基于航班优先级排序的高峰时刻场面滑行调度优化研究

为解决高峰小时场面航空器滑行冲突,提高机场运行安全和效率,减少航班延误损失,提出了基于航班优先级的航空器滑行调度模型.以基于最短路径的总调度时间最小为目标,使用滚动时域策略,设计预测窗口、滚动窗口、调度子问题、滚动机制等调度要素求解模型.仿真算例表明,此调度模型能够在兼顾航班优先级别属性的同时,规避了滑行中的各类冲突,对枢纽机场高峰小时内的18架不同属性的航空器实施了优化调度,较之原调度方案,总体时间减少了近2 min,提高了总体效率.      

MAS在机场路面路径优化中的应用研究

利用多Agent技术,研究进出港航班滑行路径的优化问题,为刚降落和即将出港的航班规划最短滑行路径,判断航班在规划的滑行路径上是否会发生对头相遇.由于多Agent技术更能体现人类的社会智能,更适合开放的、动态的社会环境,因此引进这一技术对进出航班滑行路径进行优化.文中将每架飞机被看作是一个Agent;将跑道,滑行道,停机位等看作是资源Agent;在多Agent环境下,优化出最佳的滑行路径.     

基于MILP的飞机滑行排序的优化

提出了飞机滑行排序的优化问题,目的是最大限度减少滑行时间,提高机场运行效率.根据飞机在机场地面的运动规律,基于确定的滑行路径,考虑滑行路线冲突,建立了该问题的混合整数规划模型.讨论了该复杂优化问题的分解方法,给出了上海浦东机场地面网络的算例,验证了所做工作的实用性.     

基于蚁群算法的最短路径搜索方法研究

最短路径搜索是车载定位导航系统中很重要的一个功能,最短路径搜索问题本身也可以归结为组合优化问题.蚁群算法是基于群体的一种仿生算法,为求解复杂的组合优化问题提供了一种新思路.文章尝试采用蚁群算法来解决车载导航系统中的最短路径搜索问题,并在VC 6.0的环境下进行了仿真实验.实验结果表明,该方法能有效解决车载导航系统中的最短路径搜索问题,具有一定的理论参考价值和实际意义.     

模拟退火算法在路径优化问题中的应用

模拟退火算法是解NP完全组合优化问题的有效近似算法,将该算法应用于路径优化问题,利用该算法对类似货郎担问题的路径问题进行求解;针对城市道路行走不同的目标条件(路径最短、时间最短)进行优化,选择最佳行走路径;并将用该算法优化得到的计算结果与树形算法进行比较,显示该算法能够克服传统优化算法易陷入局部极值的缺点,同时表明该算法在解类似货郎担交通路径方面的问题时有较高的精确性。因而该算法在解决城市道路交通问题方面具有一定的实用价值。     

基于遗传算法的航班离港调度建模及仿真

针对目前机场容量与空中交通需求矛盾日益突出的问题,通过建立符合实际需求的离港排序模型.采用非线性优化技术给出较佳的离港航班序列,引入起飞序并以此作为优化推出时间的约束条件.仿真结果表明,文中采用的基于遗传算法给出了较佳的离港航班序列,比现行的"先达到滑行节点先服务"模式减少了离港滑行时间,并保证了滑行无冲突,减少整个机场的运行成本,可提高机场运行的能力,并为离港航班调度问题提供技术支持.     

交通网络中多路径优化选择算法的研究

指出了传统的多路径问题及其算法存在的缺陷,给出了多路径优化算法的几个定义,在此基础上,提出基于重叠惩罚的多路径选择算法,设计出了重叠惩罚函数数学模型结构以及路径相似性评价函数定义,对惩罚函数中的协调因数敏感性进行分析,给出了合适的协调因数。该算法能有效地解决候选路径重叠相似性问题,而平均总旅行时间比率基本不变,从而更适合驾驶人员的实际选路需求。与传统k最短路径算法进行了试验比较,结果表明该算法明显优于传统k最短路径算法。     

基于蚁群算法求解物流订单派送问题

针对物流信息平台中的订单派送问题,研究了订单派送的单向性和路径最优特性,构建了路径选择模型,对费用最少和时间最短的双目标优化函数进行了分析,将基本蚁群算法进行了改进。通过对局部信息素进行外界人为的干扰,从而影响整个网络选择,使得路径选择全局最优,解决了基本算法在求解最短路径中计算时间长的问题。模拟结果表明,计算速度提高了30%。     

一种基于蚁群算法的QoS多播路由算法

采用启发式算法中蚂蚁算法解决包含带宽、时延和最小代价约束条件在内的多播路由问题．章基于蚂蚁具有找到蚁巢与食物之间的最短路径原理工作．并在分析多约束OoS的多播路由的基础上，提出了一种基于蚁群算法的OoS多播路由算法(QMRA)．仿真实验表明了该算法是合理的和有效的。     

