基于FS-MOPSO的多机场终端区协同航班调度策略

针对多机场进场航班协同调度问题,以协同决策(collaborative decision making,CDM)理念为基础,在重点分析各航空公司之间排序公平性的基础上,提出了一种基于按时刻表分配(ration by schedule,RBS)公布顺序的离散化优化模型.该模型通过分析多机场终端区定位点和跑道双重约束,均衡各航空公司航班相对RBS次序位置变动数,实现了提高调度公平性、优化调度延误时间、减少航班改变位置架次的多目标优化.将模糊自修正多目标粒子群算法(FS-MOPSO)应用于模型进行求解计算,并对上海多机场终端区航班调度进行仿真模拟,结果表明:两机场的30架进场航班调度延误时间较传统先到先服务方案减少22.53%;各航空公司航班改变位置架次偏差值较单一以延误最优遗传算法仿真结果降低26.31%.     

基于蚁群算法的多跑道航班协同调度建模

针对终端区航班拥堵问题,模型通过读取进离场航班的航班号、机型和所属航空公司等实时信息,以提高航空公司效益性和航空公司之间竞争公平性为目标,建立了多跑道航班协同调度（CDM GDP）的多目标动态优化模型,采用蚁群算法对模型进行仿真.经过仿真验证表明,模型优化算法与先到先服务（FCFS）状态下航班排序相比,延误损失降低70.10%;延误损失偏差和降低38.64%.     

多跑道航班起降调度优化算法

为了提升大型繁忙机场的运行效率,考虑了多跑道的运行条件和安全要求等因素,以最小航班总延误为目标函数,以最大位置偏移为约束条件,引入滚动时域控制策略,建立了航班动态排序模型。针对多跑道航班调度问题的特点,分别采用基于滚动时域控制策略的遗传算法和现有的先到先服务算法求解模型。计算结果表明:当航班正常时,采用现有的先到先服务算法,航班总延误为1 712s,采用基于滚动时域控制策略的遗传算法,航班总延误为1 080s,与先到先服务算法相比,延误时间减小37.0%;当航班不正常时,采用现有的先到先服务算法,航班总延误为1 658s,采用基于滚动时域控制策略的遗传算法,航班总延误为969s,与先到先服务算法相比,延误减小41.5%。可见,基于滚动时域控制策略的遗传算法有效。     

多跑道着陆飞机协同调度多目标优化

综合考虑空中交通管制、航空公司和机场因素,研究了多跑道降落航班的协同调度问题,以实现安全、公平和高效的空中交通管理战术决策．提出了采用协同航班调度策略和多目标优化调度模型．模型以安全性为约束,以总延误成本和空中交通管制员管制负荷最小、航空公司之间尽量公平为优化目标,用多目标遗传算法求解．算例仿真结果表明,用本文算法得出的最优方案与FCFS算法结果相比,因延误造成的总成本损失减少了61．4％,并使延误损失在各航空公司间的分配更加均衡．     

基于多目标优化的航空器离场时隙控制方法

为了兼顾效率性和公平性,合理利用时隙资源,进行航空器离场时隙分配,根据机场管制运行部门和航空公司的决策目标,以航班正点率、旅客延误时间、延误成本、基尼系数等目标的不同组合为优化目标,建立了3组多目标优化模型.针对机场管制中航空器放行的应用背景,采用改进的人工鱼群算法求解模型.算例仿真结果表明:以航班延误成本和航班正点率为优化目标时,得到2个Pareto解集,与RBS(ration-by-schedule)分配算法相比,航班延误成本减少了52.9%和48.6%,航班正点率提高了62.5%和75.0%;以航班延误成本和旅客延误时间为优化目标时,得到1个可行解,与RBS分配算法相比,航班延误成本和旅客延误时间分别减少了52.9%和37.5%;以公平性和效率性为目标时,随着公平性的增强,效率性减弱.本文的多目标离场时隙控制方法,弥补了现有方法只考虑效率性的缺陷,为管制员提供了更多可供选择的决策方案.     

