基于均衡使用要求的飞机排班算法

为解决基于均衡使用要求的飞机排班问题，引入航班节的概念，并对飞机一航班节之间的匹配性约束作松弛处理，然后通过构造航班节的网络模型，将基于飞机均衡使用要求的飞机排班问题转化为寻找一个使目标函数最小的航班节编组方案问题，根据飞机的均衡使用要求构造了目标函数，设计了一种基于模拟退火算法的启发式算法。该算法的计算复杂性为O(M(m^3 mn))。     

飞机排班数学规划模型

分析了国内航空公司普遍采用的单枢纽线性航线结构以及飞机排班工作流程和要求,研究了描述飞机排班问题的数学模型构造方法,引入“航班节”的概念,将一个具体的飞机排班问题归结为三种典型排班模式中的一种,即基于飞机调度指令要求的排班问题、基于最少需用飞机数的排班问题、基于飞机使用均衡要求的排班问题。应用结果表明平均每架飞机分配的航班任务时间与期望飞行时间的偏差仅为4．8min,而且得到飞机排班方案的时间不到23s,因此此飞机排班模式是解决单枢纽线性航线结构下的飞机排班问题的一种有效方法。     

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。     

一种新的机场地面容量评估模型

空中交通流量剧增，机场容量与空中交通需求的矛盾日益凸出，针对机场地面滑行网络，提出滑行飞机流优化算法，确定飞机经过指定滑行路径上各点的最优时间，避免航班冲突，减少航班延误，将该算法用于机场地面容量评估模型中的飞机流产生模块，结合计算机图形仿真技术开发了机场地面容量评估系统，利用成都双流国际机场的实际航班数据进行仿真计算，得到的容量评估结果验证了该评估模型的可行性和优越性。     

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%.     

基于飞机最大起飞重量、商载与航程关系的飞机选型研究

飞机选型与机队规划是航空公司发展与决策的核心内容.本文从航空公司运营角度出发,围绕飞机的最大起飞重量、商载和航程的匹配关系进行深入研究,依据商载航程图,重点分析了其限制条件和最大起飞重量的改变对商载、航程能力的影响.针对16个机型关于商载、航程、起飞重量等10个影响因子建立了商载、航程能力比较算法,进而最终确定最大起飞重量的选择方法.结合实际航线,针对宽体客机最大起飞重量的选择和增重后所需回收成本的航班数量进行分析验证,得到最大起飞重量的改变对实际航线适应性的影响.结果表明算法具有较好的实用性,为航空公司引进新飞机选择最大起飞重量提供一定的参考价值.     

一种符合二部图的船舶运输神经网络算法

运用神经网络优化算法,对一种符合二部图最大权匹配的船舶运输线路进行了优化计算,仿真计算表明其结果是正确的,为船务公司的生产决策提供了定量依据,此算法表明,基于神经网络的优化方法对于航运管理优化问题是可行的。     

公路旅客最少换乘次数乘车方案选择算法

对公路旅客最少换乘次数乘车方案选择算法进行了研究,建立了描述公路客运换乘网络的有向无权图模型,将两站之间最少换乘次数乘车方案选择问题,转换为在权图中搜索两顶点间的最短路径问题,同时给出求解换乘网络中单一最短路径的基本广度优先搜索算法和求解全部最短路径的改进广度优先搜索算法,并通过算例验证算法的正确性.最后对算法的执行效率进行了分析.     

����GSAA��ͣ��λָ���Ż�������о�

停机位的合理指派是机场地面作业中的一项核心任务,对减少枢纽机场航班中转时间起着重要作用,但是停机位指派问题是NP难问题,模型和算法都比较复杂。建立了以旅客满意度为优化目标的数学模型,并设计了一种贪婪模拟退火算法（GSAA）,以求解枢纽机场的停机位指派问题。该算法首先根据贪婪算法FCFS准则使“丢失”的航班数最少得到模拟退火算法的初始解,然后运用经典模拟退火算法求解出最优指派结果。数值仿真证明了模型和算法的有效性。     

求解不确定车辆数车辆调度问题的混合算法

针对不确定车辆数的车辆调度问题,建立了使用配送车辆数最少和总行驶距离最短的双目标数学规划模型.在分层序列法思想的框架内,提出一种分两阶段求解的混合算法.基于改进的粒子群算法进行车辆的分配,获得完成任务集所使用的最少车辆数,把粒子群的优化方案转化为禁忌算法的初始解进行路径的优化,以使车队完成给定的配送任务集所花费的成本最少.通过实例求解结果对算法进行了总结分析.     

