【摘要】：對(duì)于航空運(yùn)輸來說,機(jī)場(chǎng)是承擔(dān)運(yùn)輸活動(dòng)的必要場(chǎng)所,為所有與之相關(guān)的旅客服務(wù)、飛機(jī)起降等過程提供各種基礎(chǔ)和保障。停機(jī)位作為機(jī)場(chǎng)的重要資源,是實(shí)現(xiàn)航班快速、安全�？康年P(guān)鍵因素。而停機(jī)位分配不但要從旅客和航空公司的角度出發(fā),為旅客提供更優(yōu)質(zhì)服務(wù)的同時(shí)為航空公司節(jié)約成本,而且還要從機(jī)場(chǎng)運(yùn)行控制部門的角度出發(fā),合理、均衡、高效地分配有限的停機(jī)位資源,以預(yù)防突發(fā)事件對(duì)機(jī)場(chǎng)運(yùn)行的不利影響。因此,開展機(jī)場(chǎng)停機(jī)位分配建模及智能調(diào)度算法的研究,具有重要的理論意義和應(yīng)用價(jià)值。本論文針對(duì)蟻群優(yōu)化算法控制參數(shù)難以確定、早熟收斂等缺陷,提出一種自適應(yīng)協(xié)同進(jìn)化蟻群優(yōu)化算法(Self-adaption Co-Evolutionary Ant Colony Optimization,SCEACO)。該算法首先通過對(duì)信息素更新公式進(jìn)行改進(jìn)以及對(duì)信息素限制更新范圍,實(shí)現(xiàn)蟻群優(yōu)化算法信息素的自適應(yīng)更新;然后借鑒了協(xié)同進(jìn)化的思想和共生機(jī)制,將蟻群分為多個(gè)蟻群有著共同的搜索空間,并將多目標(biāo)優(yōu)化問題分解成若干個(gè)子優(yōu)化問題,實(shí)現(xiàn)種群信息共享與協(xié)同進(jìn)化。以機(jī)場(chǎng)停機(jī)位分配問題為研究對(duì)象,在考慮機(jī)場(chǎng)和航空公司效益最大化以及旅客滿意程度的基礎(chǔ)上,建立了樞紐機(jī)場(chǎng)停機(jī)位分配優(yōu)化模型,進(jìn)而提出了基于自適應(yīng)協(xié)同進(jìn)化蟻群優(yōu)化算法的機(jī)場(chǎng)停機(jī)位分配方法。最后通過旅行商問題,對(duì)自適應(yīng)協(xié)同進(jìn)化蟻群優(yōu)化算法的優(yōu)化性能進(jìn)行了驗(yàn)證,結(jié)果表明該算法克服了控制參數(shù)難以確定、早熟收斂等問題,具有較強(qiáng)的優(yōu)化能力和更好的穩(wěn)定性。同時(shí),采用機(jī)場(chǎng)的實(shí)際航班數(shù)據(jù),來驗(yàn)證了提出的機(jī)場(chǎng)停機(jī)位分配方法的有效性。實(shí)驗(yàn)結(jié)果表明,該方法能夠有效地獲得停機(jī)位分配結(jié)果。因此該研究為機(jī)場(chǎng)停機(jī)位分配提供了一種新的方法。
【圖文】：

算競(jìng)爭(zhēng)適應(yīng)度的個(gè)體叫做學(xué)習(xí)者（Ｌｅａｒｎｅｒ），臨時(shí)競(jìng)爭(zhēng)對(duì)手叫做評(píng)價(jià)者（Ｅｖａｌｕａｔｏｒ）。評(píng)價(jià)逡逑者可以與學(xué)習(xí)者處于同一種群，這時(shí)候種群中的個(gè)體即是學(xué)習(xí)者又是評(píng)價(jià)者，采用多種逡逑群的方式實(shí)現(xiàn)競(jìng)爭(zhēng)協(xié)同進(jìn)化算法。競(jìng)爭(zhēng)型協(xié)同進(jìn)化流程圖如圖３．１。逡逑１５逡逑

