發(fā)布時間：2017-09-17 05:40

  本文關鍵詞：動態(tài)飛機著陸調(diào)度及其經(jīng)驗粒子群算法研究

  更多相關文章： 飛機著陸調(diào)度優(yōu)化 經(jīng)驗粒子群算法 動態(tài)模型 滾動時域控制 OR-Library數(shù)據(jù)集

【摘要】：飛機著陸調(diào)度(Aircraft Landing Scheduling,ALS)是終端區(qū)空中交通流量管理(Air Traffic Flow Management,ATFM)的核心內(nèi)容之一,它通過為終端區(qū)內(nèi)每架待降落的飛機分配可行的降落時間和跑道,使它們能夠安全有序的著陸。通過對飛機著陸調(diào)度問題的優(yōu)化可以使終端區(qū)內(nèi)的飛機在確保飛行安全的前提下提高飛行效益�，F(xiàn)在,我國在機場終端區(qū)飛機著陸調(diào)度方面基本采用先來先服務的人工管制方式,其已經(jīng)成為制約終端區(qū)航班調(diào)度效率提高的主要因素,提升終端區(qū)航班調(diào)度自動化水平已經(jīng)迫在眉睫。本文根據(jù)飛機著陸調(diào)度問題的混合整數(shù)規(guī)劃模型,設計了粒子群算法獨特的編碼和解碼方式。編碼時,利用飛機降落時間的連續(xù)性將其在混合整數(shù)規(guī)劃模型中的離散形式映射成連續(xù)變量,使得粒子群算法得以在相對連續(xù)的“空間”中進行求解,不僅充分利用了粒子群算法解決連續(xù)問題的優(yōu)勢,而且相對于其它離散解法降低了問題的復雜度。解碼時,將連續(xù)形式的解轉(zhuǎn)化成現(xiàn)實所需的離散形式,并通過加入飛機的安全間隔約束,避免了不可行解的出現(xiàn)。之后,針對ALS設計了可以作為粒子經(jīng)驗的局部優(yōu)化手段,進而提出了經(jīng)驗粒子群(Experiential Particle Swarm Optimization,EPSO)算法。通過在粒子群算法的尋優(yōu)過程中加入粒子經(jīng)驗,使得EPSO比PSO具有更好的求解效果。對算法在公共數(shù)據(jù)集OR-Library上進行了實驗,結果表明EPSO在大規(guī)模靜態(tài)數(shù)據(jù)集上的綜合性能要優(yōu)于現(xiàn)有算法。由于ALS的靜態(tài)模型在實際的動態(tài)環(huán)境下還有一定不足,于是本文在靜態(tài)模型的基礎上建立起了更接近于實際應用的動態(tài)模型,其更適合于處理現(xiàn)實環(huán)境中的飛機流問題。并且通過動態(tài)模型與滾動時域控制策略的結合,在盡量考慮問題現(xiàn)實約束的前提下,最大限度的提高了經(jīng)驗粒子群算法解決動態(tài)ALS問題時的整體效率。最后,通過在OR-Library相關數(shù)據(jù)集上的仿真,對動態(tài)模型的先進性進行了分析驗證。
【關鍵詞】：飛機著陸調(diào)度優(yōu)化 經(jīng)驗粒子群算法 動態(tài)模型 滾動時域控制 OR-Library數(shù)據(jù)集
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：V355.2;TP18
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-15
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.3 本文主要內(nèi)容及結構安排14-15
• 第二章 相關理論知識介紹15-28
• 2.1 飛機著陸調(diào)度問題描述15-16
• 2.2 飛機著陸調(diào)度問題的數(shù)學模型16-18
• 2.2.1 簡化版飛機著陸調(diào)度問題的數(shù)學模型16-17
• 2.2.2 經(jīng)典版飛機著陸調(diào)度問題數(shù)學模型17-18
• 2.3 飛機著陸調(diào)度問題的類比18-19
• 2.4 粒子群優(yōu)化算法基本理論19-22
• 2.4.1 粒子群優(yōu)化算法的發(fā)展19
• 2.4.2 粒子群優(yōu)化算法的原理19-20
• 2.4.3 粒子群優(yōu)化算法的流程20-21
• 2.4.4 標準粒子群優(yōu)化算法21-22
• 2.5 粒子群優(yōu)化算法的幾類改進22-24
• 2.5.1 基于初始化的改進22
• 2.5.2 基于鄰域拓撲的改進22-23
• 2.5.3 基于參數(shù)設置的改進23-24
• 2.5.4 基于混合策略的改進24
• 2.6 粒子群算法解決離散問題24-27
• 2.6.1 粒子群算法的離散形式24-26
• 2.6.2 離散問題連續(xù)化26-27
• 2.7 本章小結27-28
• 第三章 飛機著陸調(diào)度問題的經(jīng)驗粒子群算法28-45
• 3.1 飛機著陸調(diào)度問題的粒子群算法設計28-30
• 3.1.1 編碼與解碼設計28
• 3.1.2 適應度函數(shù)設計28-29
• 3.1.3 罰函數(shù)設計29-30
• 3.2 粒子群算法解決ALS的特點30-31
• 3.2.1 解空間連續(xù)化后的形式30
• 3.2.2 粒子群算法設計的優(yōu)勢30-31
• 3.3 經(jīng)驗粒子群算法31-34
• 3.3.1 經(jīng)驗粒子群算法的基本原理31-32
• 3.3.2 飛機著陸調(diào)度問題的粒子經(jīng)驗一32-34
• 3.3.3 飛機著陸調(diào)度問題的粒子經(jīng)驗二34
• 3.4 實驗及結果分析34-44
• 3.4.1 實驗環(huán)境34
• 3.4.2 公共數(shù)據(jù)集介紹34-36
• 3.4.3 算法的參數(shù)選擇36-39
• 3.4.4 算法性能對比39-44
• 3.5 本章小結44-45
• 第四章 飛機著陸調(diào)度問題的動態(tài)模型設計45-58
• 4.1 靜態(tài)模型的不足45
• 4.2 動態(tài)模型45-47
• 4.2.1 動態(tài)模型描述45-46
• 4.2.2 誘發(fā)約束46-47
• 4.3 滾動時域控制策略47-51
• 4.3.1 滾動時域控制的基本概念47-48
• 4.3.2 滾動時域控制的排序窗口劃分48-51
• 4.4 RHC與動態(tài)模型的結合51-54
• 4.4.1 RHC與動態(tài)模型的關系51-53
• 4.4.2 動態(tài)模型流程圖53-54
• 4.5 實驗及結果分析54-57
• 4.6 本章小結57-58
• 第五章 總結及展望58-60
• 5.1 本文主要工作及特色58
• 5.2 下一步研究方向58-60
• 參考文獻60-63
• 致謝63-64
• 作者簡介64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進的粒子群算法及在結構優(yōu)化中的應用[J];陜西理工學院學報(自然科學版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學學報(自然科學版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評價[J];中國水運(學術版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機電產(chǎn)品管路自動敷設的粒子群算法[J];機械工程學報;2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測試選擇[J];電子測量與儀器學報;2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標粒子群算法[J];山東理工大學學報(自然科學版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進粒子群算法及其在熱連軋負荷分配中的應用[J];北京科技大學學報;2009年08期

