地勤服务车辆调度的多目标模型建立

根据统计,机场航班延误的主要原因之一是机场调度失误。航班地勤服务是机场调度的重要环节。地勤服务针对于机场过站航班,由于航班计划限定了航班在机场的抵港和离港时间,因此地勤服务车辆调度具有时间窗的约束。通过分析机场地勤服务的运作流程及特点,建立了带有时间窗的地勤服务车辆调度问题的多目标数学规划模型。     

基于不确定因素扰动的机场大面积航班恢复规划研究

航班恢复过程往往会受到不确定因素的干扰,这些不确定因素可能还会进而引发一系列不确定因素的产生,造成更加严重的延误情况。为了提高航班恢复计划的鲁棒性,对不确定因素扰动下的航班恢复问题进行研究。首先,利用中国某机场的地面服务数据,研究了不确定因素对航班恢复过程中地面服务保障时间的影响。然后,建立以最小化延误成本和保证航班公平性为优化目标的航班恢复调度模型;同时考虑进场航班对离场运行的影响;并在模型中加入不确定因素对航班的干扰。最后,运用模拟退火算法对中国某机场的航班数据进行仿真,与先到先服务方法进行对比。结果表明:对于解决机场大面积航班恢复问题具有可行性。     

基于AGA的地面等待问题建模及优化

考虑飞机延误成本差异以及有续航任务航班对延误时间的要求,建立了一种地面等待问题优化模型,以降低航班延误费用以及续航航班延误时间,实现多目标优化。采用自适应遗传算法对问题模型进行求解,通过对典型算例的计算,进一步说明了算法和模型的有效性。     

离场航班多目标优化排序研究

为缓解大面积、长时间的离场航班延误现状,研究了多目标离场航班优化排序问题,考虑连续航班对离场航班影响,建立了具有多个目标函数的混合整数规划模型,并基于多目标优化问题的Pareto最优解概念,设计了一种带精英策略的非支配排序遗传算法(NSGA-Ⅱ)求解模型.选取上海浦东机场3 h内离场航班进行仿真验证,并将仿真结果与其他算法优化方案比较,与FCFS策略相比,航班总延误降低了20. 1%,延误架次减少了20.较单一目标优化,该算法具有保持多个目标函数优异性的特点,且115架航班优化时间仅为302 s,能够较好的满足实际运行效率需求.所提方法能够有效解决离场航班多目标优化排序问题.     

机场飞行区航空器与除冰车协同优化调度方法

针对现行“先到先服务”的机场除冰车调度方式效率不高的问题。以最小化除冰车行驶总距离和航空器等待总时间为目标函数，构建机位除冰车辆和航空器协同调度模型，并提出一种改进的遗传算法对模型进行求解。采用西安机场某天142条航班数据进行仿真实验，并与随机调度算法和贪心算法进行比较。结果表明，改进的遗传算法相较于随机调度算法和贪心算法分别节约15.23%和7.81%的行驶总距离，且航空器等待除冰时间大幅度减少。证明了所提算法在指导除冰车作业方面的优越性。     

基于Memetic算法的飞机地面作业调度问题研究

机场地面作业管理是通过对机场各地面服务设备的安排调度,以保证航班正常、高效地运行.本文根据机场地面作业管理的实际情况,对每一个航班建立一棵飞机地面作业任务树,由此构建了相应的数学模型,该模型以最小化设备的总流经时间为目标,在规定的时间窗内完成飞机地面作业的并行任务.应用带有过滤扫描搜索策略的Memetic算法进行求解,...     

基于航班延误的飞机和乘客恢复模型

航班发生延误时,需要采取有效恢复措施降低航空公司的经济和信誉损失.本文利用现有飞机资源,对飞机和乘客进行合理的调度安排问题建立了飞机和乘客恢复混合整数规划模型.模型考虑了乘客的航班取消成本、航班延误成本、座舱降级成本、飞机的非正常降落位置的惩罚成本及飞机飞行成本等,以使航班恢复成本最小化为目标.对航班恢复成本进行细分,更接近航空公司在进行航班恢复时的实际情况.使用法国某航空公司真实航班数据作为算例,以验证模型的有效性和实用性.算例显示优化模型相对于航班取消方案和航班顺延方案分别使恢复成本降低了21.05%和21.46%.因此,模型能有效地解决航班航空公司飞机和乘客恢复问题,提高航空公司竞争力.     

单装单卸模式下集装箱装卸系统集成调度优化

从考虑三阶段作业的整体调度出发,对集装箱码头装卸设备调度进行集成优化,考虑了码头集装箱装卸作业中的设备的特点,以最小化系统所有集装箱作业的总完成时间（makespan）为目标函数,建立了一个混合整数规划模型.另一方面,考虑到大规模情况下不易求解的问题,以减少设备阻塞时间和空闲时间为目标,设计了基于岸桥阶段作业能力的轮廓适合启发式算法,求得集装箱码头集成调度问题的近最优解.通过数据实验,验证了算法的可行性和优越性.     