（邐通過競(jìng)爭(zhēng)學(xué)習(xí)者計(jì)算適應(yīng)度邋＂）逡逑Ｖ邐／逡逑圖３．１競(jìng)爭(zhēng)型協(xié)同進(jìn)化流程圖逡逑Ｆｉｇ．邋３．１邋Ｔｈｅ邋ｆｌｏｗ邋ｃｈａｒｔ邋ｏｆ邋ＣｏｍｐＣＥＡ逡逑（２）合作型協(xié)同進(jìn)化算法（Ｃｏｏｐｅｒａｔｉｖｅ邋Ｃｏｅｖｏｌｕｔｉｏｎａｒｙ邋Ａｌｇｏｒｉｔｈｍ，邋ＣｏｏｐＣＥＡ）逡逑從生態(tài)進(jìn)化的角度看，ＣｏｏｐＣＥＡ是對(duì)協(xié)同進(jìn)化中的公式機(jī)制的模擬，共生是物種逡逑之間相依為命的一種互利關(guān)系，這種互利關(guān)系己經(jīng)達(dá)到了如果失去一方，另一方也就不逡逑能生存。逡逑從形式上看，ＣｏｏｐＣＥＡ把傳統(tǒng)的進(jìn)化算法中的種群人為的從縱向分為多個(gè)子種群，，逡逑每個(gè)子種群對(duì)應(yīng)一個(gè)子任務(wù)。所以在應(yīng)用ＣｏｏｐＣＥＡ?xí)r，首要的工作是進(jìn)行任務(wù)分解。逡逑本文所采用的協(xié)同進(jìn)化算法就是這種合作型協(xié)同進(jìn)化算法。合作型協(xié)同進(jìn)化流程圖如圖逡逑３．２。逡逑１６逡逑
【學(xué)位授予單位】：大連交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：V35;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳福芳;許峰;;協(xié)同進(jìn)化多目標(biāo)優(yōu)化算法在車間調(diào)度中的應(yīng)用[J];軟件導(dǎo)刊;2014年12期

2 匡芳君;張思揚(yáng);金忠;徐蔚鴻;;混沌差分進(jìn)化粒子群協(xié)同優(yōu)化算法[J];微電子學(xué)與計(jì)算機(jī);2014年08期

3 徐冰純;葛洪偉;王燕燕;;基于多種群多模型協(xié)同進(jìn)化的粒子群優(yōu)化算法[J];計(jì)算機(jī)工程;2013年05期

4 劉朝華;章兢;張英杰;吳建輝;;競(jìng)爭(zhēng)合作型協(xié)同進(jìn)化免疫算法及其在旅行商問題中的應(yīng)用[J];控制理論與應(yīng)用;2010年10期

5 陶新民;徐晶;楊立標(biāo);劉玉;;改進(jìn)的多種群協(xié)同進(jìn)化微粒群優(yōu)化算法[J];控制與決策;2009年09期

6 李昕;顏學(xué)峰;;基于群體信息挖掘的協(xié)同差分進(jìn)化算法及其應(yīng)用[J];化工進(jìn)展;2009年05期

7 李碧;林土勝;;協(xié)同進(jìn)化在遺傳算法中的應(yīng)用述評(píng)[J];計(jì)算機(jī)科學(xué);2009年04期

8 高尚;孫玲芳;侯志遠(yuǎn);楊靜宇;;基于多樣信息素的蟻群算法[J];計(jì)算機(jī)科學(xué);2006年10期

9 王麗芳;曾建潮;;基于微粒群算法與模擬退火算法的協(xié)同進(jìn)化方法[J];自動(dòng)化學(xué)報(bào);2006年04期

10 孫曉燕;高振;鞏敦衛(wèi);;基于合作式協(xié)同進(jìn)化算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2006年01期

本文編號(hào)：2655861