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。     

航班调度系统中地面等待策略的应用

本文给出了支持基于地面等待策略的航班调度系统的离散事件随机数学模型,描述了航班调度系统的设计构成和主要功能的实现,并重点介绍了遗传算法在该系统中的开发应用情况,最后针对实际数据进行了仿真运算。     

航班地面等待模型研究

美国关于GHP的研究比较成熟,而目前在我们国家关于地面等待这类问题还处于刚起步阶段。本文结合笔者多年的实际工作,对此问题作一个简单的论述。     

多跑道进离港地面等待问题建模及协同优化

针对多跑道机场起降航班难以进行跑道合理分配,尤其是混合跑道的使用问题,以降低航班延误损失为目标,提出一种基于跑道的航班优先系数计算策略,建立了一种多跑道进离港地面等待问题优化模型,并实现进离港队列延误费用的合理分配.同时,设计了一种启发式局部搜索算子并嵌入遗传算法,形成一种混合遗传算法对问题模型求解.通过对代表性算例的计算,结果表明,所提出的模型及算法不仅可以减少航班的延误损失,还可以显著优化延误损失在进离港队列之间的合理分配.     

延误航班地面等待成本计算模型

分析了延误航班地面等待成本差异产生的原因,结合航班实际运行情况,构建不同供电模式下、不同旅客等待环境下的航班地面等待成本模型.以A320和B747主流运输机型为例,讨论了航班地面等待时使用机载APU（Auxiliary Power Unit）和桥载设备提供电源和气源的成本变化,以及模型中各子成本比例的变化趋势;分析了旅客在候机楼和客舱等待时延误成本差异,以及不同机型使用桥载设备的成本优化.仿真结果表明,延误航班地面等待时使用桥载设备比APU更经济,能有效地推迟为降低延误成本而卸客的时间.根据等待时间合理地安排旅客等待环境,选择经济的桥载设备对优化延误航班的地面等待成本有重要意义.     

多机场地面等待动态建模及其算法研究

随着我国民航事业的快速发展,空中交通流量迅速增长,使得空中交通拥挤问题日益严重,因此建立科学合理的空中交通管理系统变得十分迫切,而管理系统的核心-流量管理优化算法的研究就十分重要了。给出了考虑扇区容量限制的多机场地面等待问题的动态模型,并设计了一种以航班优先级别为核心的多机场地面等待启发式优化算法。详细地给出了算法的设计思想和步骤,求解时还考虑了目的机场容量的变化以及不同航班单位延迟费用的不同。最后仿真验证了其可行性。算法可求出符合各容量约束条件的满意实时解。     

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.     

国内航班延误原因分析与治理对策探讨

阐述了民航航班延误的基本概念,对影响航班正常性的各种因素进行了比较系统的分析和梳理,寻找导致航班不正常的主要因素,探讨了航班延误发生的内在因果关系,结合民航发展现阶段的大环境,提出了航班延误治理的对策.     

面向过站航班地面保障过程的均衡优化建模

为解决过站航班地面保障过程中各环节资源分配失衡的问题,在系统性分析环节业务特点和均衡影响要素的基础上提出保障过程均衡优化模型.该模型利用环节开始时间和资源使用量对其优先顺序和运行模态进行约束,以保证良好的适用性;以最小化环节运行有效偏差、运行总时间和资源综合消耗量为优化目标,建立模型目标函数衡量保障过程中各环节资源均衡程度.采用改进混沌与差分进化的NSGA-Ⅱ算法对所构建的模型进行求解,并通过国内中部某枢纽机场实际运行数据设计优化方案.为验证模型有效性,基于均衡评价指标对优化方案展开评估.结果表明:使用均衡优化模型得到的方案在时间利用和资源配置上效果良好,将运行总时间缩短了10.6%,在资源闲置总量上节约了30.3%;通过评估可知模型均衡率提高10.7%,且时间损失系数和资源平滑系数分别降低65.7%和54.7%.     

单机场地面等待问题的几种模型

空中交通拥挤不仅造成巨大的经济损失,也是飞行安全的重要隐患。地面等待是解决空中交通拥挤问题众多策略中普遍使用的一种,因为该策略经济又安全,它是将航班的空中等待前移至起飞机场的地面等待。本文首先对空中交通流量管理进行了简单的介绍,而后讨论了地面等待策略,最后阐述了几种地面等待模型。     

集值映射的向量优化问题

将单值映射的弧连通凸概念推广到了集值映射，建立了择一定理，获得了最优性必要条件，定义了Lagrange型对偶问题并获得了对偶定理。     

精梳机齿轮箱体结构动力学建模与优化

针对新型精梳机进行整机振动和噪声的测试与分析,确定了精梳机的齿轮箱为整机的主要振动和噪声源.为此,建立了精梳机齿轮箱结构的动力学模型,通过动态仿真对比分析,发现主要振动和噪声是由于齿轮箱体结构构成不合理,导致在箱体在动机构的动力作用下激发出较大的振动和共振噪音.由此对齿轮箱结构进行参数动态灵敏度分析,以箱体前4阶固有频率的加权和作为评价各参数对频率影响的标准,对齿轮箱体结构进行了以第1阶频率提升最大化为目标的优化设计,根据优化建立了新的齿轮箱体结构,新结构在同样工况下具有更好的抗振和低噪声辐射性能.     

