单机排序元胞传输模型在终端区排序中的应用

为缓解终端区航班延误问题,将终端区进场航空器排序过程分为航路飞行排序阶段和汇聚排序阶段,从而降低问题复杂度,结合单机排序算法与元胞传输理论,利用标准雷达引导航线,并结合实际管制经验,建立以系统运行时间最短为目标函数的元胞传输模型;根据航空器对链一体化原则,将等待着陆的航空器分组,并赋予相应的权值,针对航空器对链影响因子的不同进行排序,并结合实例计算得到系统总运行时间,起点处等待时间,最终着陆顺序等。结果分析表明,该优化模型能够反映终端区进场航班的动态特性,给出合理的航空器进场顺序,为终端区进场航班提供路径参考,满足实际的运行需求。     

基于多目标融合及改进遗传算法的终端区进场协同排序

未来中国终端区将逐年递增,根据数据显示终端区内空域资源与飞行流量的增长不成正比,终端区内流量趋于饱和。为了有效提升终端区运行的效率,确保航空器在其空域的安全飞行,降低管制员的负荷以及公司的运行成本,从航空器延误、管制员负荷以及各机场资源平衡3个方向建立多机场终端区航空器进场协同排序模型。首先,通过对终端区范围界定,运行主要问题的研究以及空域结构的分析,了解终端区系统的相互关联因素;其次,通过对终端区进场航空器的线路、交叉点的单独分析,找到相应的共同点和影响较高的运行系统相关性因素、相关的约束以及主要的解决目标;最后,利用结合模拟退火算法(simulated annealing algorithm, SAA)的非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)算法对该模型进行求解。结果表明：基于改进遗传算法对该模型求解后对比先到先服务模式以及未改进的遗传算法在效率上分别提高26.3%和53.2%。由此可见,所提出的模型能有效地提高航空器排序的效率。     

基于混合动态规划算法的进场航班排序

在遵循优化并可行的算法设计理念下,为了更好解决终端区航班进场排序问题,本文提出一种混合动态规划算法。该算法在动态规划的基础上结合约束位置交换算法与滑动窗算法,将进场航空器合理分组、分阶段进行排序,综合考虑短期排序预测的灵活性和计算规模的适度,提高了算法的计算速度、灵活性和鲁棒性。仿真结果表明:与传统先到先服务算法相比,改进后的混合算法不仅能减少延误11.6%,计算速度快,而且还避免了与原次序的较大变化,便于管制策略的实施。     

进场航空器最优排序模型

在终端管制区,为进场航空器排序的基本原则是“先来先服务”。但由于进场航空器之间的尾流影响、机型的差异和最后进近速度的不同,为了达到效率的最大化,必须对按照每架航空器的预计到达时间（ETA）先后顺序给出的初始排序方案进行调整,从而达到缩短队长和降低平均延误的目的。     

基于XGBoost算法的终端区进场航空器飞行时间预测

为了高效调配进离场航空器,得到进离场航空器的最佳排序顺序,采用机器学习的方法对终端区进场航空器的飞行时间进行预测.分析终端区航空器飞行特点和进场航空器飞行时间的影响因素并且提出了影响飞行时间预测的22个重要特征.引入密度聚类DBSCAN方法,聚类得到交通流的不同路径类别.建立了基于集成机器学习算法XGBoost的飞行时间预测模型,以云南昆明终端区为例,对模型进行了训练、验证和测试,并以平均相对误差和均方误差为评价指标来分析预测结果的误差.结果表明：与线性回归、支持向量机回归和人工神经网络方法相比,本文模型对飞行时间的预测结果最好,±5 min内的预测准确率达到95.18%.     

空管自动化系统移交中重复发EST报文现象分析

该文介绍了空管自动化系统AIDC的基本功能、主要报文及移交过程。针对AIDC移交过程中出现的多次发EST报现象进行了详细的分析。在飞行流量日益增长、相邻管制区间航班协调移交任务日益繁重的今天,AIDC技术在空管系统中得到越来越广泛的应用,在日常运行中会或多或少地遇到一些使用中的不足。海南空管分局主用采用Telephonics公司生产的Aero Trac型空管自动化系统(以下简称Aero Trac系统),该系统可以同时与多个相连管制区进行AIDC移交。     

基于多Agent仿真的冲突场景识别

构建了基于多Agent的空管运行仿真系统的基本框架,设计了航空器Agent、空管自动化Agent和管制员Agent.利用JADE平台,Java编程语言开发了仿真原型系统,该系统采用分布式结构,并导入全天的飞行计划数据,实现对全国交通运行态势的仿真.为了提高轨迹预测的准确性,考虑了风的影响.通过对管制员Agent记录的全天冲突数据的分析,可以得到易冲突扇区主要集中在我国的东部以及中南部区域,R343和A461为易冲突航路等.冲突数据的分析结果对于航路网络的规划、扇区划分以及飞行计划的优化有重要的实践意义.     