����ServiceModel�Ĺ��ں���ƻ����з���

航班计划运行仿真是一个高效的、低成本的、高准确度的、动态的航班计划评估方法. 随着国内航空运输量的增加和航线网络的扩展,对航班计划的可行性和经济性提出了更高的要求. 本文以ServiceModel仿真软件为平台,构建了一个国内航班计划在航线网络层面运行的仿真模型. 仿真模型通过模拟航班在地面过站和天空飞行等运行过程（包括国内150个机场）,不但可以根据航班延误时间,缓冲时隙,轮挡时间,飞机利用率等参数评估任何一个国内航班计划,还可以在运行过程中为不正常航班恢复系统提供随机延误航班,并对恢复结果进行评估.     

枢纽辐射式航线网络需求适应性研究

在建立点对式和枢纽辐射式航线网络运输成本计算模型基础上,考虑满载率影响,从需求规模、需求分布结构及出行距离三方面探讨了枢纽辐射式航线网络的需求适应性,并列举实例说明需求适应性在航线网络形态选择中的应用.研究结论得出：枢纽辐射式航线网络适合于起讫点之间需求量小满载率低、双向分布不对称以及小需求长距离的需求模式.     

基于延误传播的飞机排班一体化鲁棒优化模型

为了减少航班延误对航班运行计划的影响,在分析航班延误传播特性及其分布的基础上,以总波及延误时间最少和航空公司运营成本最小为优化目标,建立了双目标飞机排班一体化网络流鲁棒优化模型.将该模型应用于国内某航空公司的实际运营数据进行实例分析,利用列生成和分枝定价法求解,结果表明:用本文模型优化后的航班计划使航班延误传播减少了41%;运营总成本比航空公司实际成本减少了11.33%,比没有考虑鲁棒性的飞机排班一体化模型的成本减少了9.93%.      

航空公司机组飞行实力利用率影响因素分析

机组飞行实力是指一个航空公司在计划期内可用于执行航班任务的飞行员的可用飞行时间,它是航空公司最重要的生产资源要素之一。当前飞行实力紧张是普遍制约国内航空公司发展的一个重要因素．作者研究了影响机组飞行实力利用率的主要因素,特别是提高飞行实力利用率的方法有助于飞行人力资源的有效利用．本文就当前飞行人力资源管理所面临的法律环境、航空公司运行管理和经营决策、航线网络结构、机组排班效率等几个层面系统地分析了影响航空公司飞行实力利用率的主要因素,探讨了提高机组飞行实力利用率有效途径。     

延误航班机场场面滑行优化调度策略研究

为减少大面积航班延误带来的机场拥堵和安全隐患,提出了将解决延误航班调度过程转化为求解流水车间调度问题（flow-shop scheduling problems,FSP）.以航空器总体调度滑行时间最小为目标,建立延误航班滑行调度模型,设计多粒子群算法求解模型.算例分析表明,该调度模型较之比FCFS方案在一个高峰时段内能减少14.2min调度时间,提高了机场运行效率.     

基于可召回机制的航班延误损失优化研究

将乘客分为对航班延误敏感和不敏感两类,针对航空公司遭受航班延误损失的问题,构造考虑航班延误损失的利润优化模型,通过比较航空公司在传统销售和可召回机制下的收益差异,得出实行可召回机制可优化航班延误损失,提高航空公司利润。最后用数值模拟验证可召回机制的有效性,并得出一些决策和管理启示。     

随机需求航线网络效应下机队鲁棒优化方法

针对航线网络效应及旅客需求不确定性问题,将旅客组合优化模型加入机队规划问题,借鉴航线网络运力优化分配方法,以机型飞机数目、航段机型飞行频次、行程路线上旅客溢出人数为决策变量,以行程路线上旅客需求限制、航段飞行频次限制、特定机型机队飞行时间限制为约束条件,利用量化市场份额指数计算旅客溢出再捕获率,建立了旅客需求不确定情景下的机队鲁棒优化模型,设计了航线网络环境下的旅客需求离散情景集,用情景汇聚算法求解该模型.算例仿真结果表明,与传统机队规划模型相比较,本文模型的机队规划成本降低了167.07万元;与确定解的最小随机期望值相比,在3种情景集下,随机规划解的机队规划成本分别降低了19.88万元、21.02万元与17.55万元.      

����֧���������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。