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。     

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。     

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%.     

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RHC-GA的多跑道进离场航班多目标动态优化模型

以管制负荷与航班延误总成本最小为目标函数,以尾流间隔、跑道限制与最大位置约束为约束条件,结合中国民航最新运行标准,建立了基于滚动时域控制策略的多跑道进离场航班多目标动态优化模型。针对模型求解规模庞大的特点,结合滚动时域控制策略的动态特性,设计了求解模型的遗传算法,选取中国某大型繁忙机场高峰时段的48个航班数据进行实例验证。仿真结果表明:当重、中、轻3种机型的单位飞行成本分别为25、16、10元·s-1时,采用现有先到先服务的策略,总延误损失为36 098元,管制负荷为32架次;当采用5个滚动时域的控制策略时,总延误损失为28 900元,管制负荷为31架次;当采用4个滚动时域的控制策略时,总延误损失为27 375元,管制负荷为32架次;当采用3个滚动时域的控制策略时,总延误损失为27 194元,管制负荷为33架次。与现有的先到先服务策略相比,提出的模型能动态地优化多跑道进离场航班排序问题,有效减少延误损失,并均衡跑道资源利用状况。     

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%。     

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。     

到场飞机排序及调度问题的Memetic算法

为克服遗传算法求解多跑道系统到场飞机排序及调度问题时局部搜索能力不强的弱点,建立了该问题的混合整数0-1二次规划模型.通过证明同型飞机在每条跑道上都应按其预计到达该跑道时间的先后顺序依次着陆这一命题,设计了遗传算法与局部优化算法相结合的Memetic算法.算例结果表明:其运行10次的最劣解均不劣于其他遗传算法的最好解,且在5条跑道、20架飞机的情况下,Memetic算法求解时间为0.17 s,与精确算法相比,能满足实时应用需求.     

基于GC-ZCPS的航班优先级调度研究

在航班着陆调度问题的研究中,传统的航班调度策略先到先服务(FCFS)总是安排先来的飞机先降落,后来的飞机等待后降落,但是却忽略了航班在等待过程中也有优先降落等级,航班的重要程度不同,有的航班比较重要或者发生了紧急情况,具有降落优先权。引入不同重要程度因子的约束位移交换(ZCPS),并结合改进的蚁群算法和遗传算法(GC),采取精英保留策略,将蚁群算法的一次寻优结果分成两个群落,再利用遗传算法找出符合实际操作的最优排列。实例仿真计算表明,该方法通常优于经典的先到先服务,新方法能够节省19%～38%的时间,能有效减少飞机延迟时间。     

基于视情维修策略的航空发动机调度方法

基于现代排序理论的建模思想, 分析了飞机对发动机的需求特性和发动机使用维修的周转特点, 引入工作节的概念, 建立了基于视情维修策略的航空发动机调度模型, 提出了求解模型的改进在线LPT算法, 并以CF6型发动机的使用数据验证了本方法的有效性。发现排序规则是调度计划的重要影响因素, LPT规则与传统的FCFS规则相比, 发动机在翼时间长, 送修次数少, 保障率高, 租赁损失成本低。分析结果表明: LPT规则优于传统的FCFS规则, 基于视情维修策略的航空发动机调度模型有效、可行。     

居住区共享泊位资源优化配置模型及算法

对于缓解城市停车难问题,基于泊位共享的理念充分挖掘现有私人或者专用停车位资源以供社会车辆停放的方法成为一种新的思路.由于共享车位可利用的停车时段通常具有严格的时间窗约束和片段化特征,导致共享车位资源在实际运营中难以得到高效利用.本文旨在通过设计优化配置算法,以提高共享泊位利用率为目标,将居住区泊位拥有者愿意出租的停车时段与停车需求进行匹配,从而实现共享车位的高效利用.首先,基于具有颜色约束的加权顶点着色问题,建立共享车位资源优化配置模型;其次,针对以上NP-C问题,分析蚁群算法的路径选择及信息素更新策略并设计求解算法;最后,根据居住区泊位空闲特性设计仿真实验,并与"先到先服务"的停车位资源配置方法对比,结果显示,本文提出的优化方法可以将泊位利用时长提高11.82%.     

终端区进离场资源分配优化模型

为提高终端区运行效率和减小航班延误, 考虑了空域容量和安全间隔等约束, 以最小化航班总燃油消耗、均衡进场点等待时间和最小化航班总延误为优化目标, 建立了终端区空域进离场资源分配优化模型, 设计了带精英策略的非支配排序遗传算法, 使用上海终端区实际运行数据进行实例验证。计算结果表明: 当SASAN进场节点容量下降时, 与先到先服务策略相比, 进场点分配策略下总燃油消耗由462 282.7 kg降为337 752.9 kg, 减少了26.9%, HC、CO、NO_x排放量分别由492.6、3 815.7、16 570.6 kg降为429.2、3 352.1、14 129.1 kg, 进场点总等待时间减少了93.5%, 所有航班平均延误降为104 s, 94.6%的航班的延误在600 s以内, 因此, 优化模型能有效解决终端区交通需求不均衡或节点容量下降导致的延误, 提高终端区运行效率。     

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。     

MRT列车运行模拟模型的多目标改进遗传算法

为了求解城市快速交通（MRT）列车运行模拟模型，寻找最优的列车运行控制曲线，构造了多目标改进遗传算法．以列车运行过程中工况转换点为基因编码依据，以多个基因构成一个染色体代表一个控制方案，从而形成初始种群；根据列车运行控制的停站误差、时分误差和能耗等目标要求设计适应值函数；通过个体有效性检查保证选择、交叉和变异过程中新个体的有效性，并在各算子中加入保优算子，使新种群不淘汰上一代最优个体．实例计算表明，与多质点优化模型相比，在一定的误差范围内，遗传算法能够减少能耗10％以上，并能提供大量次优解，具有明显的优化效果．     

基于闭排队网络的军用飞机多机种（型）出动架次率研究

飞机多机种出动架次率是衡量飞机作战效能的重要指标,本文对空军场站军用飞机多机种（型）出动架次率进行了研究.通过对飞机出动回收过程的描述,基于排队理论建立多服务器多服务率的飞机多机种（型）出动回收网络模型,并采用扩展后的平均值分析对飞机出动能力进行了求解.通过解析计算,给出飞机多机种（型）出动架次率曲线,分析架次率与飞机数量之间的关系,并结合平均队长、利用率等系统性能指标,识别出制约飞机多机种（型）出动架次率提高的因素.最后通过蒙特卡洛仿真对构建的回收网络模型的计算结果进行验证.验证结果表明,飞机多机种（型）出动网络模型及其算法适合应用于实践中,并且有助于对空军场站飞机多机种（型）出动能力的研究.