多Agent系统中任务分配问题的分析与建模

针对多Agent系统(MAS)内外环境变化所产生的不确定性和任务分配序列决策的要求,利用马尔科夫决策过程(MDP)模型对MAS中的动态任务分配问题进行了分析和建模.其中,状态空间由各Agent的当前负载和待分配的任务组成,每一状态下有多种任务分配方案,利用迭代方法可以获得最佳的任务分配方案以实现系统长期收益最大化的目标.仿真实验表明,MDP模型可以合理地模拟MAS中任务分配的运作过程,并在小规模环境下方便地获取最优任务分配策略.     

基于混合粒子群算法的货位优化分配问题

基于COI分类存放的思想,同时考虑到货位分配问题中存取开销和占地花费的平衡,提出了一种混合粒子群算法以解决仓库货位优化分配问题．建立货位分配模型,并引入了货物的COI值对货物进行重新分类．将粒子群算法同人工蜂群算法相结合,通过优化COI值从而对货位进行优化分配．最后,进行实验分析并证明了混合粒子群算法的正确性,可有效地应用分类存放策对货位进行优化分配,减少货位数和存货代价．     

工件排序的改进蚁群算法优化

就工件排序问题中的一种类型设计了融合局部改进策略的蚁群算法进行求解,并用Delphi在计算机上实现了相应的算法软件.经大量算例测试,获得了较好的效果,验证了算法的可行性和有效性.     

SV形态滤波的参数优化问题

在SV形态滤波优化问题的基础上,进一步研究了SV形态滤波的参数优化问题.利用图像中噪声颗粒相互隔离的特点和SV形态开、闭的基本性质,通过引入一种新的结构映射序列,缩小了SV形态滤波优化问题中参数的求解范围.以集差距离函数所确定的恢复误差的上界为优化目标,利用极大极小问题的估计方法,实现了对SV形态滤波的上、下界的估计,...     

基于优化逆问题的Web服务选择

为提高服务提供商的服务被选率,将优化逆问题应用到Web服务选择领域,提出了Web服务选择优化逆问题,描述了此问题的解决步骤,比较了割平面法和Huang法的优劣,给出了改进方法.为提高Web服务选择优化的求解效率和优度,基于Web服务选择优化逆问题,设计出Web服务选择优化算法--逆选择算法,为服务请求者提供最优或近似最...     

基于非光滑优化的投资组合问题

采用HT∞(X)风险函数衡量组合风险,建立新的双标准优化模型.该模型所反映的均衡关系,可作为投资者进行投资组合的依据.由于风险函数是不可微的,故传统的优化方法在此并不适用.利用非光滑优化方法可以很好地解决该问题并得出其有效前沿.     

无穷维最优化问题的离散化求解

对无穷维最优化的求解进行研究.利用离散化方法将无穷维最优化问题化为有限维问题.基于离散化问题的原始、对偶解,证明存在一组解序列收敛于原来无穷维最优化问题的最优解.同时,得到无限多类型网络均衡问题收费的近似值.     

小样本分散数据的回归建模和多目标优化

小样本分散数据上的回归对建模有一定挑战, 利用高斯过程对其回归进行建模, 即采用极大似然估计进行核函数的超参数学习, 通过后验来计算回归结果并预测出目标函数的均值和方差. 在此基础上结合方差的多目标优化, 在进行材料逆向设计的同时能对设计结果的不确定性进行估计. 对 1215MS 非调质钢和三点弯混凝土数据集进行了实验验证. 实验结果表明, 对于三点弯混凝土平均有 50% 实验数据落在预测的 95% 置信区间内, 高斯过程回归 (Gaussian process regression, GPR) 模型可以较好地度量分散小样本数据的不确定性, 进行合理预测. 对于 1215MS 非调质钢数据集, 在高斯过程回归模型的基础上, 运用带精英策略的非支配遗传算法 (elitist non-dominated sorting genetic algorithm, NSGA-Ⅱ) 进行多目标优化, 将材料的力学性能以及所对应的方差作为优化目标, 在考虑最优力学性能的同时兼顾不确定因素对实验结果的影响, 得到最优帕累托解集, 以此作为下次实验的候选点, 辅助材料设计和制备优化.