基于协同时隙分配的非劣邻域免疫系统

协同地面延误程序(CDM GDP)是一种用来解决机场供给突发下降而造成大面积航班延误问题的高效、公平的空中交通流量管理措施。协同时隙分配作为CDM GDP的核心,包括初次分配和再次分配问题,其关键在于重新有效、公平、合理地分配时隙。分析了非劣邻域免疫算法(NNIA)的特性,将其应用于协同进离场时隙分配中,构建基于协同进离场时隙分配的多目标优化非劣邻域免疫系统模型。仿真实验表明,该模型能够在使航空公司承担损失相对均衡的前提下,使其延误损失及时间降至最小,实现容量充分利用,满足时隙有效分配,具有一定的经济价值及研究意义。     

CDM ADGDP机场容量与时隙协同配置

为科学配置机场容量、合理利用时隙资源,提出了协同进离场地面延误程序,给出了进离场容量和时隙协同配置多目标优化模型.模型考虑了由天气原因引起的机场容量的动态性以及具有连续航程的航班间的相互影响;模型将进场和离场视为密切相关的两个过程,基于进离场容量的相互转化,以功效性和公平性为双重准则,实现了容量与时隙的协同优化配置.对于进场和离场不相关的情况,借鉴RBS算法思想,给出了一种AD-RBS算法.最后,结合国内某机场航班时刻数据,采用多目标遗传算法对模型进行了验证,并引入具体的评价指标进行量化分析,结果表明模型可以实现容量动态、充分利用,时隙有效、公平分配.     

随机型协同时隙分配模型

为解决机场概率容量条件下的协同时隙分配问题,提出了随机型协同时隙分配策略. 根据机场容量预报的更新模式,分别建立了静态模型和动态模型,模型以各种概率容量情景下的总航班延误损失期望最小为功效性目标,以各种概率容量情景下的平均旅客延误时间期望最小为公平性目标,在满足有效性约束的基础上,为进场航班分配时隙;并采用多目标遗传算法NSGA-Ⅱ求解模型. 以某机场运行数据为例进行仿真验证,与随机型地面等待经典模型相比,本文模型实现了机场概率容量条件下时隙资源的功效、公平、有效分配.     

多机场终端区容流利用和分配建模与仿真

研究多机场终端区空中交通供需平衡问题,在多元受限的复杂约束下,给出一种容量利用和流量分配协同优化模型,模型通过最小化终端区内所有进离场航班的总延误损失,并引入航班延误损失系数作为航空公司协同决策的偏好信息,寻求最佳的容量利用和流量分配方案.实验仿真表明,模型不仅能使流量与容量协调匹配、充分利用资源,而且能使延误损失降到最小又能兼顾航空公司的利益;设计的遗传算法运行稳定、切实可行.     

CDM GDP飞机着陆时隙多目标优化分配

为科学利用机场时隙资源、降低航班延误损失,研究了CDM GDP时隙资源分配方法.提出采用有效性、功效性和公平性均衡的CDM GDP时隙分配方法,给出一种多目标优化模型.模型以有效性为约束,以功效性和公平性为目标,寻求总延误成本损失最小和航空公司间损失偏差最小的分配方案;引入具体的评价指标量化比较分析航空公司间的公平性.模型采用一种多目标遗传算法予以求解.算例仿真结果表明,获得的一组最优方案的功效性和公平性比RBS算法提高了17.9%、88.5%,验证了所提方法的有效性.     

基于进离场容量转化的航班地面等待程序

为实现对机场进离场容量和空中交通需求的动态平衡管理,先通过分析进离场容量转化曲线 ,建立基于进离场容量转化的航班地面等待程序模型,并结合RBS排序和Compress寻优算法对等待策略采用动态规划求解,最后对模型进行了数值仿真分析,计算结果证明了在航班地面等待程序中进行进离场容量转化可以有效的减少延误,增大流量,提高效益.     

