传算法易出现"早熟"收敛的问题. 然后,分别用混合遗传算法和遗传算法对同一实例进行求解,并对求解结果进行对比分析. 结果表明该混合遗传算法的求解结果比遗传算法收敛速度快,更加接近最优解.     

基于Memetic算法的机场停机位分配问题研究

通过对航空器使用停机位的特性分析,建立了一种停机位分配模型,并采用Memetic算法和贪婪算法分别对航空器停机位占用次序和占用时间进行了仿真模拟,最后以浦东机场实际数据为原型,通过与遗传算法比较,验证了Memetic算法在停机位分配应用中的可行性和高效性.     

���ڻ���Ŵ��㷨�ij���·������

在详细分析遗传算法的局限性的基础上，构造了一种基于遗传算法和禁忌搜索算法相结合的、用于求解车辆路径问题的混合遗传算法。这种混合遗传算法主要是将禁忌搜索算法嵌入到遗传算法中的变异操作与最优解判定之间，可以有效地避免遗传算法易出现“早熟”收敛的问题。然后，分别用混合遗传算法和遗传算法对同一实例进行求解，并对求解结果进行对比分析。结果表明该混合遗传算法的求解结果比遗传算法收敛速度快，更加接近最优解。     

基于混合遗传算法的物流配送模糊车辆调度问题研究

在同时考虑物流配送总费用和服务水平的基础上,建立适合物流配送模糊车辆调度问题的数学模型.并且采用期望值选择法,将爬山法与遗传算法相结合,构造了求解该问题的混合遗传算法.研究表明,用该算法求解物流配送模糊车辆调度问题,能够很快收敛到满意解.     

����ͨ��Ϣ�ɼ������˷ɻ�·���滮

引入无人飞机作为城市道路固定交通检测设备的辅助手段,部署无人飞机进行道路交通信息采集,提出了无人飞机的路径规划问题.考虑了无人飞机数量有限,不足以对所有目标进行侦察的情形,建立了以总巡航距离最短、巡航目标数量最多的多目标优化模型,提出了可行路径的重组方法,构造了求解该问题的非支配排序遗传算法.案例分析结果表明：构造的算法可以求出无人飞机路径规划的近似最优解,与最优初始可行解相比,总巡航距离减少了13.07%,巡航目标数量增加了41.67%.最后,讨论了无人飞机在道路交通信息采集中可能面临的问题.     

基于跑道出口滑行道选择的机场滑行路径优化

为更好的研究航空器在机场滑行路径优化问题,对航空器在着陆后滑行运动过程进行分析,选择最优的跑道出口滑行道脱离跑道,并结合滑行冲突约束条件建立航空器滑行路径优化模型,采用基于改进遗传算法的滑行路径优化算法对模型进行求解。算例分析结果表明:航空器的全局滑行时间减少,着陆航空器对于跑道的占用时间减少,可见算法可行。     

考虑多因素的不正常航班飞机计划恢复模型

为降低不正常航班给航空公司带来的负面影响，提出了一个以加权成本最小为目标的考虑 多个影响因素的不正常航班飞机计划恢复模型。模型目标函数考虑的因素包括航班延误与取消、飞机维护以及航班运行过程中与飞机和机场相关的各项改变，并且在约束条件中考虑了过站时间 等因素。针对所提出的模型设计遗传算法进行求解。基于大规模航班数据设计算例对模型和算法进行验证，研究结果表明：遗传算法适用于求解所提出的模型；通过对模型求解可以得到合理的 飞机计划恢复方案；除机场关闭之外，飞机维护任务、过站时间等因素对于航班的执行具有重要影响，因此在飞机计划恢复问题中应该考虑多方面的因素。算例结果证明了模型和算法的正确性 和有效性。     

考虑弹流润滑的圆柱滚子轴承多目标智能优化设计

基于弹性流体动力润滑理论,以额定动载荷最大和膜厚比最大为目标函数,通过对圆柱滚子轴承多目标优化数学模型的研究,应用退火罚函数方法将其转化为无约束单目标优化问题.采用遗传算法求解含连续及离散变量的优化设计问题,同时针对遗传算法的局限性,采用了实数编码,调整了适应函数,设计了基于确定性准则的杂交算子和变异算子,借鉴了优解保留策略,结合模拟退火算法,形成了遗传模拟退火算法,该算法发挥了模拟退火与遗传算法各自的特点.算例表明了该优化方法的有效性.     

