随机机会约束的机型指派模型及算法

为了满足民航旅客日益增长的需求,保障安全运输,航空公司的机型指派既要满足飞机周期性检修的要求,又要提供符合旅客需求量的机型。在基本机型指派模型的基础上引入随机变量,建立随机机会约束的航班机型指派的优化模型,进而提出了由航班计划建立符合检修周期要求的算法。根据算例数据,采用随机模拟及混合智能算法对机型指派优化问题模型进行了求解。结果表明,随机机会约束模型符合实际运营情况,并提供了兼顾效率和安全性的优化方法。     

航班计划的优化设计研究

以航空公司的正常营运和最大收益为目标,结合统计数据和目标要求,建立航班计划动态规划模型,采用贪婪算法对其进行求解,得到航空公司的航班计划、飞机数量的规划,从而为航空公司编制和优化航班计划提供一定的理论依据和方法支持.以某航空公司特定机型的航班计划数据进行实证,验证了该模型和算法的可行性.     

动态时空衔接的一体化恢复

针对恶劣天气、飞机故障等因素导致的不正常航班问题,在综合考虑飞机、航班、机组和机场的动态时空衔接等条件下,建立了飞机和机组的优化恢复模型.结合一体化恢复问题特点和模型结构,设计了一种GRASP算法,通过用C#编程进行求解.实例研究表明:该模型和算法在时间和成本上都有明显的优势,符合航空公司的实际需求.     

巡航速度控制下航空公司受扰航班一体化恢复

由于航空运输系统的复杂性,诸多原因如天气、空中交通流量管制、军航、飞机维修等会导致航班的不正常产生.为了解决航空公司面对航班扰动人工恢复和分阶段恢复的弊端,考虑航班不正常一体化恢复,综合考虑飞机、机组与旅客恢复.改进传统航班网络的弊端,给出一种基于广度优先搜索的航班网络生成算法,并根据此网络在路径置换、路径延长、路径取消策略的基础上额外考虑巡航速度控制策略,对航班恢复决策过程进行建模.针对模型中的非线性约束利用双曲不等式转化为二阶锥优化问题进行求解,并设计场景算例,说明巡航速度控制在一体化恢复中的作用.     

轮辐式航线网络下机型分配与舱位控制的协同优化研究

对于航空公司来讲,机型分配是影响其运营成本的关键因素,而航班舱位控制是其在运营管理过程当中,采用收益管理这一手段来实现最大化收益的核心部分。本文将两者综合考虑,通过建立双层规划模型,来解决轮辐式航线网络下如何合理地分配机型和控制各航班不同等级舱位座位数问题,并设计了两级遗传算法对模型进行求解。计算结果证明本模型有效,表明在轮辐式航线网络下利用双层规划模型可同时解决航空公司机队指派和航班舱位控制优化问题。     

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.     

飞机排班问题的模糊优选动态规划模型

提出一种基于多目标模糊优选动态规划方法有效解决飞机排班问题的新算法.该算法将二级模糊模式识别理论与动态规划概念相结合,建立了以飞机使用均衡、航班尽快恢复为目标函数的多阶段多目标前向动态规划模型,从第一阶段开始,对各阶段的可行决策进行多目标模糊优选,依次向后递推得到调度结果.实验数据表明,飞机调度策略与实际飞机排班结果一致,耗时仅9.06s,该算法能有效解决飞机排班问题.     

基于粒子群算法的机型排班系统研究

近几年来,随着经济的快速发展选择乘坐飞机出行的人数逐渐增长,这种现象为民航业带来发展的同时,也带来了一系列的挑战,其中由于民航业具有的高成本的特征,因此面对日益增长的需求如何进行机型的选择与航班排班就显得格外重要,本研究通过线性规划的方法建立了机型排班模型并通过收集不同机型及航线信息对模型采用粒子群算法进行了仿真求解,...     

基于单亲遗传算法的飞行机组指派技术

航空公司机组人员指派是一个NP疑难问题.现在航空公司的排班工作存在着排班人员工作量大,排班过程效率低,值勤成本高,排班结果机组人员不满意等等的问题.为解决这些问题,采用单亲遗传算法,利用计算机技术,对机组人员进行合理的排班.通过与改进遗传算法进行比较,单亲遗传算法收敛速度更快,能够得到更合理的机组指派结果.     

