航班机组自动排班系统研究

发布时间：2017-10-28 17:02

  本文关键词：航班机组自动排班系统研究

  更多相关文章： 机组排班 人员分组 系统设计 遗传算法

【摘要】：现阶段的航空产业中,由于受到诸多因素与条件的影响,使得机组的排班问题一直困扰着国内大部分的航空公司。目前航空公司大部分的支出成本来自于燃油费用,不过在近期的发展趋势上来看,人力资源的使用大大增加,已然仅次于能源的消耗。因此说,尽可能降低人力资源的消耗,并针对机组排班问题设计出详细科学的系统方案已经迫在眉睫。本文借鉴大量国内外相关资料,先是对机组排班进行论述并针对机组的配对情况以及机组人员的安排等相关内容进行分析。对现在常用的算法进行比较,比如遗传算法、模拟退火算法、蚁群算法、粒子群算法和人工神经网络算法的优点缺点以及适用程度。在分析机组排班理论及算法的基础上,对机组排班各阶段进行算法设计,采用遗传算法进行优化求解过程进行优化设计,分析遗传算法特点和不足并在此基础上加以改进。基于开发策略中分治的思想,本文将机组排班问题分解为多个子问题加以解决。子问题包括机组配对算法设计,机组成员指派算法设计,遗传算子设计,而后详细设计机组排班子系统各阶段流程及数据结构,将抽象的算法描述具体实现。在航班机组自动排班系统研究中,机组配对阶段最主要的数据结构是记录产生的勤务组,包含多个航段的信息及一些辅助信息;机组成员指派阶段最主要的数据是人员的相关信息和机组指派信息,以便于后续的优化求解。因此在算法研究上,通过分析可将其分解为勤务和勤务组生成、机组配对优化、机组生成及机组人员指派等主要环节。每个环节都有相关算法或解决方案,应用时主要考虑算法的可行性,可靠性和可实现性。根据遗传算法的特点来生成该算法的基本框架与基本流程,并综合机组排班问题建立的数学模型具有参数多、限定条件多、初始数据量大等特点,对典型遗传算法做出调整,进而对其相关的计算过程进行优化,让航空机组排班系统能够完善。通过对某航空公司的人力成本机构分析以及对飞行任务工作特点分析,在对机组排班等问题建立相应的数学模型后,对系统中的相关数据体系进行具体的测试。最后总结出机组排班系统的优劣势以及之后的展望。
【关键词】：机组排班 人员分组 系统设计 遗传算法
【学位授予单位】：沈阳理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V355;TP18
【目录】：

• 摘要7-8
• Abstract8-12
• 第1章 绪论12-17
• 1.1 课题研究背景和意义12-13
• 1.2 国内外研究现状13-15
• 1.3 研究内容15
• 1.4 文章的组织结构15-17
• 第2章 航班飞行排班相关问题分析17-25
• 2.1 航空运输调度流程17-18
• 2.2 机组配对18-23
• 2.3 机组成员指派23-25
• 第3章 航班自动排班算法研究25-35
• 3.1 常见的启发式算法25-30
• 3.1.1 遗传算法25-27
• 3.1.2 模拟退火算法27
• 3.1.3 蚁群算法27-28
• 3.1.4 粒子群算法28-29
• 3.1.5 人工神经网络算法29
• 3.1.6 各算法分析比较29-30
• 3.2 优化的遗传算法30-35
• 3.2.1 遗传算法的基本理论结构30-31
• 3.2.2 遗传算法的基本模式31-32
• 3.2.3 遗传算法的三大基本算子32-33
• 3.2.4 遗传算法的改进33-35
• 第4章 航班机组自动排班算法设计35-49
• 4.1 机组配对算法35-41
• 4.1.1 实施机组配对策略36-38
• 4.1.2 相关航班配对计算方法38-39
• 4.1.3 机组配对编码设计39-40
• 4.1.4 适应度函数的设计40-41
• 4.2 机组人员调度的算法41-45
• 4.2.1 成员指派实现策略41-42
• 4.2.2 相关机组人员的算法模型42
• 4.2.3 机组成员指派编码设计42-44
• 4.2.4 适应度函数的设计44-45
• 4.3 遗传算子设计45-48
• 4.3.1 选择算子设计45-46
• 4.3.2 杂交算子设计46-47
• 4.3.3 变异算子设计47-48
• 4.4 参数设置48-49
• 第5章 机组排班系统研究分析49-66
• 5.1 基础信息数据处理49-51
• 5.2 机组配对研究51-57
• 5.2.1 机组配对数据结构设计51-53
• 5.2.2 机组配对功能及流程图描述53-57
• 5.3 机组人员指派研究57-63
• 5.3.1 机组成员数据结构设计57-59
• 5.3.2 机组指派功能及流程图描述59-63
• 5.4 测试分析63-66
• 结论66-68
• 参考文献68-71
• 攻读硕士学位期间发表的论文和获得的科研成果71-72
• 致谢72-73

【相似文献】

中国期刊全文数据库 前10条

1 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

2 王毅,曹树良;遗传算法在并联水泵系统运行优化中的应用[J];流体机械;2003年10期

3 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

4 李凡,黄数林,张东风;一种改进的多倍体遗传算法[J];华中科技大学学报(自然科学版);2005年01期

5 韦雪洁;黎明;刘高航;田贵超;;注入式的遗传算法的分析与研究[J];南昌航空工业学院学报(自然科学版);2006年01期

6 阎纲;;遗传算法及其仿真[J];湖南工程学院学报(自然科学版);2006年04期

7 ;遗传算法[J];电网与清洁能源;2008年10期

8 吴玫;陆金桂;;遗传算法的研究进展综述[J];机床与液压;2008年03期

9 李培植;肖利明;于静涛;;基于遗传算法的结构优化方法[J];公路交通科技(应用技术版);2008年08期

10 于金;金乐;杜海璐;;基于改进遗传算法的集装箱装载优化问题研究[J];船海工程;2008年05期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

4 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

5 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

6 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

7 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

8 吴欣欣;改进GA-TS算法优化的BP神经网络入侵检测研究[D];湖南工业大学;2015年

9 王垒;基于遗传算法的A型单喇叭互通立交线形优化[D];长安大学;2015年

10 龚高;基于遗传算法的桥梁结构传感器优化布置研究[D];长安大学;2015年

，

本文编号：1109110