协同地面延误机场时隙MAS动态协调交易

针时协同地面延误程序(CDM GDP)机场时隙交换问题,提出了基于多智能体系统(MAS)协调的动态交易方法,以增加交换的灵活性和自主性,提高时隙资源利用率.在时隙信任交易(slot credit substitutions,SCS)"一对一"简单交换机制的基础上,采用基于市场机制的协商策略,建立了有条件的"多对多"拍卖交易机制,并引入了单边付款的交易形式;应用基于信念-愿望-意图(belief-desire-intention,BDI)的协调推理机制,给出了基于效用的Agent内部推理策略.系统仿真分析表明,航空公司可以动态、灵活和自主地选择最佳交易对象,所提方法提高了航空公司参与协同决策的积极性,增加了时隙交换问题的适用性.     

一种新的基于贪婪法的CDM时隙分配最优化算法

引入了协同决策的思想,研究一种新的地面等待策略-基于协同决策的地面等待(GDP-E).首先研究了GDP-E的实施过程以及其中的算法,其次,基于Compression算法的单元受限的现状,分析研究了地面等待程序必须考虑的各空中交通参与方的影响和地位,并建立了数学模型,借助贪婪法求局部最优的思想协同优化了各方的利益,提出了新的"压缩算法",为保证航空公司拥有时隙的公平性,文中采用了补偿函数来强化或弱化对航空公司的公平性.仿真结果显示:此改进算法在很大程度上提高了机场的运作效率,减小了航空公司的总延误成本,保证了航空公司服务对象的利益,且算法具有自适应能力,易于工程实现.     

多目标流量管理优化模型及算法研究

针对日益增长的空中交通需求所带来的严重航班延误现象,采用单目标难以解决离场时隙、飞行路径和管制员工作强度分配等问题,提取了造成空域拥挤和航班延误的要素,综合考虑离场时隙飞,行路径和管制员工作强度等目标,建立了多目标、非线性规划模型.设计了多目标遗传算法对其进行求解,并利用实际航班数据进行仿真,结果表明:所建立的模型和算法不仅能在合理的时间内为空域内全部航班找到较优离场时间和较优飞行路径,还能降低管制员高强度工作的持续时间,使流量更符合实际情况,有效缓解了空域拥挤现象.     

GHP时隙分配问题的组合拍卖竞胜标模型与算法

为了公平和有效地分配机场时隙资源,针对2-2的时隙交易问题,以第一价格密封拍卖方式为背景,建立时隙组合拍卖的竞胜标模型,设计人工鱼群算法求解模型,并进行算例分析。算例分析结果表明模型与算法是可行的。     

铁路编组站配流协同优化模型与算法

编组站配流问题是研究车站作业计划优化编制的主线, 是站调阶段计划的核心. 为了实现配流的协同优化, 综合考虑解体调机、编组调机、到发线运用、取送车作业、配流等约束, 对总车流量、出发列车满轴列数、车辆在站停留时间等目标函数进行层次划分, 建立了编组站配流优化模型, 并以ECGACO算法为基础, 设计了针对配流问题的遗传-蚁群协同求解算法. 以郑州北站的实际数据进行测试证明了算法的有效性, 为编组站阶段计划的优化编制及配流智能化的实现提供了较好的解决途径.     

考虑动静态交通转换的中心商业区停车供给优化研究

基于排队论构建停车阻抗函数,基于综合出行阻抗(停车阻抗+行车阻抗)函数建立双层规划模型,上层模型根据综合出行阻抗随停车容量变化确定CBD内停车泊位数及空间分布,目标函数为最小化所有小汽车的综合出行阻抗.下层模型为分担-分配组合模型,用于计算CBD内不同停车供给方案所对应的交通流特征.在双层模型外构建重力模型,计算在CBD新增停车泊位所诱增的小汽车出行.由于上层模型的结果会改变下层模型中的OD矩阵和停车阻抗,而下层模型又决定着上层模型的目标函数,因此均衡状态下的停车供给方案既是优化的结果.     

机场到达时刻数量决策随机模型

为高效利用拥堵机场的时刻资源,本文建立了机场到达时刻数量决策随机模型.模型根据不同到达时刻的价值和延误成本、取消成本,将到达时刻进行最大化分割,得到机场一天的最优时刻框架.此外,模型通过引入期望延误率和期望取消率等参数,增强了实际应用的鲁棒性.在进行案例仿真时,本文使用了广州白云国际机场的相关数据,利用优化软件AIMMS4.19求得实验结果.实验结果证明,模型不仅能够提高机场的经济效益,而且能够有效减缓高峰时期的拥堵.     

