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%.      

飞机排班一体化模型与算法研究

为了改善航班计划两阶段完成的次优性,将机型指派、路线选择与机尾号指派综合考虑,构建了飞机排班的整数规划与约束规划杂交一体化模型.通过设计了一种基于约束编程思想的列生成算法对该问题进行求解.最后,通过航空公司实例数据验证了模型算法的正确性和有效性.     

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))。     

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。     

基于航班综合影响因素的延误航班重排问题的整数规划模型

为解决延误航班的恢复问题,以最小化航空公司和乘客损失为目标,构建了延误航班的重 排模型。兼顾航空公司和乘客的利益,通过研究航班干线、VIP 乘客和大飞机等因素对航班重排的影响,构建了目标函数,其中考虑了本场航班离港延误成本、外场航班离港延误成本以及外场 航班进港延误成本三个要素;同时,以机场实际运输能力、航班的进出港时间和重排时刻表的出发时间等作为约束,建立了0-1 整数规划模型。采用昆明机场的实际数据对模型进行测试,运用 Lingo 软件对所建模型进行求解,得到了优化的机场航班重排时刻表,并将计算所得延误损失和机场的实际延误进行了对比分析,结果表明所建模型不仅可以满足更多高优先级乘客的出行需求,也能相应地减少航空公司的损失,从而验证了模型的合理性。     

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。     

航班计划对延误波及变化的影响分析

为了提高飞机利用率,航空公司在制定航班计划时会安排同一架飞机每天连续执行多个航班。当连续航班中的前序航班出现延误时,后续航班往往也会受到影响。为了研究航班计划对于航班延误波及传播的影响,构建了延误波及变化这一指标来反映延误波及增加或者减少的变动趋势。通过马尔科夫毯网络建立了航班计划的多个属性和延误波及变化的贝叶斯网络模型。利用列联表卡方检验揭示了航班计划中影响延误波及变化的主要因素为:相邻两个航段之间的计划过站时间和实际过站时间的差,前一个航段的航线类型,航段顺序。通过分析3个因素对于延误波及变化的影响,为航空公司控制延误波及和优化航班计划提出相应建议。     

基于列生成算法的电动公交车辆调度计划优化研究

在公交运营规划过程中,公交车辆计划问题是编制时刻表和调度驾驶员的连接纽带,是公交运营规划过程中的关键问题.相对于传统公交车,电动公交车具有绿色环保,运营里程短,充电资源少等特点.在运营规划方面,电动公交车车辆计划模型约束多,计算难度大.本文应用整数规划,网络流等基本理论,将车次任务,公交场站,充电站作为节点,将车次间的空驶作为边,把电动公交车的车辆计划问题转化为网络模型.在网络模型的基础上应用列生成方法,对电动公交的车辆计划问题进行求解.在实验部分,将列生成算法分别应用于随机生成数据和实际数据.实验结果中,列生成算法结果相比现在使用方案最多节省了1 辆电动车,成本优化最高为8.3%,表明列生成算法在求解电动公交车辆计划问题时效率高,优化结果较好.     

基于固定班制的地铁乘务计划一体化优化方法

针对运营中常用的固定班制轮班模式，通过加入班次数量比例和备班约束，构建排班和轮班计划一体化的乘务计划优化模型，进行乘务组数的全局优化；之后对传统列生成求解算法进行改进，在定价子问题中分别针对不同班次类型，各自生成班次以适应新的模型约束，并设计加速策略，以完成对一体化优化模型的求解；最后以轮乘站设置不同的两条地铁线路为例开展案例研究，研究了在四班三运转和六班五运转班制下的优化效果，分析了算法的求解效率. 研究结果表明:固定班制条件下，与分阶段优化方法相比，简化了轮班单元构成，乘务组数量减少了6.67%～14.29%，求解时间节约了44.2%～51.4%.      

