机场地勤服务优化问题的双重变异单亲遗传算法

为了减少地勤服务作业调度影响的航班延误,以总航班延误最小化及航班延误方差最小化为目标建立了多目标非线性整数优化模型.地勤服务作业调度优化问题是NP难问题,因此,提出了一种双重变异单亲遗传算法求解该类问题.该算法避免了遗传算法求解同类问题时产生非法个体的现象,并且双重变异策略具有全局搜索能力.结果表明:双重变异单亲遗传算法可以很好地解决航班分配服务组及服务组内航班服务序列优化的地勤服务调度问题,减少了因地勤服务作业导致的航班总延误,避免了单个航班长时间延误.     

基于贪婪随机自适应搜索算法的机场除冰调度模型研究

本文构建了机场集中除冰车辆的调度模型,模型以最小化除冰窗的时间消耗、除冰排队时间和航班移动为总目标函数,考虑了除冰车的负载均衡约束.设计了贪婪随机自适应搜索算法(GRASP)用于模型求解.为了验证算法的有效性,将北方某机场的一天283架航班数据用于仿真实验.选择先来先服务(FCFS)、贪婪无可用性检查(GWOAC)、贪婪有可用性检查(GWAC)和本文提出的算法进行比较,实验结果表明GRASP优于其它算法.     

基于Memetic算法的飞机地面作业调度问题研究

机场地面作业管理是通过对机场各地面服务设备的安排调度,以保证航班正常、高效地运行.本文根据机场地面作业管理的实际情况,对每一个航班建立一棵飞机地面作业任务树,由此构建了相应的数学模型,该模型以最小化设备的总流经时间为目标,在规定的时间窗内完成飞机地面作业的并行任务.应用带有过滤扫描搜索策略的Memetic算法进行求解,...     

基于时间窗的机场地面保障车辆动态调度

机场各类地面资源的优化配置是机场场面运行优化的核心问题,而机场地面保障任务的调度是其中的关键一环。本文针对机场地面保障车辆的调度问题,考虑航班延误、提前等情况,构建了双阶段机场地面保障车辆调度模型,并设计双阶段启发式算法进行求解;基于我国某大型机场的实际运行数据,以清水车和食品车调度为例分别进行仿真实验,结果表明：对比先到先服务策略,清水车行驶总距离减少55.31%,食品车行驶总距离减少47.38%;对比传统遗传算法,清水车行驶总距离减少19.31%,食品车行驶总距离减少22.93%;动态调整后,清水车新增总行驶距离1.2%,食品车总行驶距离新增3.2%,均在可接受范围之内。可见,双阶段机场地面保障车辆调度模型能提高大型机场场面运行效率,为机场航班实际地面保障任务调度提供理论依据和决策支持。     

不确定作业时间下机场地面服务保障设备调度优化研究

机场地面服务延误在大型枢纽机场总延误中占有较大比重。为此,从机场地面保障设备工作时间不确定性出发,对机场地面服务保障设备调度优化问题进行了研究,以更加高效地调度地面服务设备。首先,根据国内某机场历史数据,采用对数正态分布拟合机场服务设备的作业时间;并对不同服务项目作业时间的波动性进行评估。然后,建立机场地面服务保障设备调度优化模型,以提高设备调度对于不确定作业时间的适应性;并且平衡设备工作量。最后,设计了具有不确定作业时间的设备调度遗传算法;并结合实例进行验证。结果表明:提出的不确定作业时间下的机场设备调度优化方案对设备作业时间波动性具有更高适应能力,提高机场设备利用率,缩短航班机位等待时间。     

