进离场航班协同调度优化算法研究

发布时间：2017-09-01 06:34

  本文关键词：进离场航班协同调度优化算法研究

  更多相关文章： 滑行道调度 航班着陆调度 协同调度 遗传算法 动态优先级

【摘要】：机场是民用航空运输系统中重要的组成部分,随着航空运输业的发展,机场航班数量不断增加,航班调度工作量和难度不断增大。目前,我国在机场终端区航班滑行调度方面基本采用固定路径的模式,当航班间发生冲突时,按先到先服务的处理方式完成冲突解脱,这种方式已经成为制约航班滑行调度效率的主要因素。因此,在现有的机场布局基础上,通过优化调度方法、采用新的技术手段,提高机场的运行效率是民航可持续发展的一个重要问题。本文在国内外相关研究的基础上,首先针对滑行道调度问题提出一种动态调整航班优先级序列的滑行道调度优化策略,对遗传算法进行了改进,采用双链染色体编码方式,并行优化航班的滑行路径和优先级序列。算法通过设定两个适应度函数,利用改进的遗传算法确定各航班的滑行路径,并根据滑行路径的变化动态调整航班优先级序列,在此基础上由冲突解脱算法得到具体的调度计划。实验结果表明,该算法不仅有效解决了航班间的冲突问题,并且能得到最优的调度滑行路径和优先级序列。针对现有滑行道调度模型的局限性,本文通过跑道这一共享资源将航班着陆调度问题和滑行道调度问题衔接起来,将着陆进近点视为滑行道网络中的某点,统一两个问题的描述方式,在滑行道调度模型的基础上融合航班着陆调度经典模型,实现着陆与滑行航班相结合的协同调度模型。同时利用上述改进的遗传算法对协同调度模型进行了验证实验,结果表明进离场航班协同调度比分离调度更具有全局优越性。为更加直观的展示进离场协同调度的运行效果,在如上研究工作的基础上设计了进离场航班协同调度优化算法仿真系统。
【关键词】：滑行道调度 航班着陆调度 协同调度 遗传算法 动态优先级
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V355;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
• 1.2.1 滑行道调度研究现状11-12
• 1.2.2 滑行道和跑道调度研究现状12-13
• 1.3 研究内容13
• 1.4 论文结构安排13-15
• 第二章 相关理论知识概述15-27
• 2.1 终端区航班运行描述与网络15-18
• 2.1.1 终端区航班进离场飞行过程15-16
• 2.1.2 机场跑道和滑行道滑行过程16-18
• 2.1.3 机场终端区抽象网络18
• 2.2 滑行道调度数学模型18-22
• 2.2.1 定义变量19-20
• 2.2.2 约束条件20-21
• 2.2.3 目标函数21
• 2.2.4 模型分析21-22
• 2.3 遗传算法简介22-23
• 2.4 滑行道冲突探测和解脱分析23-26
• 2.4.1 交叉冲突探测和解脱23-24
• 2.4.2 追尾冲突探测和解脱24
• 2.4.3 对头冲突探测和解脱24-25
• 2.4.4 基于航班优先级的冲突探测和解脱策略25-26
• 2.5 本章小结26-27
• 第三章 基于动态优先级的机场滑行道调度算法研究27-40
• 3.1 滑行道调度算法设计27-30
• 3.1.1 基因编码设计27-28
• 3.1.2 适应度函数设计28-29
• 3.1.3 遗传操作29-30
• 3.1.4 分析双链的相关性30
• 3.2 数据结构设计30-32
• 3.3 基于动态优先级的优化策略32
• 3.4 滑行道冲突探测与解脱32-35
• 3.4.1 滑行道冲突探测与解脱思想32-33
• 3.4.2 滑行道冲突探测与解脱流程33-35
• 3.5 实验与分析35-39
• 3.5.1 实验环境与数据35
• 3.5.2 实验步骤35-36
• 3.5.3 实验结果与分析36-39
• 3.6 本章小结39-40
• 第四章 进离场航班协同调度优化算法研究40-52
• 4.1 航班着陆调度40-41
• 4.1.1 航班着陆调度问题描述40
• 4.1.2 航班着陆调度数学模型40-41
• 4.2 进离场航班协同调度优化模型设计41-44
• 4.2.1 分离调度的不足41-42
• 4.2.2 信息共享策略42
• 4.2.3 协同调度模型设计42-44
• 4.2.4 需要关注的问题44
• 4.3 冲突探测与解脱44-46
• 4.4 实验与分析46-51
• 4.4.1 实验数据46-48
• 4.4.2 实验结果与分析48-51
• 4.5 本章小结51-52
• 第五章 航班协同调度优化算法仿真系统设计52-58
• 5.1 系统功能52
• 5.2 系统总体框架52
• 5.3 系统实现环境52-53
• 5.4 系统基本界面53-57
• 5.4.1 主界面53-54
• 5.4.2 参数设定界面54-55
• 5.4.3 航班动态调度界面55-56
• 5.4.4 变量配置界面56
• 5.4.5 日志查看界面56-57
• 5.4.6 帮助说明界面57
• 5.5 本章小结57-58
• 第六章 成果与展望58-60
• 6.1 本文主要工作及特色58
• 6.2 下一步研究方向58-60
• 参考文献60-64
• 致谢64-65
• 作者简介65

【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：770498