基于融合蚁群算法的机场地面滑行调度问题研究

发布时间：2017-08-24 08:01

  本文关键词：基于融合蚁群算法的机场地面滑行调度问题研究

  更多相关文章： 滑行道调度 蚁群算法 遗传算法 冲突 两阶段锁

【摘要】：由于航空运输业的迅速发展,繁忙机场的运行环境变得更加复杂和具有不确定性,使得依靠人工确定滑行调度计划变得更加困难。采用先来先服务的调度方式,虽然可以降低工作人员的工作量,但却可能造成航班在某些路段的拥挤,进而出现航班延误传递的情况。为此,如何确定航班的滑行调度顺序,合理的确定每个航班的滑行位置和路径,从而有效地避免滑行冲突,对机场场面滑行道调度的结果有很大的影响。本文的主要工作如下:首先,简要介绍了滑行道、跑道和停机坪等机场重要资源的相关基础知识,针对机场场面网络的特点,分析研究了机场场面网络的有向图表达,详细介绍了场面滑行调度问题及其数学模型,并重新设计了已有模型中的目标函数,同时对滑行道调度问题进行了复杂度分析。其次,本文详尽的介绍了三种类型的滑行冲突,对滑行冲突探测与解脱进行了研究。针对交叉冲突的特点,设计了基于两阶段锁思想的冲突探测与解脱算法;分析了不同类型冲突解脱的特点,设计了滑行冲突的完整探测与解脱算法。最后,本文通过分析了遗传算法和蚁群算法的优缺点,提出了一种融合蚁群算法。该算法借鉴“阶段融合”思想,由两个阶段构成。第一阶段用于粗略搜索,除了利用遗传算法确定蚁群算法的初始信息素外,主要用于确定航班的滑行调度顺序;第二阶段是详细搜索,利用蚁群算法搜索滑行路径。同时,对比蚁群算法,融合蚁群算法在有效性和算法的性能上都取得了满意结果。
【关键词】：滑行道调度 蚁群算法 遗传算法 冲突 两阶段锁
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V355.2;TP18
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-15
• 1.1 研究背景与意义10-11
• 1.2 国内外研究现状11-13
• 1.3 论文主要工作13
• 1.4 论文组织13-15
• 第二章 机场地面滑行道调度问题的建模15-24
• 2.1 基本概念15-16
• 2.2 机场地面滑行道调度问题的描述16-23
• 2.2.1 机场地面网络描述17-19
• 2.2.2 机场地面滑行道调度问题的模型19-23
• 2.3 问题复杂度分析23
• 2.4 本章小结23-24
• 第三章 滑行道冲突探测与解脱研究24-30
• 3.1 交叉冲突探测与解脱25-26
• 3.2 超越冲突探测与解脱26-27
• 3.3 对头冲突探测与解脱27-28
• 3.4 机场网络模型的冲突探测与解脱28-29
• 3.5 本章小结29-30
• 第四章 基于遗传算法的滑行道调度问题研究30-38
• 4.1 遗传算法的原理30
• 4.2 遗传算法的基本操作30-32
• 4.3 遗传算法的优缺点32
• 4.4 滑行道调度的遗传算法设计32-34
• 4.5 算例的计算与分析34-37
• 4.6 本章小结37-38
• 第五章 融合蚁群算法在滑行道调度问题的应用38-54
• 5.1 蚁群算法38-40
• 5.1.1 蚁群算法的原理38
• 5.1.2 蚁群算法的数学描述38-39
• 5.1.3 蚁群算法的优缺点39-40
• 5.2 滑行道调度的融合蚁群算法设计40-44
• 5.2.1 滑行道调度中的遗传算法规则40-41
• 5.2.2 滑行道优化调度的协同蚁群算法规则41-42
• 5.2.3 融合蚁群算法流程42-44
• 5.3 融合蚁群算法的具体规则44-48
• 5.3.1 前期预处理44
• 5.3.2 折返策略44-45
• 5.3.3 算法数据结构45-47
• 5.3.4 蚁群算法启发信息的构造47
• 5.3.5 动态信息素更新策略47-48
• 5.4 遗传算法和蚁群算法的衔接48-49
• 5.5 实验结果49-53
• 5.5.1 小规模航班实例49-50
• 5.5.2 较大规模航班实例50-53
• 5.6 本章小结53-54
• 第六章 结束语54-55
• 参考文献55-59
• 致谢59-60
• 作者简介60

【参考文献】

中国期刊全文数据库 前4条

1 陈亚云;韩文涛;崔鹤平;;遗传算法与蚁群算法的改进融合[J];中国农机化学报;2014年04期

2 李楠;赵擎;徐肖豪;;基于A~*算法的机场滑行路径优化研究[J];计算机仿真;2012年07期

3 王艳军;胡明华;苏炜;;基于冲突回避的动态滑行路径算法[J];西南交通大学学报;2009年06期

4 尤杰;韩松臣;;基于多Agent的机场场面最优滑行路径算法[J];交通运输工程学报;2009年01期

中国博士学位论文全文数据库 前2条

1 王沛栋;改进蚁群算法及在路径规划问题的应用研究[D];中国海洋大学;2012年

2 常钢;民航机场停机位分配与优化技术研究[D];西北工业大学;2006年

中国硕士学位论文全文数据库 前5条

1 崔珊珊;遗传算法的一些改进及其应用[D];中国科学技术大学;2010年

2 汪松泉;遗传算法在组合优化中的应用研究[D];安徽大学;2010年

3 钟育鸣;机场地面运行仿真评估系统研究[D];南京航空航天大学;2009年

4 李欣;自适应遗传算法的改进与研究[D];南京信息工程大学;2008年

5 徐丽;具有禁忌搜索能力的蚂蚁算法[D];河北工业大学;2007年

，

本文编号：730108