基于改进遗传算法的航班-登机口分配多目标优化

为提高现代机场的资源利用效率和乘客换乘体验, 研究了多目标航班-登机口分配问题; 在考虑航班类型约束、飞机机体类型约束和转场时间间隔约束的基础上, 以分配在固定登机口的航班数量最多、使用的固定登机口数量最少和乘客换乘紧张度最小为目标函数, 建立了航班-登机口分配的多目标非线性0-1整数规划模型, 并设计了一种改进型基因编码的遗传算法以提高求解效率; 基因个体采用两段式整数编码, 设计了该编码方式到可行解的映射流程, 同时从理论上证明该编码方式可以映射到最优解; 对两段基因编码分别设计了不同的交叉算子和变异算子, 避免产生非可行个体; 为验证算法的有效性, 基于某大规模机场的实际运营数据, 对比了改进型遗传算法与MATLAB内置遗传算法。计算结果表明: 采用改进型遗传算法使得安排在固定登机口的航班数目增大5%, 乘客换乘总紧张度减小3%, 乘客换乘平均紧张度减小32%, 占用的固定登机口数量相同, 安排在固定登机口的乘客数量增大20%, 算法运行时间减小8%, 说明改进型遗传算法性能更好, 可提高登机口的利用效率和乘客的换乘舒适度; 在改进型遗传算法的优化过程中, 航班数量目标和登机口数量目标在130次迭代时寻到最优解, 换乘紧张度目标在400次迭后基本收敛, 且最优结果对应的航班时序合理, 说明该算法的迭代收敛速度快, 优化结果合理。      

考虑车辆随机到站时间的动态需求响应型接驳公交线路优化

车辆到站时间的不准时性严重影响着需求响应型公交的服务水平和乘客选择公共交通的出行意愿，因此，本文对考虑车辆随机到站时间的动态需求响应型接驳公交线路优化问题进行研究。以运营商成本、乘客乘车时间成本、乘客等待时间成本组成的系统总成本最小为目标建立数学模型，通过优化车辆路径寻求系统总成本最优的需求响应型接驳公交服务方案，其创新之处在于，在服务过程中允许乘客提交实时出行需求；定义车辆到站时间服从已知分布以描述其随机性。提出一种遗传算法和邻域搜索相结合的启发式算法对模型进行求解，该算法融合了遗传算法的全局搜索优势和邻域搜索的局部搜索能力，通过算例测试分析对本文算法的有效性及先进性进行验证。最后，基于西安市延平门地铁站设计数值实验，结果表明，考虑车辆随机到站时间可以在一定程度上减少乘客时间成本和系统总成本。     

ͻ���¼�Ӧ��ѪҺ������������׶ξ��߷���

基于血液的生理特性及应急保障特性,以应急血液最晚运达时间最小、接收时的最低新鲜度最大、运输总费用最小为目标,建立考虑多品种、多式联运的应急血液调剂出救点选择,即运输路线安排问题两阶段决策优化模型,并设计了一种包含局部邻域优化的遗传,即禁忌混合算法进行求解.以“5.12”汶川大地震应急血液保障为背景构建算例,分析验证了两阶段决策方法在最晚抵达时间、新鲜度均值、运输总费用、血液积压量等指标上的优越性.     

遗传算法在区段站到发线的应用研究

为解决车站到发线的合理运用问题，采用遗传算建立了到发线运用的染色体结构和适应度函数，对这种复杂的非线性组合优化问题进行了仿真。     

基于Memetic算法的客运站到发线分配问题研究

为了探索客运站到发线分配问题有效合理的解决方法,以到发线利用均衡值以及到发线分配权重总和为优化目标,建立了客运站到发线的整数规划模型,并利用Memetic算法进行求解.通过实例验证,表明建立的模型和设计的算法是可行的,得到的分配结果令人满意.     