Angle estimation in bistatic MIMO radar using improved reduced dimension Capon algorithm

This paper discusses the problem of direction of departure (DOD) and direction of arrival(DOA) estimation for a bistatic multiple input multiple output(MIMO) radar,and proposes an improved reduced-dimension Capon algorithm therein.Compared with the reduced-dimension Capon algorithm which requires pair matching between the two-dimensional angle estimation,the proposed algorithm can obtain automatically paired DOD and DOA estimation without debasing the performance of angle estimation in bistatic MIMO radar.Furthermore,the proposed algorithm has a lower complexity than the reduced-dimension Capon algorithm, and it is suitable for non-uniform linear arrays.The complexity of the proposed algorithm is analyzed and the Cramer-Rao bound (CRB) is also derived.Simulation results verify the usefulness of the proposed algorithm.     

基于文化知识的量子进化算法

量子进化算法在实数优化时存在局部寻优能力不佳、收敛速度较慢等缺陷.为克服这些缺陷,本文引入文化算法思想提出一种基于文化知识的量子进化算法,该算法具有量子进化层和知识进化层双层进化框架,引入的文化算法能较好地协调全局与局部寻优,并避免算法陷入局部极值.由于新的算法框架及量子观测方式的引入,提出的算法不但保留了量子编码的优点,而且有效解决了求解实数优化问题时存在的缺陷.实验表明,提出的算法不但比量子进化类型算法性能有较大提升,而且与其它相关的几种算法相比具有更好的求解精度和速度.     

基于延迟理论的Supply Hub出库调度模型

考虑了配送准时性和配送成本之间的悖反关系,将延迟理论引入配送调度,研究了订单随机到达、准时配送的supply hub的出库调度问题.考虑订单到达时间的随机性对配送准时性的影响,设计了一个带延迟因子的滚动调度模型,建立了supply hub准时制配送的出库调度多目标规划模型.根据模型的特点,设计了求解模型的克隆免疫算法.最后,结合数值实验,对延迟调度模型和实际使用的调度模型进行了对比分析.研究结果表明,带延迟因子的调度模型相比常规调度策略.能明显降低随机性订单的配送成本.     

基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法

传统算法通常采取舍弃互质阵列的“差联合”阵列形成离散虚拟阵元，只利用其中连续虚拟阵元进行离波方向角(direction of departure, DOD)和波达方向角(direction of arrival, DOA)联合估计，存在自由度提升受限、估计性能不佳等问题。对此,提出基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法。首先,将两个互质子阵以零点为中心布列,分别构成双基地多输入多输出(multiple input multiple output, MIMO)雷达的发射阵列和接收阵列,该布阵结构将传统的虚拟阵元由阵列“差联合”结构形式变成“和联合”结构形式,降低了虚拟阵列的冗余度。其次,在形成的虚拟阵元基础上,通过在虚拟阵列孔洞位置内插虚拟阵元使其连续,对于内插的虚拟阵元无实际接收信号问题,基于最小化核范数优化理论,采用协方差矩阵Toeplitz化重建的方式恢复内插虚拟阵元的等价接收信号,利于所有虚拟阵元层面的角度联合估计。最后,针对因角度配对导致的高运算量问题,结合降维多重信号分类(reduced dimension multiple signal classification, RD-MUSIC)算法使角度自动配对,从而减小算法运算复杂度。有效提高了目标分辨力和角度联合估计性能，仿真实验验证了算法的有效性。     

基于ESPRIT算法的双基地MIMO雷达幅相误差分析

对于双基地多输入多输出（multiple input multiple output,MIMO）雷达,发射和接收阵列幅相误差耦合到一起,不易单独测量。针对阵列存在小扰动幅相误差的MIMO雷达,分别推导了借助旋转不变信号参数估计技术（estimating signal parameter via rotational invariance techniques,ESPRIT）算法的到达角（direction of arrival,DOA）和离开角（direction of departure,DOD）的均方根误差（root mean square error,RMSE）与幅相误差关系表达式。与其他方法相比,ESPRIT算法可以将发射和接收阵列的幅相误差进行解耦,并且DOA和DOD的RMSE只与阵列相位误差相关,与阵列幅值误差无关。仿真结果表明,理论值和仿真实验值能够较好地吻合,验证了理论的正确性。