航迹点特征的时间窗分割算法的航迹聚类

现有航迹聚类算法未考虑到航空器航向变化和高度下降等因素对聚类结果的影响,同时聚类过程中缺乏时间信息,另外实测二次雷达数据中存在离群点异常数据,离群点的存在会影响最终的聚类效果,使得聚类结果不准确。提出基于航迹点特征的时间窗分割算法,将航空器进场的航向变化值以及高度下降值作为确定聚类簇大小的影响因素,对进场航空器航迹点数量进行时间窗分割。对真实的进场二次雷达数据仿真分析,从仿真结果中可以看出当影响因子a为0.4时,航迹的曲率最小,聚类效果最好,进而采用层次聚类算法对不同LOF值所对应的航迹点进行聚类,得到最后的聚类结果可以为管制员现场指挥提供技术指导。     

空管运行数据分析系统的研究与应用

空管自动化EuroCat-X系统的记录服务器详细记录了空管运行的重要数据,本文在对记录数据进行深入研究的基础上,设计并实现空管自动化运行数据分析系统,该系统利用现有资源,实现对空管数据的全面、细致分析,解决现有分析工具存在的问题,更好地满足当前的分析需求,对空管故障调查、异常情况分析、航班数据统计等方面具有重要意义。     

航空器进场效率量化评价及其影响因素分析

终端区已成为制约民航发展的瓶颈区域,且中国在终端区进场效率评价方面仍停留在定性分析阶段,缺乏量化的指标。选取以机场跑道中心点为圆心,100海里为半径的圆形区域作为研究区域,结合ADS-B数据对航空器进场效率进行研究分析。以天津滨海国际机场为研究对象,筛选进场航空器的ADS-B数据,利用K-means聚类对不同进场方向的航空器加以区分,分别计算各方向进场效率,并进一步分析影响进场效率的因素。发现进场航线、进场航空器队列长度和机型对航空器进场效率有明显影响,而起飞航班数量对进场效率的影响不显著。     

分布式系统中基于非合作博弈的调度算法

针对分布式系统中任务调度问题,根据分布式环境下的任务调度特性,建立了一个非合作博弈的多角色任务调度框架,在此基础上提出了一种基于纳什均衡联合调度策略的分布式强化学习算法.相比于静态调度算法,该算法需要更少的系统知识.能使调度器主动学习任务到达和执行的相关先验知识,以适应相邻调度器的分配策略,目标是使得调度器的策略趋向纳什均衡.模拟实验结果表明:所提出的算法在任务的预期时间和公平性上相对于OLB(机会主义负载均衡)、MET(最小执行时间)、MCT(最小完成时间)等同类调度算法具有更好的调度性能.     

基于算法集成的调度系统多智能体实现框架

在混合算法研究的基础上,提出了调度系统中算法集成的概念,建立了算法类库。以多智能体系统为实施平台,给出了一种新的具体实现框架。系统中智能体可分为构造型、改进型和决策型三类,且无主控智能体,各智能体间不直接通讯,而是通过共享内存进行合作。描述了单智能体的基本结构。考虑到领域专家知识在调度系统中的重要性,将调度员作为一个特殊的智能体引入调度系统,改善了决策过程。最后分析了系统的特点。     

Moore-Hodgson算法最优性的新证明

经典排序论中使误工工件的个数为最少的单台机器排序问题,简称为误工问题,是排序论中最基本的问题之一。著名的Moore-Hodgson算法可以在时间O(nlogn)内得到误工问题的最优解。虽然经过改进,然而Moore-Hodgson算法最优性的证明仍然非常复杂。本文给出Moore-Hodgson算法最优性的一个非常简洁的新的证明。由于误工问题在排序论里的重要性,本文给出的新的证明在理论上是有重要意义的,是可以为排序论的专著和教材所采纳的。此外,对于推广的误工问题,例如,某些工件必须不误工的排序问题,或者工件的就绪时间不相同、但是与交货期有"一致性"关系的排序问题,或者工件的加工时间与工件的权有反向"一致性"关系的排序问题等,也可能有简洁的证明。     

误工排序问题的研究

误工排序问题是经典排序论中最基本和最重要的问题.40年来国内外许多学者对其进行研究的兴趣有增无减,深刻的成果不断涌现.本文阐述2006年以来重庆师范大学运筹学与控制论专业的硕士研究生在研究误工排序问题上得到的成果及其意义.这些成果包括研究经典的和推广的误工问题,包括某些工件必须不误工,或者工件的就绪时间不相同、与交货期有一致性的,或者带权的误工排序问题,或者工件的加工时间与工件的权有反向一致性,或者多台平行机误工排序问题等等得到的成果.     