航班地面等待问题建模及优化

首先建立了一种单机场地面等待问题的事件驱动优化模型,该模型综合考虑了航班的延误成本差异、最大延误时限以及尾流间隔等其他多种因素;然后提出了一种改进的自适应遗传算法对该模型进行求解,该算法对传统适应度函数形式和初始群体的产生加以改进,并针对问题特征定义了交叉算子.通过对多组算例进行仿真验证,实验结果表明,本文的模型与算法对降低延误成本以及控制航班最长延误时间取得了明显的优化效果.     

基于跑道容量的航班恢复优化模型

为了降低航班延误造成的经济损失和旅客滞留,在不增加管制员工作负荷的基础上提高航班运行效率。本文在原有的航班恢复模型基础上,引入跑道容量模型,综合考虑旅客流、航空公司公平性以及航线重要程度的影响,建立了以各单位恢复总成本最小为目标函数的航班恢复模型,该模型适用于跑道数以及构型不同的单一机场,算例中引用国内某机场的真实延误数据,并用遗传算法和粒子群算法求解模型得到优化方案,与遗传算法相比,粒子群更适用于该模型,收敛速度更快。与现有的航班运行相对比,优化后的方案总延误时间缩短了11.85%,总延误成本减少了6.55%。最后用TAAM仿真软件分别运行实际恢复方案和优化恢复方案,报告显示优化方案中终端区产生冲突的可能性更小,管制员工作负荷更低,从而验证了模型和算法的可用性。     

考虑飞机轮挡事件相关时间的航班时刻优化

针对航班延误问题,提出了从飞机轮挡事件的相关时间具有随机性的角度进行优化,建立了减少航班上轮挡及撤轮挡延误时间的概率约束型模型,并首次使用泰尔指数作为公平性目标函数。根据减少航班上轮挡延误、撤轮挡延误以及双延误的三种要求,可对建立的模型进行层次划分,从而达到不同的优化效果。以杭州萧山国际机场为算例进行算例验证,运用改进的粒子群算法进行求解,最终结果表明该模型对高峰期内的延误时间最高可减少26.4%,优化效果显著。     

基于时间窗的机场地面保障车辆动态调度

机场各类地面资源的优化配置是机场场面运行优化的核心问题,而机场地面保障任务的调度是其中的关键一环。本文针对机场地面保障车辆的调度问题,考虑航班延误、提前等情况,构建了双阶段机场地面保障车辆调度模型,并设计双阶段启发式算法进行求解;基于我国某大型机场的实际运行数据,以清水车和食品车调度为例分别进行仿真实验,结果表明：对比先到先服务策略,清水车行驶总距离减少55.31%,食品车行驶总距离减少47.38%;对比传统遗传算法,清水车行驶总距离减少19.31%,食品车行驶总距离减少22.93%;动态调整后,清水车新增总行驶距离1.2%,食品车总行驶距离新增3.2%,均在可接受范围之内。可见,双阶段机场地面保障车辆调度模型能提高大型机场场面运行效率,为机场航班实际地面保障任务调度提供理论依据和决策支持。     

不确定作业时间下机场地面服务保障设备调度优化研究

机场地面服务延误在大型枢纽机场总延误中占有较大比重。为此,从机场地面保障设备工作时间不确定性出发,对机场地面服务保障设备调度优化问题进行了研究,以更加高效地调度地面服务设备。首先,根据国内某机场历史数据,采用对数正态分布拟合机场服务设备的作业时间;并对不同服务项目作业时间的波动性进行评估。然后,建立机场地面服务保障设备调度优化模型,以提高设备调度对于不确定作业时间的适应性;并且平衡设备工作量。最后,设计了具有不确定作业时间的设备调度遗传算法;并结合实例进行验证。结果表明:提出的不确定作业时间下的机场设备调度优化方案对设备作业时间波动性具有更高适应能力,提高机场设备利用率,缩短航班机位等待时间。     

终端区飞机排序的人工蜂群算法

摘 要：为缓解终端区空中交通压力,研究了人工蜂群算法在终端区飞机降落排序中的应用。建立以航班总延误时间最小为目标函数的规划模型,运用人工蜂群算法,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、蚁群算法进行了对比研究。仿真结果表明：在双跑道模型下,人工蜂群算法比先到先服务算法,延误减少了48%。与模拟退火算法和蚁群算法相比,人工蜂群算法求解的结果最优且用时最少。说明应用人工蜂群算法求解终端区飞机排序问题是可行的。     

