多跑道降落飞机协同调度优化

为了制定安全、高效的空中交通管理战术决策,研究了多跑道降落航班协同调度问题.基于协同决策理念,综合考虑空管、航空公司和机场等因素,提出一种协同航班调度策略,给出了协同调度优化模型.模型在满足安全性和公平性约束条件下,寻求总延误成本最小即功效性最大的调度方案.采用基尼系数建立公平性约束,以处理功效性和公平性之间的关系,并引入当量航班概念来定量分析公平性.针对多跑道航班调度问题的特点,设计了遗传算法予以求解验证.仿真结果表明:该算法总延误成本比先到先服务算法降低了72.6%,最大延误时间减小了50.8%,因此,调度的功效性与公平性得到提高,所提方法有效.     

基于复合分派规则的进场航班排序方法

为解决航班延误问题,提出了基于复合分派规则的进场航班排序方法。基于机器调度理论,将最小化加权总延误为目标的进场航班排序问题等效为最小化加权总滞后的机器调度问题;考虑顺序决定的准备时间约束、提交时间约束与最后期限约束,构建了进场航班排序模型;引入加权最短加工时间因子、松弛因子、准备时间因子、提交时间因子与最后期限因子,提出了进场航班排序的复合分派规则,设计了进场航班排序的启发式算法;基于实际案例,对比了采用提出的排序方法、先到先服务规则与Lingo软件得到的进场加权总延误、总延误与最大延误。计算结果表明:提出的排序方法在30架次航班数值仿真中,加权总延误比先到先服务规则缩短了31min,延误航班数量减少了6架次;在以上海浦东机场北向运行为场景的实际案例验证中,基于排序方法的优化降落时间与Lingo软件的仿真结果相同,与实际降落时间相比,平均每架次航班提前了2.4min降落。     

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%.     

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.     

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.     

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。     

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。     

动态数据驱动的航班延误预测研究

航班运行过程的动态性导致延误实时预测成为难题,动态数据驱动方法为其提供了一种解决方案.该方法能将航班运行实时数据动态加入延误预测过程中,使预测结果更准确可靠.以预测连续进港航班的降落延误为例,对航班之间的延误传递过程进行分析,建立相应的状态空间模型;给出动态数据驱动的航班延误预测框架及预测过程.在航班运行历史数据上进行的多个实验表明:该方法能获得较高的预测准确度和良好的预测稳定性.     

基于多目标优化的病态逆问题求解

针对科学和工程研究中的病态逆问题,提出了基于多目标优化的求解方法.该方法将各次观测所得问题方程组残差作为多目标,并进一步将该多目标转化为单一目标,通过遗传算法寻求问题最优解,从而利用多次观测的有效信息,达到稳定病态逆问题解的目的.数值算例表明,该方法在参数反演精度和抗噪方面,显著优于最小二乘法(LS);在中、低噪声水平上的相关性态优于Tikhonov正则化方法.     

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。     

跑道容量的概率模型及容量曲线

跑道容量通常可用跑道容量曲线来表示，它表示了起飞着陆容量间的相互制约关系。从管制员的工作角度出发，以ASAC容量模型为基础建立了跑道容量的概率模型及其C语言实现，以实际机场统计数据，以单跑道容量曲线进行了计算和分析。模型计入了管制规则、进行（起飞）速度、位置不确定性、风速、跑道占用时间、机型组合等随机变量的影响。     

着陆阶段航空器航迹检测与风险识别方法

进近着陆是整个飞行过程中最易发生危险的阶段.目前着陆阶段的风险识别 只能依靠塔台管制员的目视观察.在飞行员技术不熟练、起降频繁的通用航空飞行训练 中,目视观察很难准确掌握情况,也因此蕴含了巨大的安全风险.利用视频监视航空器着 陆行为,同时提出了一种适合复杂背景下小目标分割算法,从视频中提取航空器着陆航 迹;并以此为基础进一步识别降落过程中的运行风险.通过对多组不同角度的视频监视数 据验证,该算法可在复杂背景下实现航空器着陆航迹的跟踪、落地时刻的判断及危险滑 行航迹的准确识别,对于保障飞行安全具有重要的现实意义.     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.     

An Effective Hybrid Optimization Algorithm for Capacitated Vehicle Routing Problem

IntroductionVehicle routing problem(VRP)is a well-known combinatorial optimization problem and isalso a focal problem of distribution managementwithin the area of service operations managementand logistics.Capacitated vehicle routing problem(CVRP)is a very hard vehicle routing problem.The problem is to simultaneously determine theroutes for several vehicles from a central depot to aset of customers,and then return to the depotwithout exceeding the capacity constraints of eachvehicle.In prac…     

集装箱船舶装箱排序问题的两阶段算法

集装箱船舶装箱排序问题综合集装箱装船顺序与船舶贝内排箱,是一类典型的组合优化问题.考虑堆场发箱顺序和船舶配载之间的关联,构建集装箱船舶装箱排序问题的数学模型.针对构建的优化模型,鉴于已有方法难以直接对其进行求解,基于两阶段分层求解思想设计SWO-HES两阶段算法.算法第1阶段利用吱呀轮算法(SWO)大邻域导向式搜索的特点优化集装箱装船顺序问题;第2阶段将SWO的结果作为输入,基于启发式规则和演化策略算法(ES)构造混合演化策略算法(HES)优化船舶贝内排箱问题.最后,通过不同规模算例的研究,将SWO-HES与常见智能算法、基于实际装船规则的启发式算法进行对比分析,验证模型与算法的有效性.     

基于知识的具有关键设备的生产调度问题遗传编码方法与算法

针对具有关键设备的调度问题,提出了基于知识的问题编码方法,包括染色体结构表法、染色体构造算法和操作序列生成算法,并给出了编码实例。     

具有反向学习能力的串车调度算法研究

为了避免串车问题,研究了多条线路不同站点间隔的车辆实时串车调度算法.基于车辆自动定位(AVL)数据的分析预测,给出了具备反向学习能力的克隆选择优化算法 (Opposition-learning Clonal Selection Algorithm, OCSA )求解避免串车的调度序列,指导车辆调度.算法中设计了反向抗体库,反向抗体库存储了种群迭代过程中多个较差抗体的信息,利用较差基因位置信息,指导部分基因链以较快速度进行反向学习,将其迅速牵引出局部最优区域.反向学习过程可迅速改善抗体的多样性,使得算法在短时间内具有较强的全局寻优能力;且局部学习的缩放因子可随迭代过程动态调整,提高了算法的求解精度.实验结果表明,基于 OCSA算法获取的调度序列与经典的调度算法相比有较好的适应性,求得的调度序列能够实时有效地降低站点串车问题.     

求解柔性Job-shop调度问题的混合粒子群算法

针对柔性Job-shop调度问题,提出了一种混合粒子群算法,该算法对设备分配和工序调度采用不同的编码方法和更新方式,提出了基于设备的初始化算法和基于工件序列的初始化算法来提高PSO初始种群的质量,同时提出了4种不同的邻域结构,分别实现了基于此四种邻域结构的模拟退火搜索算法,将它与粒子群算法进行有效混合来提高粒子群算法的局部搜索能力,实验表明HPSO的有效性.