發(fā)布時(shí)間：2017-08-24 08:01

  本文關(guān)鍵詞：基于融合蟻群算法的機(jī)場(chǎng)地面滑行調(diào)度問(wèn)題研究

  更多相關(guān)文章： 滑行道調(diào)度 蟻群算法 遺傳算法 沖突 兩階段鎖

【摘要】：由于航空運(yùn)輸業(yè)的迅速發(fā)展,繁忙機(jī)場(chǎng)的運(yùn)行環(huán)境變得更加復(fù)雜和具有不確定性,使得依靠人工確定滑行調(diào)度計(jì)劃變得更加困難。采用先來(lái)先服務(wù)的調(diào)度方式,雖然可以降低工作人員的工作量,但卻可能造成航班在某些路段的擁擠,進(jìn)而出現(xiàn)航班延誤傳遞的情況。為此,如何確定航班的滑行調(diào)度順序,合理的確定每個(gè)航班的滑行位置和路徑,從而有效地避免滑行沖突,對(duì)機(jī)場(chǎng)場(chǎng)面滑行道調(diào)度的結(jié)果有很大的影響。本文的主要工作如下:首先,簡(jiǎn)要介紹了滑行道、跑道和停機(jī)坪等機(jī)場(chǎng)重要資源的相關(guān)基礎(chǔ)知識(shí),針對(duì)機(jī)場(chǎng)場(chǎng)面網(wǎng)絡(luò)的特點(diǎn),分析研究了機(jī)場(chǎng)場(chǎng)面網(wǎng)絡(luò)的有向圖表達(dá),詳細(xì)介紹了場(chǎng)面滑行調(diào)度問(wèn)題及其數(shù)學(xué)模型,并重新設(shè)計(jì)了已有模型中的目標(biāo)函數(shù),同時(shí)對(duì)滑行道調(diào)度問(wèn)題進(jìn)行了復(fù)雜度分析。其次,本文詳盡的介紹了三種類型的滑行沖突,對(duì)滑行沖突探測(cè)與解脫進(jìn)行了研究。針對(duì)交叉沖突的特點(diǎn),設(shè)計(jì)了基于兩階段鎖思想的沖突探測(cè)與解脫算法;分析了不同類型沖突解脫的特點(diǎn),設(shè)計(jì)了滑行沖突的完整探測(cè)與解脫算法。最后,本文通過(guò)分析了遺傳算法和蟻群算法的優(yōu)缺點(diǎn),提出了一種融合蟻群算法。該算法借鑒“階段融合”思想,由兩個(gè)階段構(gòu)成。第一階段用于粗略搜索,除了利用遺傳算法確定蟻群算法的初始信息素外,主要用于確定航班的滑行調(diào)度順序;第二階段是詳細(xì)搜索,利用蟻群算法搜索滑行路徑。同時(shí),對(duì)比蟻群算法,融合蟻群算法在有效性和算法的性能上都取得了滿意結(jié)果。
【關(guān)鍵詞】：滑行道調(diào)度 蟻群算法 遺傳算法 沖突 兩階段鎖
【學(xué)位授予單位】：中國(guó)民航大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：V355.2;TP18
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-15
• 1.1 研究背景與意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-13
• 1.3 論文主要工作13
• 1.4 論文組織13-15
• 第二章 機(jī)場(chǎng)地面滑行道調(diào)度問(wèn)題的建模15-24
• 2.1 基本概念15-16
• 2.2 機(jī)場(chǎng)地面滑行道調(diào)度問(wèn)題的描述16-23
• 2.2.1 機(jī)場(chǎng)地面網(wǎng)絡(luò)描述17-19
• 2.2.2 機(jī)場(chǎng)地面滑行道調(diào)度問(wèn)題的模型19-23
• 2.3 問(wèn)題復(fù)雜度分析23
• 2.4 本章小結(jié)23-24
• 第三章 滑行道沖突探測(cè)與解脫研究24-30
• 3.1 交叉沖突探測(cè)與解脫25-26
• 3.2 超越?jīng)_突探測(cè)與解脫26-27
• 3.3 對(duì)頭沖突探測(cè)與解脫27-28
• 3.4 機(jī)場(chǎng)網(wǎng)絡(luò)模型的沖突探測(cè)與解脫28-29
• 3.5 本章小結(jié)29-30
• 第四章 基于遺傳算法的滑行道調(diào)度問(wèn)題研究30-38
• 4.1 遺傳算法的原理30
• 4.2 遺傳算法的基本操作30-32
• 4.3 遺傳算法的優(yōu)缺點(diǎn)32
• 4.4 滑行道調(diào)度的遺傳算法設(shè)計(jì)32-34
• 4.5 算例的計(jì)算與分析34-37
• 4.6 本章小結(jié)37-38
• 第五章 融合蟻群算法在滑行道調(diào)度問(wèn)題的應(yīng)用38-54
• 5.1 蟻群算法38-40
• 5.1.1 蟻群算法的原理38
• 5.1.2 蟻群算法的數(shù)學(xué)描述38-39
• 5.1.3 蟻群算法的優(yōu)缺點(diǎn)39-40
• 5.2 滑行道調(diào)度的融合蟻群算法設(shè)計(jì)40-44
• 5.2.1 滑行道調(diào)度中的遺傳算法規(guī)則40-41
• 5.2.2 滑行道優(yōu)化調(diào)度的協(xié)同蟻群算法規(guī)則41-42
• 5.2.3 融合蟻群算法流程42-44
• 5.3 融合蟻群算法的具體規(guī)則44-48
• 5.3.1 前期預(yù)處理44
• 5.3.2 折返策略44-45
• 5.3.3 算法數(shù)據(jù)結(jié)構(gòu)45-47
• 5.3.4 蟻群算法啟發(fā)信息的構(gòu)造47
• 5.3.5 動(dòng)態(tài)信息素更新策略47-48
• 5.4 遺傳算法和蟻群算法的銜接48-49
• 5.5 實(shí)驗(yàn)結(jié)果49-53
• 5.5.1 小規(guī)模航班實(shí)例49-50
• 5.5.2 較大規(guī)模航班實(shí)例50-53
• 5.6 本章小結(jié)53-54
• 第六章 結(jié)束語(yǔ)54-55
• 參考文獻(xiàn)55-59
• 致謝59-60
• 作者簡(jiǎn)介60

