航班地面等待问题建模及优化

首先建立了一种单机场地面等待问题的事件驱动优化模型,该模型综合考虑了航班的延误成本差异、最大延误时限以及尾流间隔等其他多种因素;然后提出了一种改进的自适应遗传算法对该模型进行求解,该算法对传统适应度函数形式和初始群体的产生加以改进,并针对问题特征定义了交叉算子.通过对多组算例进行仿真验证,实验结果表明,本文的模型与算法对降低延误成本以及控制航班最长延误时间取得了明显的优化效果.     

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.     

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。     

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。     

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。     

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。     

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.     

空中交通地面等待问题的网络流规划模型

在将网络流方法应用于解决空中交通流量管理问题中,由于其形象直观和求解简单,因而倍受国内外学者的关注。本文针对确定容量条件下的单机场地面等待策略问题,研究了简单网络流规划方法,建立了数学模型和网络流规划模型。在简单网络模型的基础上,考虑更多的实际约束,改进成本函数,建立了修正的网络流规划模型,并对冲突航班例进行仿真,验证了规划方法的可行性。     

空中交通流量管理中地面等待策略问题的探讨

随着我国经济不断的迅猛发展,国民收入不断增加,人们外出公干旅游较之以往飞速增长,而选择乘坐飞机作为交通工具的人群也日益增多。因此我国各大航空公司的飞机、航线数量都突飞猛进,但由于空中交通还有很多区域并没有开放,这也客观上导致经常出现航班延误,是继除天气影响第二大航班延误的重要原因。正因为如此,为缓解航班延误问题,本文制作了一套空中交通流量管理模型。这套模型的原理是如果机场会因为天气的原因而导致航班的延误,这种情况是无法避免的。将各个机场的出发航班以及到达航班进行有效的管理,合理分配各个航班,这个模型可以有效的缓解航班延误的问题。这个系统将国内5个最重要的枢纽机场的航班流通量的数据结合起来对模型进行了仿真计算。我们可以通过模拟得知,该模型会为航班提供调整策略,也会帮助航空部门制定相应的航班计划,使策略更安全更有效,也因此能大幅度降低航班延误的可能。     

空中交通流量管理中地面等待策略问题的研究

地面等待是解决空中交通拥堵的主要方式,具有安全性和经济性高的优点。该文就空中交通流量管理地面等待策略问题进行研究。根据不同的分类标准,地面等待策略可以分为静态和动态、确定性和随机性、单机场地面等待和多机场地面等待、时间驱动和事件驱动几类;该文就单机场静态地面等待分析、多机场地面等待分析、基于事件驱动的地面等待策略及其模型的优缺点做简要分析。     

一维下料问题的改进自适应遗传算法

提出采用改进的自适应遗传算法与求解此类问题的一般算法——BFD算法相混合，构成一种改进的自适应混合遗传算法(MAHGA)．并将其与另一种新的求解此类问题的EPFF算法进行了精度、速度等方面的比较．结果表明，本文方法可以取得较为满意的效果．文章最后给出了一个实例．     

求解最大割问题的自适应混合免疫遗传算法

为了获得NP难的最大割问题的最优解,提出了一种自适应混合免疫遗传算法,它在初始化阶段按照局部最大权生成树来进行疫苗抽取操作,生成疫苗集合,再将图的划分可行解表示为抗体,并在演化过程中通过疫苗接种和基于亲和度的选择来加速收敛,并保持种群多样性,从而获得全局最优解。此外,疫苗的接种概率按照接种效果进行自适应调节,并基于信息熵理论定义抗体之间的亲合度及抗体的选择概率。大量仿真实验的结果表明该算法优于现有的贪婪搜索算法和最大神经网络算法。     

自适应遗传算法求解运动员最佳配对问题

采用引入了收敛因子和进程因子的自适应遗传算法求解运动员最佳配对问题,并在保持群体多样性和全局收敛性的情况下与回溯法进行对比.结果表明,自适应遗传算法能有效提高收敛速度,对较大规模的配对问题也能快速求解.     

基于自适应遗传算法的无刷直流电机的优化设计

对遗传算法特别是自适应遗传算法作了分析，重点研究了交叉算子和变异算子对遗传算法收敛性的影响，提出了一种改进的自适应遗传算子的方法。该方法可在遗传模式得到保证的基础上加快新个体的产生速度，所构造的遗传算子随适应值自动变化，对远离最优值的个体采用较大的遗传算子值，对接近最优值的个体采用较小遗传算子值，以提高得到全局最优解的概率。通过测试函数的求解，验证了所构造的自适应算子的有效性和正确性。实算结果表明，在无刷直流电机的优化设计中，改进后的自适应遗传算法可在满足各项性能指标的前提下取得良好的优化效果，得到全局最优解的概率较改进前有明显提高。     

基于空间优化的三维装箱布局混合遗传算法

针对三维装箱问题使用了一种便于空间优化的二维链表结构表达三维矩形物体布局状态空间分解方法和利用混合遗传算法产生待装物体的顺序序列.二维链表结构可以表达空间相连结点之间的关系,易于空间结点的重组,达到更好的利用空间;也可减少产生好的待装物体顺序序列的搜索次数.结合混合遗传算法的搜索方法,能在合理的时间内找到问题的满意解.经过实验表明通过这两种方法的结合本算法能取得较好的较果.     

基于自适应遗传算法的无人机航路规划

在规划区域内随机产生一系列威胁点和相应威胁半径来量化无人机(UAV)任务环境,通过纵向剖分目标区,将航路点的表示由二维缩减到一维,采用实值编码以提高运算精度.针对遗传算法(GA)早收敛和收敛慢的问题,在交叉和变异中设计了自适应算子.计算仿真表明该控制算法能使无人机在复杂环境中回避威胁,快速选择最短路径,提高了规划效率.     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

自适应基因算法在环境优化问题中的应用

探讨了基因算法的原理及本身参数优化特性，总结参数的简便设置技术，并针对该法的寻优效果明显依赖于模型参数的初始变化区间的大小，及可能会出现过早收敛的问题，提出了自适应加速基因算法，实例应用结果表明，该法具有直观、简便、快速，适用性强等特点，可广泛应用于各种优化问题中。