基于不确定因素扰动的机场大面积航班恢复规划

航班恢复过程往往会受到不确定因素的干扰,这些不确定因素可能还会进而引发一系列不确定因素的产生,造成更加严重的延误情况。为了提高航班恢复计划的鲁棒性,对不确定因素扰动下的航班恢复问题进行研究。首先,利用中国某机场的地面服务数据,研究了不确定因素对航班恢复过程中地面服务保障时间的影响。然后,建立以最小化延误成本和保证航班公平性为优化目标的航班恢复调度模型;同时考虑进场航班对离场运行的影响;并在模型中加入不确定因素对航班的干扰。最后,运用模拟退火算法对中国某机场的航班数据进行仿真,与先到先服务方法进行对比。结果表明:对于解决机场大面积航班恢复问题具有可行性。     

基于不确定因素扰动的机场大面积航班恢复规划研究

航班恢复过程往往会受到不确定因素的干扰,这些不确定因素可能还会进而引发一系列不确定因素的产生,造成更加严重的延误情况。为了提高航班恢复计划的鲁棒性,对不确定因素扰动下的航班恢复问题进行研究。首先,利用中国某机场的地面服务数据,研究了不确定因素对航班恢复过程中地面服务保障时间的影响。然后,建立以最小化延误成本和保证航班公平性为优化目标的航班恢复调度模型;同时考虑进场航班对离场运行的影响;并在模型中加入不确定因素对航班的干扰。最后,运用模拟退火算法对中国某机场的航班数据进行仿真,与先到先服务方法进行对比。结果表明:对于解决机场大面积航班恢复问题具有可行性。     

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。     

基于合作博弈论的多机场终端区协同航班调度

针对多机场进离场航班协同调度问题,以协同决策(CDM)理念为基础,结合合作博弈论相关理论建立协同航班调度模型.模型主要分析机场、航空公司以及空管部门的效用函数和拒绝性函数,通过计算各航班拒绝性值和选择性值分析进离场航班次序.实例仿真表明,基于博弈论的协同航班调度优化模型有较好的准确性和实用性,有助于解决机场终端区的航班调度问题,较公平地兼顾了机场、航空公司和空管部门之间的利益.     

一种新的可调时间窗车辆调度问题研究

提出了一种新的时间窗可调整的车辆调度模型,设计了求解该问题的算法．设计了初始路径的构造算法、时间窗的分配以及动态调整策略和初始路径的禁忌搜索改进策略,实验计算表明,禁忌搜索算法能够显著改进初始解的质量,有效降低了运输成本,时间窗可调策略能够为顾客提供多个参考时间窗选择,增加了车辆调度的灵活性,与固定时间窗算法相比,本算法能够提高服务质量,不会产生拒绝顾客服务要求的现象．     

基于模拟退火算法的硬时间窗配送车辆调度问题研究

基于现实中影响物流成本较大的配送车辆调度问题,构建了硬时间窗下的配送车辆调度问题数学模型。通过模拟退火算法对硬时间窗车辆调度问题进行了数值分析,得到了较好的计算结果和较高的计算效率,从而为今后更好地解决此类硬时间窗配送车辆调度问题提供了行之有效的研究方法。     

改进的粒子群算法及其在带软时间窗车辆调度问题中的应用

针对微粒群优化算法容易陷入局部极值的缺陷,提出多相粒子群优化算法(Multi-pha-ses Particle Swarm Optimization,MPSO).建立了带软时间窗车辆调度问题数学模型,并将该方法运用于带软时间窗车辆调度路径优化.根据多相粒子群并行搜索的思想,给出MPSO算法在带软时间窗物流配送车辆调度路径优化的实现流程.仿真结果表明:多相粒子群算法可以快速、有效地求得车辆路径问题的优化解,是一种求解带软时间窗车辆路径问题的较好方案.     