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 陳亞云;韓文濤;崔鶴平;;遺傳算法與蟻群算法的改進(jìn)融合[J];中國(guó)農(nóng)機(jī)化學(xué)報(bào);2014年04期

2 李楠;趙擎;徐肖豪;;基于A~*算法的機(jī)場(chǎng)滑行路徑優(yōu)化研究[J];計(jì)算機(jī)仿真;2012年07期

3 王艷軍;胡明華;蘇煒;;基于沖突回避的動(dòng)態(tài)滑行路徑算法[J];西南交通大學(xué)學(xué)報(bào);2009年06期

4 尤杰;韓松臣;;基于多Agent的機(jī)場(chǎng)場(chǎng)面最優(yōu)滑行路徑算法[J];交通運(yùn)輸工程學(xué)報(bào);2009年01期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 王沛棟;改進(jìn)蟻群算法及在路徑規(guī)劃問(wèn)題的應(yīng)用研究[D];中國(guó)海洋大學(xué);2012年

2 常鋼;民航機(jī)場(chǎng)停機(jī)位分配與優(yōu)化技術(shù)研究[D];西北工業(yè)大學(xué);2006年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 崔珊珊;遺傳算法的一些改進(jìn)及其應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

2 汪松泉;遺傳算法在組合優(yōu)化中的應(yīng)用研究[D];安徽大學(xué);2010年

3 鐘育鳴;機(jī)場(chǎng)地面運(yùn)行仿真評(píng)估系統(tǒng)研究[D];南京航空航天大學(xué);2009年

4 李欣;自適應(yīng)遺傳算法的改進(jìn)與研究[D];南京信息工程大學(xué);2008年

5 徐麗;具有禁忌搜索能力的螞蟻算法[D];河北工業(yè)大學(xué);2007年

，

本文編號(hào)：730108