基于蚂蚁算法的公交网络最短路径问题研究

通过改进的蚂蚁算法来解决公交网络信息系统中的最短路径问题。提出以换乘次数最少、出行距离最短为目标的路径求解算法，并给出了算法流程。分析了基于蚂蚁算法的城市公交网络的选择策略：选择某条路径即给该路径赋以一定的信息素，信息素愈大的路径，成为最短路径的可能性愈大。并利用改进的蚂蚁算法实现了公交网络乘客信息查询。     

随机路网的最短路径问题研究

主要研究随机路网中的最短路径问题,首先给出随机路网的定义,建立了随机路网的模型,假定路段的费用是满足正态分布的随机变量,并给出从历史数据中得到此变量的均值和方差的统计学方法;然后得出路径出行费用的均值及方差的递推公式,将费用的方差当作一个限制条件,从而在Dijkstra算法的基础上,提出了带单一限制条件的最短路径算法,同时给出了算法的具体流程;最后用一个简单例子演示了算法的具体步骤,并在南京路网中验证了此算法的实用性。     

交通规划中基于遗传算法的最短路交通分配法应用研究

对交通分配中的最短路径和遗传算法进行分析,提出一种适合在不考虑各条出行路径路况和用户出行行驶速度情况下基于遗传来搜索最短路径的分配方法.介绍交通分配的最短路法原理以及遗传算法的概念和过程,给出基于遗传算法的搜索最短路算法过程设计,并用简例对其进行说明.     

双目标最短路有效解的快速算法

双目标最短路问题往往不存在绝对最短路径。通过综合k-最短路算法和双目标决策方法获得了双目标最短路问题的有效路径实用算法，该算法属多项式算法，可快速求出所有有效路径。利用Oijstra算法先求出两个单目标的最短路径集，若交集为空集，则构造一个矩形，利用k-最短路算法获得该矩形内的可行路径，再在矩形内找出两个单目标的最短路径集中的有效路径，得一个新的矩形。依此类推，逐步缩小搜索范围，直至找出所有的有效解。上述搜索过程中，一旦出现单目标最短路径集的交集不为空，则交集中的路径即为有效路径，此时算法结束。     

交通网络最短路径并行算法研究综述

首先回顾了最短路径并行算法的国内外研究进展,对当前的最短路径并行算法进行分类。接着讨论了交通网络分析中最短路径并行算法常用的两种实现策略以及各自的优缺点;分析了影响网络分割策略并行算法性能的3个主要因素:最短路径算法选择、网络分割及终止检测方法。最后就实际交通网络中最短路径并行算法需进一步研究的问题给出了建议。     

基于可视图和A~＊算法的连续模型路径搜索

针对交通枢纽仿真领域中行人最短路径搜索环境建模难的问题,提出一种基于可视图的连续拓扑模型最短路径搜索策略,通过在连续模型下建立可视图并使用A*算法搜索出一条适合行人通行的最短路径,将改进的可视图算法和A*算法结合,降低连续模型中自动选择路径复杂度和扩展结点数目.将该算法应用于城市综合客运枢纽功能与结构数值实验系统对行人对象进行路径搜索导航,实验结果证明此算法可行且具有更高的效率和通用性.     

基于GIS的城市公交路网最优路线算法研究

利用GIS地理分析的特性,提出了一种较为简单的公交路网的描述方法。同时,设计了合乎乘客心理的最优路线判断标准,并在此基础上,设计了基于公交路线的双向搜索最短路算法,该算法与现有的基于公交站点最短路算法相比,大大地减少了计算时间。     

应急物流配送优化的改进最邻近算法研究

应急物流配送研究的核心是最短路径选择问题。以最邻近算法为基础,针对以往只能解决一个配送仓库对应多个救灾中心问题的局限性,提出一种多个配送仓库同时对应多个救灾中心的改进最邻近优化算法。通过仿真实验证明该算法具有良好的适用性。     

基于最短路径搜索的动态随机交通分配

提出了一个基于Logit方法的动态交通随机分配模型,该模型通过最短路算法和随机分配来解决动态均衡交通分配中的出行选择问题,避免了以往动态交通均衡分配中解凸规划或非线性规划问题,同时不需要路径枚举,从而使本模型更适合于大型路网的动态交通分配．随后的算例证实了该模型的可行性。     

綠色節能最佳化運輸路徑之規劃

隨著經濟發展,自然環境惡化程度持續加深,肇因為小客車數量日益增加,於是近年來綠色交通概念被大力提倡,如能以最佳節能路徑為運輸進行改造,將能為綠色環保盡一份心力。以最短路徑演算法（Dijkastra＇s Algorithm）為基礎,撰寫出最佳節能路徑之演算法,即每台車皆能以最低油耗知目標行駛,並將其與最短距離和最少旅行之路徑進行結果比較,結果發現該最佳節能路徑相較另兩條目標路徑時最能節省燃油消耗,此成果可提供小客車車主進行最佳節能路徑之規劃。另外也以路網均衡之概念進行交通量指派,使用者均衡和系統均衡分別於時間成本和油耗成本目標下之比較。