一种新的异类多传感器系统误差融合估计算法

为解决由测向测时差无源被动传感器与主动传感器组网探测时异类多传感器系统误差估计问题,提出了一种新的异类多传感器系统误差融合估计算法.首先,通过对主被动传感器进行组合并构建异类传感器系统误差量测模型,实现了各组合传感器系统误差的实时估计;其次,通过建立多传感器融合估计结构,对多传感器系统误差的组合估计信息进行融合并反馈,获得了各传感器系统误差的全局融合估计.蒙特卡罗仿真结果表明:该算法能够对组网探测系统中各主、被动传感器的测向测时差及测距系统误差进行有效的融合估计,具有较高的工程应用价值.     

�Ľ����Ŵ��㷨����ʱ�䴰���ͳ��������е�Ӧ��

针对有时间窗的车辆调度问题，在标准遗传算法的基础上，加入爬山算法增强算法的局部搜索能力，通过保护全局最优基因的方法提高了算法的收敛能力，并辅以自适应变异算子，构造了一种改进的混合遗传算法。实验结果表明，改进后的算法具有抗“早熟”能力强、收敛速度快和局部搜索能力强的特点。     

求解具有恶化工件单机调度问题的改进遗传算法

为克服现有算法求解工件数较多的单机调度问题计算量大的缺点,分析了加工时间为阶梯函数的工件排序规则,以极小化最大完工时间为目标,提出了基于局部搜索的改进遗传算法,对基于工序编码方式的染色体设计了线性顺序交叉算子和融合工件排序性质的局部变异算子,并引入局部搜索策略,提高了算法局部搜索能力和收敛速度.算例测试结果表明:工件数为40件时,与模拟退火算法相比,本文算法求得的最大完工时间平均减少了56.6%,显著缩短了制造周期,并有效地避免了局部最优解,收敛速度显著提高.     

����֧���������ع�ĺ�������Ԥ���о�

针对航班延误难以预测的问题,采用支持向量机回归方法建立航班到港延误预测模型。首先,采用相空间重构理论计算到港延误的延迟时间、嵌入维数和最大Lyapunov指数,发现到港延误时间序列存在混沌特性;将航班到港延误时间序列进行相空间重构,并结合执飞该航班的航空器在上游机场的离港延误构建模型的输入向量;其次,将粒子群算法、差分进化算法和遗传算法进行比较,用于选择最优的模型参数,实验表明,差分进化算法能够以较高概率获得最优的预测模型;最后,比较该模型、单一因素预测模型和相关向量机预测模型的航班延误预测性能。结果表明,该模型的预测性能明显优于另外两种模型,能够有效预测航班延误。     

采用支持向量机回归的航班延误预测研究

针对航班延误难以预测的问题,采用支持向量机回归方法建立航班到港延误预测模型.首先,采用相空间重构理论计算到港延误的延迟时间、嵌入维数和最大 Lyapunov 指数,发现到港延误时间序列存在混沌特性;将航班到港延误时间序列进行相空间重构,并结合执飞该航班的航空器在上游机场的离港延误构建模型的输入向量;其次,将粒子群算法、差分进化算法和遗传算法进行比较,用于选择最优的模型参数,实验表明,差分进化算法能够以较高概率获得最优的预测模型;最后,比较该模型、单一因素预测模型和相关向量机预测模型的航班延误预测性能.结果表明,该模型的预测性能明显优于另外两种模型,能够有效预测航班延误.     

Magnetic flux leakage signal inversion of corrosive flaws based on modified genetic local search algorithm

In this paper, a modified genetic local search algorithm (MGLSA) is proposed. The proposed algorithm is resulted from employing the simulated annealing technique to regulate the variance of the Gaussian mutation of the genetic local search algorithm (GLSA). Then, an MGLSA-based inverse algorithm is proposed for magnetic flux leakage (MFL) signal inversion of corrosive flaws, in which the MGLSA is used to solve the optimization problem in the MFL inverse problem. Experimental results demonstrate that the MGLSA-based inverse algorithm is more robust than GLSA-based inverse algorithm in the presence of noise in the measured MFL signals.