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。     

考虑离场航班公平性的航班恢复优化模型

为研究考虑航空公司航班公平性的离场航班恢复问题,首先,根据某机场历史数据,研究了不确定因素对机场容量的影响,并通过贝叶斯网络得到天气等不确定因素对航班恢复过程中过站时间的影响。其次,在考虑航班优先级的基础上,构建以最小化总延误时间和基于基尼系数确定的航空公司公平性的多目标航班恢复调度模型,并且将不确定性因素对机场容量和过站时间的扰动加入到模型中。最后,运用NSGA-Ⅱ算法对国内某机场的航班数据进行算例分析,与先到先服务方法进行对比。结果表明,总延误时间降低了37.2%,航空公司公平性由0.440提升至0.202,所建模型对扰动的吸收性能较好,验证了模型和算法的可行性。     

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.     

机场航班延误优化模型

针对空中交通日益严重的航班延误,给出了一种机场航班延误优化模型.模型将机场的到达和出发视为密切相关的两个过程,考虑了具有连续航程的航班(到达和出发均由同一架飞机在当天顺序执行)及其到达和出发过程之间的相互影响.模型还充分考虑了机场容量、需求以及天气等因素的动态特性,在达到和出发过程之间实现流量分配的协同决策.在机场延误不可避免的情况下,该模型可以为管制员提供未来一段时间内的流量分配优化方案,尽量降低延误的后续影响.最后,结合中国某国际机场的实际数据,利用遗传算法对模型进行了验证,取得了很好的效果.     

企业生产计划模型优化的环境进化算法

根据企业生产计划模型的特点,提出了一种将专家系统方法和线性规划方法结合于其中,以模型的部分关键约束参数作为遗传因子的遗传优化算法,即环境进化算法。并以纺织企业生产计划模型为例,介绍了环境进化算法的具体实现。     

考虑乘客旅程扰动的不正常航班恢复研究

由于恶劣天气、航空管制、机械故障等原因导致的不正常航班,不仅影响航空公司的正常运营,也会造成乘客的利益损失.为减小损失,采用优化算法研究不正常航班恢复问题,从乘客角度出发,考虑乘客旅程的连续性和完整性构建航班恢复模型,并提出一种网络理论算法,即改进的时间段(time-band)算法进行模型求解的优化,得到航班选择与交换的过程,根据算例结果证明了模型与算法的实用性与有效性.     

企业生产计划模型优化的环境进化算法

根据企业生产计划模型的特点,提出了一种将专家系统方法和线性规划方法结合于其中,以模型的部分关键约束参数作为遗传囵子的遗传优化算法,即环境进化算法．并以纺织企业生产计划模型为例,介绍了环境进化算法的具体实现．     

基于旅客满意度与公平性的机场航班计划恢复研究

为了降低航班延误对旅客满意度的严重不良影响,提高航班延误恢复调度的公平性,将群体情绪模拟引入旅客满意度表征函数,并考虑航空公司公平性约束,构建了机场终端区航班计划恢复模型,运用模拟退火算法对机场航班实例进行仿真求解。与经典FCFS策略对比,所提方法在保证航空公司公平性在可接受水平之内的前提下,使旅客满意度衰减程度下降了41.58%,有效优化了机场运行服务质量。     

多机型不正常航班恢复的时空网络模型

航空公司在执行日常飞行任务过程中,不可避免地会遇到恶劣天气、飞机故障等突发事件.此时,以最短时间、最小成本,调用可利用的资源进行航班的恢复是航空公司的重要目标.航班恢复包括飞机恢复、机组恢复及乘客恢复.其中飞机恢复是航空公司考虑的首要因素.在目前涉及飞机恢复的文献中,往往是单机型的飞机恢复,但实际中航空公司也可能调用不同机型的飞机进行航班的恢复.本文建立了单机型和多机型的时空网络模型,结合数学模型,采用Gurobi优化软件进行求解.实验结果表明,本文所提出的模型在有限时间内可以给出相对优化的恢复方案.     

不正常航班旅客流恢复方法

当航班计划受到扰动时,航空公司不仅要制定飞机与机组路线恢复计划以保证航班执行,更要尽快对旅客流进行恢复,以减少旅客延误或取消行程带来的经济损失。在飞机与机组路线恢复计划基础上建立旅客流恢复模型,通过以路径流量为变量的线性整数规划构造出受扰OD对集合,然后用深度优先算法构造出所有可行行程以单纯形法求解。实例结果表明,建立的模型和算法能够快速恢复旅客流,并且能够大量减少损失。     

智能火力/飞行综合控制系统研究

本文设计了基于遗传算法和模糊逻辑控制的智能火力/飞行综合控制系统(IFFC),设计了采用论域自调整的模糊控制器,给出了控制器输入输出的隶属函数,设计了相应的规则库.并在此基础上进一步利用遗传算法对模糊控制器进行优化设计,给出了遗传算法各个参数的选择原则.仿真结果表明,基于遗传算法和模糊逻辑的智能火力/飞行综合控制系统具有良好的控制效果,在综合火力/飞行控制系统的设计中颇有应用潜力和前景.     

