基于A*算法的民航物流运输路径优化算法

发布时间：2021-06-22 17:53

　　针对民航物流运输受飞行燃油消耗、尾气排放和环境保护的影响,文中提出了一种基于A*算法的民航物流运输路径优化算法。文中综合考虑天气、环境污染、巡航重量、巡航高度和巡航速度的影响,构建了危险天气下民航物流运输路径优化模型与尾迹最小的航路优化模型,并使用A*算法进行求解得到最优的飞行器航行路径。在不同实验条件和两种仿真飞行路径中进行的仿真与测试结果表明,所提出的方法能够最小化各种影响因素的加权和,实现民航物流路径的最优规划。同时相对于传统算法,所提出算法能够得到更理想的优化结果。 

【文章来源】：电子设计工程. 2020,28(16)

【文章页数】：5 页

【部分图文】：

算法优化流程

文中使用MATLAB仿真软件对所建立的优化模型进行求解和实验验证，并建立某A地到B地的航行路线，其经过航路点为：CAN-YIN-BUBDA-P113-LIG-LUMKO-LKO-WUH。由于天气影响，航班在YIN-LUMKO间存在恶劣天气受限区，如图2所示。其中YIN-LUMKO的距离为256 km，网格数量为11×18,L=15.7 km。文中首先分析了使用不同网格数量对优化结果的影响。图3为网格长度为2 L，网格数量为6×9时的路径规划结果。图中起始点的坐标为（2,8），终点坐标为（3,0），运行结果为图中黑线所示路径。从图中可以看出，使用本文算法更改后的航线相对原始路径增加了62.4 km，该路径相对于原始路径增加了两个转弯点，各航段的距离分别为25.2 km、44.3 km、160.2 km和88.7 km。因此，使用本文算法可以在满足各类约束条件限制下，保证飞行器航行安全的同时具有较强的可用性。

文中首先分析了使用不同网格数量对优化结果的影响。图3为网格长度为2 L，网格数量为6×9时的路径规划结果。图中起始点的坐标为（2,8），终点坐标为（3,0），运行结果为图中黑线所示路径。从图中可以看出，使用本文算法更改后的航线相对原始路径增加了62.4 km，该路径相对于原始路径增加了两个转弯点，各航段的距离分别为25.2 km、44.3 km、160.2 km和88.7 km。因此，使用本文算法可以在满足各类约束条件限制下，保证飞行器航行安全的同时具有较强的可用性。同时，文中将网格数量增加为8×12时，使用所提出的算法规划新的航行路线。图中起始点的坐标为（8,12），终点坐标为（4,0），运行结果为图4中上方曲线所示路径。该路径各航程的距离分别为52.6 km、74.6 km、141.5 km和42.3 km，航程总长为311 km，相对于6×9网格下的规划结果减少了7.4 km，转弯点数量没有改变。12×12格下的规划结果如图5所示。

【参考文献】：
期刊论文
[1]雷暴天气下基于多航空器冲突避让的路径规划[J]. 向征,张文奇,张文军.  中国安全科学学报. 2019(08)
[2]基于航路点布局的多目标网络结构优化方法[J]. 郑煜坤,王瑛,李超,亓尧,李正欣.  北京航空航天大学学报. 2019(01)
[3]基于改进A*算法的狭窄空间装配路径规划[J]. 何磊,曹虎,陈雷.  航空制造技术. 2018(12)
[4]融合改进A*算法和动态窗口法的全局动态路径规划[J]. 程传奇,郝向阳,李建胜,张振杰,孙国鹏.  西安交通大学学报. 2017(11)
[5]某民航机场食品厂面粉库发现热带无爪螨[J]. 陶宁,王少圣,杨艳峰,周勇,李朝品.  中国血吸虫病防治杂志. 2017(04)

硕士论文
[1]机场飞行区的航空器滑行路径规划技术[D]. 邱梦琦.中国民航大学 2018
[2]航空发动机全航线氮氧化物排放研究[D]. 何小龙.南京航空航天大学 2018



本文编号：3243279