基于SSA-BP的离港航班滑出时间预测

针对传统反向传播(back propagation, BP)神经网络在离港航班滑出时间预测时存在对初始权值和阈值敏感、准确性和稳定性不好等缺点,提出了一种基于麻雀搜索算法(sparrow search algorithm, SSA)获取BP神经网络的最优权值和阈值的方法。首先分析了离港航班滑出时间的可量化影响因素及相关性,然后构建了基于SSA-BP的离港航班滑出时间预测模型,并采用中国中南某枢纽机场2周的实际运行数据对预测模型进行了验证。结果表明：离港航班滑出时间与同时段滑行的离港航班数量强相关,与同时段滑行的进港航班数量、同时段推出的离港航班数量、平均滑出时间中度相关,与滑行距离和转弯个数弱相关;基于SSA优化后的BP神经网络预测结果误差在±60 s内的准确率提升了20%,误差±180 s内的准确率提升了12%,误差±300 s内的准确率提升了7%。;预测结果的平均绝对误差百分比提升了2.61%,平均绝对误差减少了11.73 s,均方根误差减少了61.03 s。研究成果为提升大型枢纽机场场面运行效率提供了思路。     

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.     

一种面向滑行道调度的协同蚁群算法

针对现有机场滑行道调度算法效率偏低的问题,提出一种协同蚁群算法.首先采用A*算法得到的滑行道调度结果作为蚁群启发式信息;然后使用带有启发式信息的蚁群对航班进行调度排序,排序过程中检测冲突并根据航班优先级利用冲突解决算法处理航班冲突;最终通过蚁群间通信对信息素进行更新迭代,得出航班最优调度结果.实验结果表明,该算法收敛速度快,航班调度效率高,可为繁忙机场滑行道调度提供决策支持.     

离港航班可变滑出时间预测方法及应用

考虑离港航班可变滑行时间的可量化影响因素,构建了基于BP神经网络的离港航班可变滑出时间预测模型,然后采用遗传算法（Genetic Algorithm, GA）优化BP神经网络的权值和阈值,并提出基于可变滑出时间预测结果的航空器推出控制策略。最后,基于我国中南某枢纽机场2周的实际运行数据对预测模型及控制策略进行了验证。结果表明：①离港航班的可变滑出时间与机场场面交通流有强相关性,与平均滑出时间中度相关,与滑行距离相关性和转弯个数较弱;②基于GA优化后的BP神经网络预测结果误差在±60s、±180s、±300s内的准确率分别提升了14%、10%和5%;预测结果的平均绝对误差百分比提升了1.87%,平均绝对误差和均方根误差分别减少了3.58s、32.45s。③基于可变滑出时间预测的离港推出策略比实际推出时间平均晚68s。研究成果为提升大型枢纽机场场面运行效率和协同决策能力提供了新的思路。     

机场离港系统的应用

计算机离港控制系统(Departure Control System),简称DCS,是中国民航引进美国优利公司的航空公司旅客服务大型联机事务处理系统,分为旅客值机(CKI)、配载平衡(LDP)、航班数据控制(FDC)三大部分。本文对机场离港系统的应用进行了介绍.     

基于分布估计算法的离港航班排序优化

离港排序优化问题是指优化离港航班序列以减少终端区离港航班的延误,是当前空中交通管制领域需要解决的重要问题。该文基于带滑动窗的分布估计算法,实现了对此问题的求解。算法以飞机优先序列进行编码,适应度函数考虑了离港飞机起飞延迟因素,并在传统的优化流程中加入了滑动窗的排序思想,解决了多架飞机参与排序时编码空间不足的问题。仿真结果表明:分布估计算法在离港排序优化问题上具有较好的整体性能,同时滑动窗参数的选择对于优化结果具有明显的影响。     

离港航班延误时间预测方法

在如今的民航运行体系里,航班延误已经成了机场和航空公司为了提高效率与控制成本的主要研究目标。为了构建更准确的离港航班延误时间预测模型,首先分析了导致离港航班延误发生的主要因素,并利用皮尔逊相关度系数对各因素进行相关性分析。其次基于基本BP(back propagation)神经网络算法,构建离港航班延误时间预测模型,并进行优化;然后采用自动编码器(AutoEncoder)对BP算法进行改进;接着构建了基于支持向量机(support vector machine, SVM)的预测模型并与优化后的BP模型进行对比;最后基于上海浦东机场实际历史航班数据进行仿真检验,验证了本文优化模型的准确性和高效性。