机组复原问题研究

精细的运筹规划研究为航空公司提供了越来越高效的运营计划,使得飞机和机组的利用率非常之高,这导致即使是小小的意外发生,都将影响计划的实施,甚至是整个航班计划的中断。所以,不正常运营规划显得愈发重要,而机组复原又是其中重要的环节。针对该问题,提出了能充分描述该问题的关系网络图,建立了多商品网络模型。对于该大规模整数规划问题,设计了适用的对偶单纯形法,从而大大减少了问题求解的时间。算例分析表明,算法满足航空公司不正常运行期的实时控制要求。和cplex线性规划求解方法做性能比较证明了算法具有较高的求解效率。     

带队列约束的RHFS列生成调度算法

为有效提升多重入车间的生产效率,考虑实际生产中队列约束,提出了基于列生成算法的可重入混合流水车间的调度方法.首先对两阶段生产调度问题进行描述,以最小化工件总完成时间为优化目标,建立数学规划模型.针对该调度模型提出列生成算法,设计带多重决策的动态规划方法来求解工件级子问题,为更快收敛,主问题求解中采用自适应加速策略.在使用分支定界将得到的解整数化的过程中,构造列池并设计局部变异.最后,对各种不同问题规模进行了数值实验,结果表明所提出的调度算法是有效可行的.     

进近区域到达航班排序和调度的优化

为了减少中国目前由于空中交通管制手段落后而引起的航班延误,提高航班调度的效率和空域的利用率,建立了到达航班排序和调度问题的混合整数规划模型,分析了求解问题的特点,提出了一种启发式算法。该算法结合了空管知识,通过预估未来一段时间内的流量状况实施调度,同时引入优先权,体现了连续航程航班和延误较大的航班的优先级。对算法进行了验证,结果表明:该算法能有效减少航班的延误和空中盘旋等待,提高了空域利用率,对改善中国空中交通管制的自动化水平具有实际意义。     

区域公交车辆调度问题的可靠性

为避免交通拥挤等突发事件干扰车辆正常、按时地完成某班次,从而造成公交车辆调度方案失效,需编制一个具较高可靠性的方案以适应环境变化.文中将区域公交车辆调度问题视为”部分班次被某车辆完成”的集合划分问题,假设不确定因素引起车辆延时完成某班次的时间服从正态分布,首次引入公交车辆调度方案的可靠度概念,考虑站场容量等约束因素,研究一类以车辆使用费用最少为第一目标和公交车辆调度方案可靠度最大为第二目标的多目标规划问题;再用约束法将第二目标变为约束条件,使该问题转化为单目标规划问题,设计求解问题的改进遗传算法,根据问题特征定义染色体编码、适应度函数、产生初始种群的启发式算法、交叉和变异操作等;最后,通过一个算例验证了模型和算法的正确性及有效性.     

一类非线性规划问题的求解及应用

根据负荷预报和交易规则制订满足电网安全运行的调度计划,在电网管理中具有重要的应用价值。针对该问题,以经济效益为目标,在机组出力及电网安全等因素的限制下,建立了一个非线性规划模型,该模型是由一系列线性表达式的绝对值构成。对模型进行求解时,通过引入一组参数,将其分解为若干个线性规划子问题,再比较这些子问题的解,得出原问题的最优解,并从理论上证明了本算法得到的解是精确最优解。结果表明,本算法在运算效率和计算精度上均优于现有的其他算法。     

侧向跑道机场滑行路径优化

为了缓解机场场面交通拥挤状况,提高侧向跑道机场场面运行效率,构建了侧向跑道机场航空器滑行路径优化模型.该模型以航空器加权滑行时间和延误等待时间最小为目标,提出了动态优化航班的优先级的优化方案.将航空器的运行规则转化为相应的数学约束条件,根据侧向跑道机场的滑行道调度问题进行算法设计,运用改进的遗传算法对模型进行求解,以航空器的优先级滑行序列和航空器滑行路径为染色体,基于MATLAB对双链染色体进行编码,并对4种滑行冲突与解脱进行分析.以成都天府国际机场为例进行算例分析,与先到先服务序列进行对比,采用优化方案的序列可以节省42 s,并与蚁群算法进行比对,验证了改进的遗传算法的有效性,可以为繁忙机场的滑行调度提供决策支持.     

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。     

炼钢－连铸最优炉次计划模型与算法

对钢铁厂炼钢－连铸计划与调度中的炉次计划建立了一个最优炉次计划混合整数规划模型．为了用遗传算法求解这一带约束条件的混合整数规划模型，提出了一种染色体的构造策略和交叉、变异方法，解决了迭代过程中满足可行性要求的问题，经用实际数据进行计算，表明所给模型和算法是有效的．     

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.