多机场终端区进离场航班协同排序研究

为了缓解繁忙终端区日益严重的空域拥堵和航班延误现状,研究了多机场终端区进离场航班协同优化排序问题.通过深入分析多机场终端空域结构,以及进离场航班运行特征,综合考虑尾流间隔、移交间隔、放行间隔、多跑道不同运行模式下的运行间隔等约束限制,将多机场终端区视为一个系统,引入"外围航班流"概念,以最小化航班延误为优化目标,建立了多机场终端区进离场航班协同优化排序模型,并采用改进的模拟退火算法对所建模型求解.选取上海终端区为研究对象进行仿真验证,仿真结果表明:利用本文提出的优化方法航班总延误比先到先服务策略减少了37.85%,有效地提高了多机场终端区进离场航班的运行效率.     

多跑道机场离场航班推出时刻的优化研究

针对繁忙机场场面拥挤造成的大量航班延误状况,作者研究了繁忙多跑道机场离场航班的推出时刻最优问题,以缓解机场场面拥挤,减少航班的地面等待时间和提高跑道利用率。根据飞机尾流间隔的要求以及跑道起飞容量的限制,本文建立了多跑道机场离场航班推出时刻模型,并针对机场小规模的离场航班流量,设计启发式算法,并用算例进行仿真验证。结果表明,与先到先服务的推出时刻策略相比,经该算法优化后的航班总地面等待时间减少了近41%,同时跑道利用率提高了30%。     

基于航班时刻优化的多机场地面等待问题——模型和算法

为了优化航班的多机场地面等待问题,根据航班时刻信息,考虑空域容量和飞机周转限制,建立了以总延误时间最少、总延误成本最低、总调整航班架次最少、总延误航班架次最少的多目标、多机场地面等待问题模型.用非支配分类遗传算法Ⅱ(NSGA-Ⅱ)求出了该模型的优化多目标解集.以2008年秋季北京、上海和广州三大枢纽机场为例对该模型进行了验证,与先到先服务情况相比,平均总延误成本减少了约24%,平均总航班调整数减少了约62%.     

航班延误恢复调度的混合粒子群算法

为了优化航班延误恢复调度,考虑了航班延误的经济效益、社会影响和经济损失构成,定义了航线影响因子,构建了一种新的航班延误恢复调度模型,将局部搜索方法引入到粒子群算法中,提出了求解航班延误恢复调度问题的混合粒子群算法。计算结果表明:与先来先服务调度方法相比,混合粒子群算法可以减少航班延误损失4.2%,与基本粒子群算法和进化策略算法相比,混合粒子群算法平均可减少航班延误损失2.0%,随着航班延误恢复规模的增大,算法优势会更明显。     

航路时空资源分配的多目标优化方法

为了提高航空公司与空管方之间的协同决策程度, 降低航班延误水平, 以航路飞行的航班为研究对象, 研究了航路时空资源的多目标分配; 考虑实际运行条件下航班的唯一性约束、时间顺序约束和可行性约束的影响, 以航班在流量受限区所分配的飞行航迹和进入时隙为决策变量, 以航班总延误成本最小和航空公司延误公平损失偏差系数最小为目标函数, 构建了多目标非线性0-1整数规划模型; 基于模型特点引用了非支配排序遗传算法(NSGA-Ⅱ), 并利用排列编码法设计了一种整数基因编码方式, 以最大限度保证基因产生可行解集; 为了验证模型与算法的有效性, 基于南中国海地区航班运行实例, 对算法搜寻最优解的性能进行了研究, 并将此算法与传统按时刻表分配(RBS)方法进行了对比。研究结果表明: 改进编码方式的NSGA-Ⅱ算法使解集种群在约50代后世代距离从600收敛至30并稳定, 具有良好的收敛性; 针对实例中的多目标优化模型共生成有6组解的帕累托解集, 结果有66.7%的概率完全支配RBS方法, 且优化结果中航班平均延误成本比RBS方法降低了8.5%, 平均公平损失偏差系数降低了70.6%。可见提出的航路时空资源多目标优化方法的执行效果显著, 可在降低总延误成本的基础上兼顾各航空公司的公平性, 是解决航路飞行航班航迹与时隙资源分配问题的一种有效方法。      