考虑机场、航空公司与空管需求的机场群离场航班时刻优化

随着我国航空流量的不断增加,机场群内航班延误时间长、延误架次多、机场时刻紧张等问题逐渐暴露,这些问题主要是航班时刻设置不合理所导致。为解决这些问题,需要对机场群内航班时刻进行优化。本文通过从机场、航空公司、空管三个角度综合考虑,分别以延误时间、航空公司航班时刻调整总方差、管制员总调整量作为优化目标,建立了机场群航班时刻优化模型,并使用权重线性递减的粒子群优化算法实现对模型的求解。以京津冀机场群为例进行分析,使用Matlab对模型进行寻优。结果表明优化后机场群内总延误时间由77 580分钟至46 260分钟,航空公司航班时刻调整总方差由447.076减少至63.141,管制员总调整量由467 次减少至253 次,三个目标均得到了优化。可见该模型权衡了机场、航空公司与空管之间的公平性,为机场群航班时刻的优化提供了理论参考。     

基于非合作博弈的航班时刻优化研究

在进行航班时刻优化时,为解决不同目标之间相互影响,相互制约,存在冲突的问题,提出基于零和博弈的航班时刻优化模型。首先,从零和博弈的角度,给出一种线性加权法,得出纳什均衡状态下各个目标的最佳权重系数;然后将该系数应用到航班时刻优化的多目标问题中,构建航班时刻优化模型;最后通过萤火虫算法(firefly algorithm,FA)进行求解。本文把航班延误总时间和航班调整总量作为目标,以杭州萧山国际机场为例进行验证,最终结果表明,该模型在减少航班总延误的同时,又有效减少了航班总调整量,提升了整体优化的效益。     

基于QoS云计算任务调度优化

由于云计算技术快速发展,为了满足日益多样化的云计算用户服务质量(QoS需求)以及提高云计算资源调度的效率,提出基于改进蚁群算法的云计算资源调度优化算法,包括建立云计算资源模型和用户QoS需求模型.为了得到更准确的结论,针对传统蚁群算法过快收敛造成的局部最优解现象,在传统的蚁群算法的基础上加入随机选择机制,时间、成本和结果有效可用性适应度因子进行了优化改良,以求得全局最优解.通过仿真实验将传统的蚁群算法、Mi n-Mi n调度算法和改进的蚁群优化算法进行比较,实验表明,改进的蚁群优化算法在调度效率、节约成本、减少任务执行时间和任务得到结果质量方面有明显的优势.     

基于优化的模糊决策算法在多AGV调度问题中的应用

为解决多AGV在复杂系统中的任务调度问题,以提高生产效率缩短任务周期为目标建立地面轨迹模型和AGV搬运耗时模型。采用优化的模糊决策算法通过最小化每台AGV的搬运耗时来最小化搬运作业的总耗时。在算法设计过程中,采用分布式控制思想,将AGV离目标点的距离,AGV的当前载重和AGV的当前电量作为因素集,将AGV执行此次搬运任务的合适度作为评价集,建立AGV模糊评价模型;通过该模型得出各台AGV对任务适合度的评价向量进而寻找一种映射将评价向量转化为值,调度问题被转化为最优化问题,其中采用切割补偿优化综合模型的因素权重选择,采用分模式链式比较减少AGV的计算量。通过多次仿真实验,可以验证本文算法在缩短任务的执行周期上具有一定的可行性与有效性,并且在解决复杂系统AGV状态多变的调度问题下展现了一定的鲁棒性和拓展性。     

基于交叉点复杂度的空域通行能力优化方法

为解决空域拥挤导致通行能力下降的问题,提出了一种考虑交叉点复杂度的通行能力优化方法。首先,分析了实际民航运行中存在的痛点和难点,以及以往有关通行能力的研究缺少交叉点建模、管制员负荷测量困难和求解时间复杂度高的缺陷;第二,从高度层、交叉点和航班运行三个方面提出了空域的数学抽象方法,并根据节点的交叉数对空域的数学模型进行简化,剔除了没有交叉的导航台点,降低了空中交通网络抽象后节点矩阵稀疏的问题;第三,分析了交叉点对于通行能力的影响主要在于流量和交叉数两个方面,以这两个方面建立了交叉点的费用函数;第四,以延误最小为目标,以流量平衡、扇区和航路容量、流控容量和非负整数作为约束,建立了通行能力优化模型;第五,分析并指出存在负容差的空中交通网络更容易发生延误,并根据网络延误的特性提出了一种考虑延误反向传播的迭代算法。最后,以华北地区空域为例,从不同流控等级下的延误时间、受影响的航班数和算法计算时间三方面进行仿真。结果表明,模型和算法平均能降低33.58%的延误,且通过合理地分配改航、调时和调减最大程度减少延误。