飞行机组排班的赋值算法

目前各大航空公司发展迅猛,航班量大量增加,飞行人员紧缺。合理、科学地机组排班越来越引起重视,它不仅有效地缓解了飞行员紧缺的问题,并且提高了航班运行的安全性和准时性。本文介绍了国内航空公司普遍采用的机组排班的基本程序,重点阐述了机组排班问题的赋值选择算法,引入＂航班节＂概念,将一个具体的机组排班计划归结为搭配赋值、优化选择的模式,该优化结果不仅符合有关规定,且充分考虑了机组排班过程中的各种因素的影响,极大地提高了机组的工作效率。     

机型指派与飞机路线一体化建模及算法研究

通常航班计划都是分阶段完成的,即航班时刻表→机型指派→飞机排班→机组排班,每一个问题都相对独立的建模并求解;这样通常无法得到全局最优解甚或无解,对后续问题求解造成很大困难。为了克服这种困难及改善航班计划的次优性,本文将机型指派、飞机路线问题综合考虑,建立多机型的一体化飞机排班多商品网络流模型。为实现模型的有效求解,本文提出了基于约束编程的动态列生成算法;即用约束编程快速求解航班连线（航班串）并计算各航班串简约成本,动态选择列集并与限制主问题进行迭代。最后,利用国内某航空公司干线航班网络实际数据验证模型和算法的有效性,并与航空公司实际排班和分阶段优化情况进行比较研究。     

退火单亲遗传算法求解旅行商问题及MATLAB实现

为了提高遗传算法求解较大规模旅行商问题的能力,在单亲遗传算法中引入两代竞争模拟退火选择操作,与倒位算子和插入算子相结合,同时加入保优操作,使遗传搜索效率、收敛速度都得到大幅提高,所花费时间、收敛迭代次数、最后结果明显优于一般遗传算法和单亲遗传算法.给出了用MATLAB实现算法的一些重要步骤和函数,并进行了简要说明.在仿真实例中,用一般遗传、单亲、退火单亲遗传算法对75个城市的TSP问题进行了求解,退火单亲遗传算法对280、535个城市TSP问题进行了求解.结果表明,退火单亲遗传算法最终所得结果最好,但收敛所花时间约为一般遗传的2.5%,单亲遗传的20%,迭代次数为一般遗传的20%,单亲遗传的25%.     

“机器人”路径改进型单亲遗传算法规划及其仿真

在中国机器人大赛"机器人游中国"比赛项目的路径规划基础上,为克服遗传算法在有约束组合优化问题中计算效率不高的问题,提出了改进的单亲遗传算法.该算法在传统单亲遗传算法的计算步骤中,引入了交换算子、提前算子和修复算子,较大程度地提高了单亲遗传算法的搜索效率.Matlab仿真试验表明,改进的单亲遗传算法计算效率和路径规划能力得到大幅度提高.     

基于单亲遗传算法的多行设备布置方法及仿真

机器设备布置问题是制造系统中常见的问题之一,基于单亲遗传算法构造了生产车间中常见的多行设备布置问题的优化算法.以总储运费用最小化为目标,通过单亲遗传算法的基因换位操作,从任何初始布置状态出发都能够容易地收敛到全局最优解.进一步,仿真试验结果及与传统遗传算法的比较证明了这一算法对大规模机器布置问题的有效性.     

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。     

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.     

Petri网的遗传算法在Job-Shop问题中的应用研究

提出了一种基于扩展时间Petri网（ETPN）的单亲遗传算法,并利用该算法对Job-Shop调度问题进行了求解．首先定义一种扩展时间Petri网,然后利用定义的扩展时间Petri网对Job-Shop调度问题进行建模,最后应用单亲遗传算法对模型进行优化调度．通过实例证明了该建模方法和优化算法的有效性和正确性．     

2种限制性指派问题

提出了指派问题的2种推广模型:双限制性指派问题和缺省限制性指派问题,首先设计了双限制性指派问题2种多项式算法,随后设计出了缺省限制性指派问题的1种多项式算法,并且分别对以上算法的正确性和时间复杂性做出了相应的证明.     

基于区间数排序的区间型指派问题研究

对区间型指派问题进行了研究与讨论.给出区间数的运算法则以及区间数的排序方法,并结合遗传算法对区间型指派问题进行求解计算,与传统的求解算法相比,该算法在处理区间型指派问题时具有求解速度快,运算效率较高的特点,可以很好的解决一些实际的区间型指派问题.该文最后给出具体算例对该方法的可行性与准确性加以验证.     

