机场停机位智能分配方法研究及实现
发布时间：2024-06-03 19:36
随着民航的蓬勃发展,民航运营管理面临巨大的挑战。在机场运行中,停机位作为核心资源,其分配结果影响着机场运行效率。在现有研究中,停机位预分配方法得到了广泛的关注。但是,近年来随着航班数量的不断增加,停机位预分配方法已难以适应航班到达的不确定性。针对上述问题,本文对停机位动态分配方法进行研究,将停机位动态分配问题建模为马尔可夫决策过程,构建深度神经网络逼近停机分配策略,采用深度强化学习方法训练策略并进行性能测试,同时,设计并实现了基于深度强化学习的停机位分配演示系统。具体工作如下:(1)由于采用深度强化学习(DRL)解决停机位分配问题尚处于起步阶段,论文首先针对学术界应用较为广泛的停机位分配简化模型进行研究,探索基于DRL的停机位分配方法的可行性。根据停机位分配问题经典优化目标以及理想机场环境下的约束条件,进行优化问题建模。在此基础上,将机场停机位分配优化问题模型转化为马尔可夫决策过程,研究了基于策略梯度算法的DRL停机位分配策略网络训练方法。训练结果与优化软件Gurobi结果的对比显示论文提出方法在效果与优化软件持平的情况下,计算速度有明显提升,验证了DRL与停机位分配问题结合的可行性,...
【文章页数】：101 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景
1.2 研究意义
1.3 停机位分配问题研究现状
1.3.1 停机位分配优化目标
1.3.2 停机位分配问题求解方法
1.3.3 停机位分配研究现状小结
1.4 本文研究内容及结构安排
1.4.1 本文主要研究内容
1.4.2 论文结构安排
第2章 相关研究
2.1 强化学习
2.1.1 智能体与环境的交互
2.1.2 马尔可夫决策过程
2.2 深度强化学习
2.2.1 深度神经网络
2.2.2 卷积神经网络
2.2.3 基于策略梯度的深度强化学习方法
2.3 基于深度强化学习的停机位分配问题可行性分析
2.4 本章小结
第3章 基于深度强化学习的停机位分配简化模型研究
3.1 停机位分配问题的简化模型
3.1.1 优化目标
3.1.2 约束条件
3.1.3 停机位分配简化模型优化问题建模
3.1.4 停机位分配简化模型复杂度分析
3.2 停机位分配简化模型的马尔可夫决策过程建模
3.2.1 停机位分配简化模型资源视图构建
3.2.2 停机位分配动作空间及状态转移
3.2.3 立即奖赏及策略价值
3.3 基于深度强化学习的停机位分配简化模型求解方法
3.3.1 情节仿真流程
3.3.2 基于停机位分配的策略梯度迭代训练算法
3.3.3 策略网络执行流程
3.4 仿真结果与分析
3.5 本章小结
第4章 基于机场实际业务规则的停机位分配问题
4.1 基于机场实际业务规则的停机位分配模型
4.1.1 假设条件
4.1.2 优化目标
4.1.3 约束条件
4.1.4 问题建模
4.2 基于机场实际业务规则的停机位分配MDP模型
4.2.1 状态空间
4.2.2 动作空间及状态转移流程
4.2.3 立即奖赏与价值函数
4.3 基于机场实际业务规则的停机位分配问题DRL求解
4.4 仿真结果与分析
4.4.1 实验环境
4.4.2 实验训练样本数据构建与分析
4.4.3 实验结果与分析
4.5 本章小结
第5章 基于深度强化学习的停机位分配演示系统
5.1 停机位分配演示系统需求分析
5.2 系统架构模型
5.2.1 系统开发三层架构
5.2.2 停机位分配系统开发架构设计
5.3 数据访问层功能设计与实现
5.3.1 机场计划数据表设计与导入
5.3.2 机场实时数据设计与输入
5.4 业务逻辑层功能设计与实现
5.4.1 停机位分配策略网络构建功能实现
5.4.2 停机位分配策略网络训练功能实现
5.4.3 停机位分配执行功能实现
5.5 表现层功能设计与实现
5.5.1 表现层功能设计
5.5.2 表现层功能验证
5.6 本章小结
结论
参考文献
硕士期间发表的学术论文及成果
致谢
本文编号：3988398
【文章页数】：101 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景
1.2 研究意义
1.3 停机位分配问题研究现状
1.3.1 停机位分配优化目标
1.3.2 停机位分配问题求解方法
1.3.3 停机位分配研究现状小结
1.4 本文研究内容及结构安排
1.4.1 本文主要研究内容
1.4.2 论文结构安排
第2章 相关研究
2.1 强化学习
2.1.1 智能体与环境的交互
2.1.2 马尔可夫决策过程
2.2 深度强化学习
2.2.1 深度神经网络
2.2.2 卷积神经网络
2.2.3 基于策略梯度的深度强化学习方法
2.3 基于深度强化学习的停机位分配问题可行性分析
2.4 本章小结
第3章 基于深度强化学习的停机位分配简化模型研究
3.1 停机位分配问题的简化模型
3.1.1 优化目标
3.1.2 约束条件
3.1.3 停机位分配简化模型优化问题建模
3.1.4 停机位分配简化模型复杂度分析
3.2 停机位分配简化模型的马尔可夫决策过程建模
3.2.1 停机位分配简化模型资源视图构建
3.2.2 停机位分配动作空间及状态转移
3.2.3 立即奖赏及策略价值
3.3 基于深度强化学习的停机位分配简化模型求解方法
3.3.1 情节仿真流程
3.3.2 基于停机位分配的策略梯度迭代训练算法
3.3.3 策略网络执行流程
3.4 仿真结果与分析
3.5 本章小结
第4章 基于机场实际业务规则的停机位分配问题
4.1 基于机场实际业务规则的停机位分配模型
4.1.1 假设条件
4.1.2 优化目标
4.1.3 约束条件
4.1.4 问题建模
4.2 基于机场实际业务规则的停机位分配MDP模型
4.2.1 状态空间
4.2.2 动作空间及状态转移流程
4.2.3 立即奖赏与价值函数
4.3 基于机场实际业务规则的停机位分配问题DRL求解
4.4 仿真结果与分析
4.4.1 实验环境
4.4.2 实验训练样本数据构建与分析
4.4.3 实验结果与分析
4.5 本章小结
第5章 基于深度强化学习的停机位分配演示系统
5.1 停机位分配演示系统需求分析
5.2 系统架构模型
5.2.1 系统开发三层架构
5.2.2 停机位分配系统开发架构设计
5.3 数据访问层功能设计与实现
5.3.1 机场计划数据表设计与导入
5.3.2 机场实时数据设计与输入
5.4 业务逻辑层功能设计与实现
5.4.1 停机位分配策略网络构建功能实现
5.4.2 停机位分配策略网络训练功能实现
5.4.3 停机位分配执行功能实现
5.5 表现层功能设计与实现
5.5.1 表现层功能设计
5.5.2 表现层功能验证
5.6 本章小结
结论
参考文献
硕士期间发表的学术论文及成果
致谢
本文编号：3988398
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3988398.html