基于行程多路径的航空公司航班频率优化

将航空运输网络抽象为多层级网络结构, 构建了确定航空公司某一城市对某条路径航班频率的两阶段规划模型: 第一阶段从旅客选择行为的角度, 考虑旅客对旅行时间、过站时间、计划延误时间、票价等因素的价值感知, 构建旅客旅行负效用函数, 进而基于多项式Logit模型构建计算旅客选择某个航空公司某个城市对某条路径概率的旅客路径选择模型; 第二阶段从航空公司的角度, 以总收益最大化为目标函数, 基于行程多路径, 并考虑航空公司总运力限制, 尽可能地让每条路径的运力供给等于需求, 构建了确定路径航班频率的线性规划模型; 提出了求解两阶段模型的迭代算法。研究结果表明: 提出的算法能够在8次迭代之后达到收敛, 可以在较短的时间内得到最优解; 随着算法的收敛, 构建的两阶段规划模型在航线存在市场竞争且整体运力不足的情况下优先将运力安排到收益最高的航线上, 提升航空公司整体收益; 对于包含多个航节的航线, 构建的两阶段模型更能体现旅客选择行为在航班频率配置中发挥的作用; 对于包含一个航节的航线, 需求随航班频率的变动幅度较小, 随着迭代次数的增加, 需求航班频率弹性系数逐渐变小, 对于包含多个航节的航线, 在航线总需求一定的情况下, 需求随航班频率的变动幅度较大, 由于市场竞争存在航班频率不变需求骤减的情形。可见, 所提出的模型和算法能够有效提升航空公司收益。      

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.     

技术站配流与调机运用综合问题的混合整数线性规划模型

为进一步提高铁路技术站作业计划编制效果,针对采用一台调车机车解体和一台调车机车编组的技术站配流与调机运用的综合问题,作者确定了出发列车的编组内容和解体（编组）调车机车的解体（编组）任务,使得出发列车满足列车编组要求,且车辆在站总停留时间最小。基于单机器调度理论和资源分配理论,在将原问题分解为解体子问题、配流子问题和编组子问题的基础上,首次建立原问题的混合整数线性规划模型。最后,采用既有文献中普遍采用的算例对该模型进行计算分析,并与其他研究方法进行比较。计算结果验证了该模型在问题描述上的正确性以及在消耗更多计算时间前提下计算质量上的优越性。     

武广客运专线动车组运用优化模型及求解思路

动车组运用是客运专线运营的重要内容,通过动车组的运用优化可以有效的提高动车组运用效率以及客运专线运营效率。在给定列车运行图条件下,动车组所属权、检修规程、运用方式和作业时间标准是影响其运用计划编制的重要内容。针对武广客运专线,在分析武广客运专线动车组的修程修制和运用方式的基础上,结合给定的列车开行方案,以完成列车运行图任务所需动车组数量最少和动车组运用率均衡为目标,建立了考虑日常检修和一级检修的武广客运专线动车组运用优化模型,并给出了该优化模型的求解思路。作者首先将该模型简化为单目标规划问题,然后将其转化为动车组运用的TSP网络模型,该模型可以用蚁群算法进行求解。     

��Ⱥ�㷨�ڶ��������������е�Ӧ��

动车组运用是高速铁路运输组织的关键技术之一.本文结合国内外对高速铁路动车组运用问题的相关研究,根据动车组的运用特点和运用规则,在已知列车运行图的基础上,建立了求解动车组运用问题的整数规划模型.将动车组的接续运行与检修计划制定过程转化为动车组运用网络上具有较多约束条件和目标函数的TSP问题.并借鉴了蚁群算法求解该问题.为优化我国在建和拟建的高速铁路和客运专线的动车组运用及计算机自动编制动车组运用计划提供了有效的求解算法.最后结合武广客运专线运用计算机模拟进行验算,证实了算法的可行性、实用性.     

客运专线动车组运用计划的计算机编制

根据动车组运用规则，建立了动车组运用计划整数规划模型．为降低求解的复杂性，将动车组运用计划编制问题转化为交路段生成和基于交路段的交路生成两个问题分步求解．用多起点搜索和交路段互换的方法，使求解结果在有效性和均衡性上得以优化．实际编制实验表明了模型和算法的有效性．     