����Ӧ����������ģ���Ż��о�

优化应急车辆调度是降低突发事件造成重大人员伤亡和财产损失的有效手段. 在分析应急车辆调度问题、决策目标、决策变量和目标函数的基础上,构建了最小化整体损失的理想化调度模型. 针对该理想模型的参数难以确定的问题,提出以广义响应时间为基础,以实时交通量辅助决策,采用简化约束条件的方法建立了城市应急车辆调度的优化模型. 分析了路段行程时间和交叉口行程时间的计算,依据路段交通流量对城市应急车辆调度的影响划分道路服务等级. 基于威海市实际案例的分析结果表明,简化模型能够辅助优选应急车辆调度方案,验证了该方法的有效性.     

基于最小延误成本的进港航班公平排序

进港航班排序优化是提高航空公司的经济效益和空中交通流量管理的主要手段。作者在一定假设的条件下,以所有到达航班在机场终端总延误成本最小为目标函数,并在该函数中引进公平性惩罚因子,得到一个带有公平性惩罚因子的航班总延误成本最小进港排序模型。该模型用粒子群算法求解,作者给出了解法步骤。文中列出了两个实例。实例结果表明：在自然状况下,本文模型的总延迟成本显著地下降;与遗传算法的结果比较,两个方法都有效地降低了总延误成本,但是,本文方法的最大延迟顺序小于遗传算法的相应值,结果比较公平;此外,本文方法的计算量相对较小。     

列车通信以太网周期数据时态约束调度方法

针对工业以太网调度方法以报文截止期为唯一约束的局限,提出了一种基于时态约束的列车通信网络周期数据调度表生成方法.首先基于时间触发机制改造列车以太网的通信与消息模型;其次利用网络设备通信参数与数据报文参数,提出周期数据通信的时态约束有向图量化模型;最后设计了基于可满足性模理论的调度表生成算法,求解单播及广播业务的周期数据调度表以验证算法有效性,并在实际列车通信网络的拓扑条件下进行调度性能测试及分析.实验结果表明:该调度算法能够解决部分传统算法不能调度的通信任务,满足更细化的周期数据调度需求并提升调度灵活性;调度性能测试中最大链路负载超过80%,可调度周期数据业务量达到1 000项.      

基于遗传算法的加油车和摆渡车协同调度研究

航班地面服务是机场运行的重要环节.航班在机场过站期间所接受的一系列 地面服务通过不同类型的保障车辆来执行.通过分析机场过站航班保障的业务流程,确定 了加油服务和上客服务的时间约束关系,并在此基础上,以至少需要的保障车辆数目和 服务总开始时间最早为目标,研究构建了远机位航班加油服务和上客服务的协同调度模 型,并给出了基于多目标遗传算法的模型求解.基于首都国际机场实际运行数据的实验结 果表明,所提出的模型能较好地解决加油车和摆渡车协同调度问题.实验得到一组Pareto 最优解为业务部门提供决策支持.     

基于约束编程的飞机排班问题研究

飞机排班是航空运输生产计划的重要环节,对航空公司的正常运营和整体效益有着决定性影响.飞机排班通常构建为大规模整数规划问题,是航空运筹学研究的重要课题,构建的模型属于严重退化的NP Hard问题.本文把飞机排班问题构建为多商品网络流模型,并应用列生成算法求解;在列生成子问题中,引入约束编程系统实现快速求解航班连线（航班串）并计算各航班串简约成本,动态选择列集并与限制主问题进行迭代.最后,利用国内某航空公司干线航班网络实际数据验证模型和算法的有效性,并与航空公司实际排班进行比较研究.     