基于滚动时域的遗传-免疫算法优化航班着陆调度

航班调度问题一直是空中交通管制(ATC)中的一个复杂而具有重要意义的任务,而航班着陆问题(ALS)是其中的核心问题.航班着陆调度是NP-hard问题,具有规模大、约束条件多的特点.因此,为了有效合理地解决航班着陆问题,本文提出了基于滚动时域的遗传-免疫算法(RHC HGIA)的航班着陆调度算法.RHC HGIA主要从两个方面解决航班着陆问题,一方面根据设定的滚动时域长度与大小选择需要进行优化的待降落航班;另一方面对选择的待降落航班使用遗传-免疫算法进行优化并确定其实际着陆时间.经过优化后的航班组成新的航班降落序列,从该序列中选择实际着陆时间在给定时域范围内的航班进行着陆.重新设置滚动时域长度,选择待降落航班进行优化,直到所有待着陆航班都已着陆为止.本文仿真实验以某机场一天内的20架待着陆航班数据为基础,并在机场管制仿真系统中进行模拟仿真.仿真实验表明,与传统航班着陆调度算法(FCFS)相比,经过RHC_HGIA算法优化后的待着陆航班的额外成本有明显的降低.     

Linux 2.6内核分析——对进程调度机制的分析

阐述了Linux 2.4内核进程调度程序在设计上存在的缺陷,分析了Linux 2.6内核在内核进程的调度时机、调度依据以及调度流程上相应的解决策略,这些改进使得Linux进程调度程序实现了O(1)调度算法,支持抢占式调度,并且增强了对实时任务和SMP的支持。     

基于可信度策略的校园网格作业调度算法

为了实现校园网上的资源共享,降低资源浪费,文中讨论了基于网格技术的校园网作业调度模型,并设计和实现了基于可信度遗传算法的作业调度方法.该方法采用资源可信度策略,同时结合遗传算法的优点,满足了网格对调度系统可扩展性和全局最优调度的需求,从而使调度系统具有了一定的自主性和智能性.实验结果表明该作业调度方法收敛速度快,全局寻优能力强,整体性能优于其他调度算法.     

一种基于参数扫描应用容错的粗粒度网格调度算法

考虑作业处理时延以及作业传输时延对调度器性能的影响,在RR调度算法的基础上提出了一种新的基于参数扫描应用的调度算法PRR,并对该算法进行了理论分析,得出了该调度算法不需要作业以及处理器的相关信息,且具有比较好的容错性的结论.利用网格仿真软件Gridsim对PRR调度算法的理论分析结果进行了验证,并将该算法与RR调度算法的性能进行了比较.结果表明,当时延较大时,PRR调度算法性能改善比较明显.     

基于优先级权重的 Hadoop YARN 调度算法

为解决 Hadoop 现有调度器调度任务时不能根据任务的紧迫程度分配资源的问题, 研究 YARN 中的资源 调度机制, 改进原调度器(Capacity Scheduler), 提出一种基于优先级权重的 Hadoop YARN(Yet Another Resource Negotiator)调度算法(Weight Scheduler Based on Priority)。 为叶子队列设置队列优先级, 结合队列资源利用率和 队列优先级选择队列; 将应用程序的初始权重设置为应用程序优先级的大小, 通过等待时间判断是否更新权 重, 根据权重对队列中的应用程序进行排序, 调度时优先为权重高的应用程序分配资源。 实验结果表明, 与原 有调度算法相比, 改进算法平均任务执行时间约减少 141 s, 平均等待时间减少 34. 5%, 保证了用户执行任务 的相对公平, 提高了用户总体满意度。     

一种有限空间区域的机群调度优化算法

 基于有限空间区域调度优化问题,针对机群调度具体问题,先将机群保障流程整体抽象建模,再把物理模型转化为典型调度问题模型,设计启发式规则提出优化算法。算法分为上、下两层次,上层负责在有限区域内选择合适的停机位和起飞位,下层负责对单机各作业进行调度,下层把调度结果返回给上层算法,上层根据该调度结果自适应调节某架机的停机位和起飞位,重新调用下层算法以验证该调整是否能改善解的质量。以典型出动任务作为输入算例,求解出有限空间区域的机群调度方案结果。相比之前人工排布的方式,本方法在求解时间和结果优劣两方面更具优越性,该方法使得机群调度指挥方式向智能自动化过渡,对提升机群出动架次率有重要意义。