9 張大興;賈建援;張愛梅;郭永獻;;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學報;2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標粒子群算法及其應用[J];計算機集成制造系統(tǒng);2010年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 朱童;李小凡;魯明文;;位置加權的改進粒子群算法[A];中國科學院地質(zhì)與地球物理研究所第11屆（2011年度）學術年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進制粒子群算法在稀疏陣列綜合中的應用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩(wěn)定性學術會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設計中的應用[A];第十一屆全國膨脹節(jié)學術會議膨脹節(jié)設計、制造和應用技術論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術及其應用（第7卷）——'2005系統(tǒng)仿真技術及其應用學術交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應用研究[A];2007中國控制與決策學術年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學參數(shù)分區(qū)反演中的應用[A];2012年中國水力發(fā)電工程學會大壩安全監(jiān)測專委會年會暨學術交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學學術年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡、信息技術、電子、儀器儀表創(chuàng)新學術會議論文集[C];2007年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 李慶偉;粒子群算法及電廠若干問題的研究[D];東南大學;2016年

2 杜毅;多階段可變批生產(chǎn)線重構的研究[D];廣東工業(yè)大學;2016年

3 尹浩;求解Web服務選取問題的粒子群算法研究[D];東北大學;2014年

4 王芳;粒子群算法的研究[D];西南大學;2006年

5 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學;2012年

6 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學;2009年

7 黃平;粒子群算法改進及其在電力系統(tǒng)的應用[D];華南理工大學;2012年

8 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學;2010年

9 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學;2014年

10 張寶;粒子群算法及其在衛(wèi)星艙布局中的應用研究[D];大連理工大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張忠偉;結構優(yōu)化中粒子群算法的研究與應用[D];大連理工大學;2009年

2 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學;2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設計[D];河北聯(lián)合大學;2014年

4 余漢森;粒子群算法的自適應變異研究[D];南京信息工程大學;2015年

5 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學;2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學;2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學;2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機數(shù)學模型問題[D];山東大學;2015年

9 陳百霞;考慮風電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學;2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學;2015年

，

本文編號：867596