基于最早预达时刻的进近排序模型及算法

为解决空中交通流量的高速增长造成了进近冲突，合理安排飞机着陆顺序，充分利用跑道容量，对现有排序模型进行简化．讨论了相邻飞机之间安全间隔的标准．通过分析相邻飞机速度对安全间隔的影响、飞机预计到达时刻、飞机优先权，提出了基于最早预达时刻的排序模型及算法．算例表明，该算法计算量较小，排序结果优于传统排序算法．     

铁水运输调度双层多目标约束优化模型

为实现铁水运输作业排程与资源分配的协同优化，基于约束程序累积调度和字典序多目标优化理论，研究了铁水运输调度双层多目标约束优化方法.首先，基于铁水罐周转率最高和作业效率最高2个字典序优化目标，考虑作业时序、作业实施逻辑、铁水温降时限、铁水罐作业次数限制、资源容量限制和铁水罐资源池等约束条件，建立了上层的铁水运输作业排程约束优化模型；其次，以资源利用均衡度最高为目标，将作业实施唯一性和资源容量限制作为约束条件，建立了下层的铁水运输资源分配约束优化模型；最后，通过约束传播与多点构建性搜索的混合算法迭代求解整个模型.通过实例验证表明：设计的混合算法求得的铁水罐周转率目标和运输作业效率目标，比基本深度优先回溯算法分别提高了14.29%和60.53%；字典序多目标模型比加权和单目标模型求解效率和求解质量分别提高了20.3%和11.11%.     

基于层次蝙蝠算法的应急车辆调度与交通疏散协同决策

城市路网多事故应急救援中，因交通拥堵造成应急车辆滞留现象时常发生，严重影响道路交通事故救援效率.提出通过交通疏散提高救援路径的可靠性，构建双层规划模型对应急车辆调度和交通疏散进行协同决策. 设计一种双层蝙蝠算法，上层算法在应急车辆需求、事故时间窗和可用车辆约束下求解响应时间最短的调度方案，下层算法在路段容量和疏散需求约束下求解多条最短路径的交通疏散策略，从中选取最短时间路径. 算例结果表明，本文模型通过缩短应急车辆在途时间有效提升了应急救援效率，算法具有优秀的寻优能力和运行速度.     

考虑海上意外时间和合作协议的班轮运输船期设计鲁棒优化

针对考虑海上意外时间的集装箱班轮运输船期设计问题，依据海上意外时间经验数据，设 置航行缓冲时间比例系数。运用连续最优控制原理，求解各航段船舶航行时间细分区间上燃油 消耗最小的优化航速。结合多时间窗、多起讫时刻和多挂靠港口装卸效率合作协议，以班轮运输 服务总成本最小为目标，构建班轮运输船期设计非线性混合整数规划鲁棒优化模型，设计分段离 散化线性逼近算法求解模型。以AWE1(远东-美东1)航线为例，运用100个场景的数值进行模拟 验证。结果显示：与不考虑海上意外时间或无合作协议相比，考虑海上意外时间和合作协议的班 轮运输船期设计分别降低班轮运输服务总成本14.65%和3.54%。研究表明，在恶劣天气和海况 对船舶航行影响较大的航线上或季节里，基于合作协议，设计考虑航行意外时间的鲁棒性船期， 可实现船公司、港口和客户三方共赢。     

考虑改航策略的终端区到达航班优化调度模型及算法研究

在恶劣天气条件下,仅采用调速与空中等待等传统的流量管理方法将导致终端区到达航班大量延误.为此,需要研究恶劣天气下航班改航策略,并将其与传统流量管理方法结合起来.文章引入改航航班等待时间这一决策变量,建立了考虑改航策略的到达航班优化调度模型,并根据航班实际改航情况,对模型进行了简化处理,采用改进遗传算法对模型进行求解.对...