基于成本最小的公交人员排班优化模型

为了优化公交人员排班问题,提高公交公司的运营效率和资源利用率,以车辆行车计划为基础、公交公司运营成本最小为目标,构建了公交人员排班问题理论模型,并利用遗传算法和LINGO优化软件分别进行实例求解。算例分析表明,该模型具有可行性和合理性。     

网格中基于拍卖模型与遗传算法的作业分配

引入微观经济学与遗传工程知识,兼顾时限与成本,设计了一种网格中的作业分配方法.首先基于拍卖模型确定资源购买者和资源提供者之间的资源交易价格,然后使用遗传算法寻找作业分配最优方案.仿真结果表明,该方法是可行和有效的,不仅效用较高,而且作业对资源的分配较均衡,优于PRIMAL方法.     

两阶段遗传算法在求解TSP问题中的应用

为了提高利用遗传算法求解TSP(traveling saleman problem)问题的能力,给出了一种种群多样性的定义,提出了一种利用2个阈值在贪婪优化遗传算法和退火单亲遗传算法间切换的两阶段遗传算法,从而可以在保持种群多样性的基础上优化种群.两阶段遗传算法在种群多样性下降到一定程度时,转换遗传方式,在继续寻优的同...     

基于遗传算法的产品分配方案研究

建立了产品分配的时变模型 ,并将其分为两层子问题 .下层子问题为基本的运输问题 ,按一般的线性方程求解 ;上层子问题则求系统的最小成本 ,采用遗传算法进行求解 .同时 ,还进行了大量的计算机实验 ,并在实验过程中将遗传算法与实现产品分配时常用的算法进行了比较 .结果表明 :采用本研究所建模型 ,并利用遗传算法进行求解 ,可以取得相当好的效果 ,具有实现简单、收敛时间短等优点 .     

遗传算法在期刊数字化任务分配中的应用

针对印刷图文信息处理专业在期刊数字化的实践过程，提出了一种自适应的实践任务分配方法，并改进遗传算法中基于排序的适应度方法，建立了任务分配优化模型，实现全局最优。实验结果表明，采用遗传算法进行项目分组实践可以使得整体制作效果获得较佳的状态，且优于同类其他方法。     

GASA Hybird Algorithm Applied in Airline Crew Rostering System

Crew rostering system is a daily grind in the management of both corporation and enterprise. A fair and reasonable rostering method plays a very important role in the arousing worker's enthusiasm and improving the work efficiency. This paper presents a method of building models for automatic crew rostering mode with computer and advancing the multi-objective optimum scheme. The method to build models for crew rostering system is also discussed. The question to crew rostering system model is solved by genetic algorithms and simulated annealing algorithms. Simulation results show the correctness of algorithms. The actual data of the airways have justified its reasonability and efficiency.     

量子遗传算法在目标分配上的应用

量子遗传算法是量子计算和遗传算法相结合的产物,量子遗传算法将量子比特和量子门表示引入到遗传算法中,具有比遗传算法更好的搜索效率和收敛性.目标分配问题是一种典型的NP难问题,传统的方法在求解此问题时很容易陷入局部最优.本文利用量子遗传算有效地解决了目标分配最优化的问题,数值模拟表明量子遗传算法在该类问题中具有效性和可行性.     

新产品开发的资源二维指派问题

研究了大型企业在新产品开发过程中研究中心和研究人员的二维指派问题,建立了以最小开发成本为目标的决策优化模型·在分析问题的基础上,提出了基于遗传算法的优化方法,并给出了具体的计算步骤·最后,给出了一个计算例子,计算结果证明了算法的有效性和模型的实用性·该问题的研究具有很强的实用性,对于具有分布在不同地域的多个研究中心的企业,在进行多产品开发计划制定过程中,具有很好的辅助决策作用     

基于混合算法求解指派问题

本研究建立了指派问题的数学模型,提出了以遗传算法和蚁群算法相结合的思想及其解决方案．算法主要是将每一个任务作为一个基因位形成染色体,以遗传算法控制寻优方向,更适宜解决组合优化问题．实验结果表明,使用此算法解决指派问题,提高了搜索效率,能够在短时间内找到最优分配方案,证明该算法是可行的．