铁路集装箱中心站多轨道吊柔性协同调度优化

针对铁路集装箱中心站轨道吊协同装卸调度(RMGCS)问题，考虑多轨道吊间的作业干涉和安全距离约束，建立目标函数为最小化集装箱完工时间的混合整数规划数学模型。结合 RMGCS问题特性，提出一种考虑多轨道吊柔性协同作业的改进麻雀搜索算法(ISSA)，首先，提出能够解决多轨道吊间作业冲突的任务分配策略和干涉判断方法；其次，设计自适应非线性动态安全值，平衡全局和局部搜索；再次，改进加入者更新移动方式，使其在全维度上靠近最优解；最后， 引入LOV(largest-order-value)规则，将个体从实数向量映射到集装箱整数序列。为了验证问题和算法的有效性，分别利用ISSA与其他算法求解不同样本规模的算例，结果表明：ISSA在不同样本 规模的RMGCS问题求解上，均具有更好的寻优效果。此外，所提出的柔性协同调度模式相比现有的固定范围顺序装卸调度模式，使样本量为45的装卸作业总完工时间缩短了15.5%。     

多类型任务复合作业的堆场龙门吊调度问题研究

在集装箱码头,龙门吊是负责在集装箱堆位和集卡之间进行集装箱搬运的主要设备,其作业效率对提升集装箱码头的服务水平至关重要.为了提升集装箱堆场龙门吊的作业效率,本文根据龙门吊实际作业情况,对集装箱堆场龙门吊的多类型任务复合作业问题进行研究.以优化龙门吊作业任务开工时间延迟的惩罚成本为目标,基于整数规划方法建立了多类型任务复合作业下的堆场龙门吊调度模型,并针对模型特点设计了基于GA的智能求解算法.最后,以某码头的实际作业数据为基础,进行了案例计算和对比,验证了该模型和求解算法的有效性.     

场面航空器滑行时空协同优化模型

引入双层规划方法, 研究了场面航空器在滑行道系统中的滑行调度问题; 考虑了成本与冲突对场面航空器运行效率和安全的影响, 以航空器推出延迟时间与滑行路径作为决策变量, 以航空器在滑行道系统中滑行过程无冲突与场面航空器的总滑行距离最短为目标函数, 构建了场面航空器滑行时空协同优化模型; 针对航空器滑行道调度问题的特点, 设计了适用于航空器滑行时空协同优化模型的双层规划算法, 以降低场面航空器滑行距离和等待时间; 为了验证航空器滑行时空协同优化模型及算法的有效性, 对比了先到先服务调度方案的计算结果, 分析了滑行等待时间与滑行距离对场面航空器运行效率的影响。研究结果表明: 场面航空器滑行时空协同优化模型与先到先服务的航空器调度方案相比, 保证了航空器滑行过程无冲突, 将16架次航空器的总滑行距离从40 690 m降至37 700 m, 降低了8%;航空器平均运行时间为254 s, 提升了滑行道系统的整体运行效率; 在复制组数为100与变异概率为0.4的条件下, 采用场面航空器滑行时空协同优化模型能够在412 s内获得最优解, 求解效率与收敛性显著。可见, 采用场面航空器时空协同优化模型在保障航空器滑行安全的前提下, 能有效提高场面航空器滑行调度效率, 降低航空器运行成本, 能够为繁忙机场滑行道调度提供决策支持。      

公共自行车系统站间调度优化研究

国内多个城市开始推行公共自行车,但都存在借车难及还车难的问题,关键在于站点配车数不合理、站间调度不及时.运用运筹学中货郎担问题动态规划的解题思路,分两步求解站间调度路径:先收集自行车;再发放自行车,综合两步得到最优调度路径.通过建立简单数学模型并求解,证明货郎担问题解题思路可以用于解决公共自行车系统自行车调度优化.提供...     

An efficient approach for solving yard crane scheduling in a container terminal

An efcient approach for yard crane（YC）scheduling is proposed in this paper.The definition of task group for YC scheduling is proposed.A mixed integer programming（MIP）model is developed.In the model,objective functions are subject to the minimization of the total delay of complete time for all task groups and the minimization of block-to-block movements of YCs.Due to the computational scale of the non-deterministic polynomial（NP）complete problem regarding YC scheduling,a rolling-horizon decision-making strategy is employed to solve this problem,by converting the MIP model into another MIP model in the scheduling of each rolling period.Afterwards,a heuristic algorithm based on modified A＊search is developed to solve the converted model and obtain near optimal solution.Finally,the computational experiments are used to examine the performance of the proposed approach for YC scheduling.