基于模拟退火算法的中超赛程编排优化研究

为了促进赛事的公平性、实现人性化的赛程编排设计,同时达到减少出行里程、节约资源、保护环境的目的,采用计算机辅助建模的方法,对中超赛程编排进行优化研究。假设以总体出行里程最短、兼具赛程的公平性和设计的人性化为优化目标,以百度地图提供的球队所在城市间的距离数据为依据,通过改进模拟退火算法对2015年中超赛程编排进行优化,运用Matlab求解得到最优方案。结果表明:在最优赛程安排下得到的各支球队最优出行里程为5.022×10~5 km,相对2015年中超的实际赛程编排总里程减少了12.08%,由此节省燃油14.50t,减少排放二氧化硫43.9kg,对大气中二氧化硫减排的贡献率为11.11%,节约资金91 467.4元。该结果可以为中超实际主客场赛程编排的优化提供参考。     

考虑风向概率特征的航班时刻优化方法

在航班时刻表进行实际运行过程中,风向的变化对航班到达终端区共用航路点的时间造成影响,进而造成容量过载或容量浪费。因此,根据风向的统计概率对航班时刻进行调整,目的是制定在一定程度上能减少共用航路点的容量过载或容量浪费的航班时刻表。根据风向对起飞航班跑道分配的影响提出了基准风向的概念,并基于航季中各月份在过去5年间的机场基准风向概率预测了下一年各月的机场基准风向概率。以误差平方和与轮廓系数作为聚类指标,将下一年中机场基准风向概率相似的月份聚为一类。在聚类结果的基础上建立考虑风向不确定性的航班时刻优化模型,并将-约束法与改进粒子群算法结合提出-约束-PSO组合算法实现多目标模型的求解,以北京终端区的离场航班为研究对象进行验证。研究结果表明:相比初始航班时刻表,共用航路点小时流量的最大值减少了12%,在不同基准风向时的共用航路点流量方差分别降低49%和56%;相比线性加权求和的方法,该方法可以实现共用航路点的溢出航班总量减少70%。研究结果表明在风向不确定的条件下,该模型可以在一定程度上使共用航路点的流量更均衡,减少出现共用航路点容量过载或容量浪费的现象。     

飞行模拟器洗出算法的优化研究

飞行模拟器通过经典洗出算法的倾斜协调通道对低频信号进行动感模拟处理,然后输出给人体前庭感觉系统,经过大脑处理做出行为判断,不可避免地给飞行员以错误暗示和动感误差。通过引用人体前庭模型对倾斜协调通道参数进行设计,使算法更符合人体的感觉模型,从而达到提高飞行模拟器逼真度的目的。同时基于MATLAB的SIMULINK模块搭建仿真模型,对优化后的洗出算法进行仿真分析,验证了优化洗出算法的可行性和有效性。     

基于最小费用流模型的不正常航班恢复问题研究

突发事件会导致航班计划无法按原计划执行,给航空公司及旅客带来巨大损失。而航班恢复问题的难点除了相关因素的复杂性,主要的体现在恢复方案的即时性。因此,为了提出快速有效的航班恢复方案,以降低损失,笔者通过时空网络技术对不正常航班的恢复问题进行描述,实现了对航班在空间和时间上的追踪。基于最小费用流模型,建立了以最小总延误时间为目标函数的整数规划模型,模型同时考虑了航班延误,飞机置换及航班取消的调度策略,并提出采用Floyd-Warshall算法对建立的模型进行求解。最后,通过算例对模型及算法进行验证。研究结果表明:针对突发状况,建立的模型及算法可提出合理的航班恢复方案,证明了模型及算法的可行性及有效性。建立的模型具有普适性,对不正常航班恢复问题的研究具有借鉴意义。     

基于遗传算法的组卷策略

对试卷的评价指标做了相应的分析。在此基础上,着重对自动组卷算法进行了研究,通过建立自动组卷问题的数学模型,提出了一种基于遗传算法Genetic Algorithm解决组卷问题的新方法,该算法适应全局寻优且收敛速度快等特点,解决了传统组卷中编码长、适应度函数值计算困难等问题,较好地满足了自动组卷的要求,进而建立和描述了组卷问题的染色体结构和适应度函数,设计了问题的遗传操作。     

班期限制对多式联运路径决策影响研究分析

多式联运中运输时间时效性的高低直接影响到发货人、承运人和收货人的利益。在以总运输时间为目标函数的多式联运路径决策模型基础上,提出了含班期限制的多式联运路径决策模型,并根据多式联运运输网络结构特征,设计了基于遗传算法的改进算法对模型求解。算例结果表明：班期限制对多式联运路径决策有较大影响,含班期限制的多式联运路径决策模型更加合理。     

一种基于遗传算法的TTP问题求解算法

提出并实现了一种高校自动排课算法，利用遗传算法建立数据模型，定义一个四维的染色体编码方式和包含学生人数，教室座位、特殊课程、教师、班级、一门课的时间间隔等因数的适应度函数，通过切片算子，生成指数要求的基因型个体，用交叉算子和变异算子对基因型个体进行运算，再利用选择算子选择适应度函数值较高的染色体编码方案，最后对优化的染色体按指定方向切片，生成教师课表，学生课表和教室课表，对某高校的真实数据进行实验，结果显示无一例教室，教师，班级冲突，在PⅢ866PC机上运行，耗时为2323．573s，该算法可以推广到车辆调度，会议安排、超大规模电路板设计等应用领域。     

基于分组混合策略的LDPC置信传播译码算法

置信传播(BP-Based)译码算法通过对校验节点消息的简化处理,并在传递的变量信息之间引进相关性,可大大降低算法的复杂度.为了减少BP-Based算法的迭代次数和性能损失,采用分组混合策略对BP-Based算法进行改进,加快了信息更新速度,减少了错误信息从停止集传播到Tanner图中其他节点的概率.MATLAB仿真表明,在几乎不增加复杂度的情况下,改进算法可以提高译码性能.