多机场终端区进场航班排序模型研究

空中交通需求量高的区域通常拥有两个或两个以上的机场,这些机场的进场运行相互影响.基于跑道和进场定位点双重约束,综合考虑终端区内最大可消耗延误、航班位置偏移等实际运行约束,以多个机场航班进场总延误最小为优化目标建立了混合型0-1整数规划模型,采用Lingo进行建模求解,利用模拟数据进行仿真验证,并将所提规划模型与FCFS的排序结果进行了对比分析,表明所提模型优于FCFS.     

多机场终端区进离场交通流协同排序方法

针对大都市及都市圈飞行冲突、空域拥堵和航班延误日益严峻的现状,研究了多机场终端区进离场交通流协同排序问题。综合考虑尾流间隔、跑道间隔、时间窗、进离场容量等约束限制,从时空多维角度引入航班满意度概念,建立了多机场终端区进离场交通流协同排序模型,设计了带精英策略的非支配排序多目标遗传算法(NSGA-II),寻求多机场终端区进离场排序问题的Pareto最优解。实例验证表明,所提方法可对多机场终端区进离场交通流进行优化排序,有效降低航班延误总时间,显著提高航班总满意度,并实现多机场系统对终端区空域资源的公平均衡使用。与经典的先到先服务策略相比,协同排序策略的整体优化效果较为显著,其中航班延误时间得到了一定的降低。     

多机场终端区进场航班协同排序方法

为有效缓解大都市圈机场群日益严重的空域拥堵和航班延误现状,系统研究了多机场终端区进场航班协同排序问题。通过深入剖析多机场终端区时空运行特性,综合考虑移交间隔、尾流间隔和多跑道运行间隔等约束限制,科学权衡安全、经济和公平等各方利益需求,引入多元受限时间窗的创新理念,建立了多机场终端区进场航班协同排序模型。结合多目标优化及遗传算法基本理论,设计了带精英策略的非支配排序遗传算法,寻求多机场终端区进场航班协同排序问题的Pareto最优解。仿真实验表明,模型可对多机场终端区进场航班进行优化排序,显著降低航班延误总时间,有效增强多机场空域资源使用公平性。与经典的先到先服务(FCFS)策略相比,协同排序策略优化效果较为显著,其中航班延误时间减少了31.0%,所提方法可显著缓解大都市圈机场群航班延误现状,有效提升航空运输服务品质。     

基于管制习惯的多跑道机场离场航班排序

针对我国航空迅速发展致使终端区空域拥挤以及航班延误问题,研究了繁忙多跑道机场的离场航班排序问题,以缓解终端区空域拥挤和减少航班延误及提高跑道利用率。将管制习惯因素引入到离场航班的排序中,根据飞机尾流间隔的要求,建立基于管制员管制习惯的多跑道机场离场航班排序模型。针对机场小规模的离场航班流量,采用穷举法求解,并用算例进行仿真验证。结果表明,与先到先服务排序方法相比,经算法排序后的总延误时间减少了近30％。     

近距平行跑道航班着陆调度研究

针对我国航空运输业快速发展导致空中交通拥挤以及航班延误问题,研究了近距平行跑道航班着陆调度问题,以缓解空中交通拥挤和减少航班延误.以配对进近的形式,考虑时间、配对、间隔、排序等因素,建立航班着陆调度模型.针对机场小规模的进场航班流量,采用穷举法求解,并用算例进行仿真验证.结果表明,与先到先服务原则相比,经算法调度的进场航班总的延误时间减少了33%.     

相关进近模式下多跑道时空资源优化调度方法

跑道作为机场飞行区与终端区的衔接部分,因容流失衡频繁引发空中交通拥堵及航班延误等问题。为提高多跑道系统运行能力,针对相关进近跑道运行模式,研究了多跑道时空资源优化调度方法。通过深入剖析多跑道时空运行特性,综合考虑移交间隔、尾流间隔、纵向间隔和相关斜距等约束限制,科学权衡安全、经济和环境等各方利益需求,建立了相关进近模式下多跑道时空资源优化调度模型。结合多目标优化及遗传算法基本理论,设计了带精英策略的非支配排序遗传算法,对模型进行了准确求解。仿真实验表明,模型可对相关进近航班进行优化配置,有效降低航班延误时间和航空发动机污染物排放量。与随机和交替调度策略相比,优化调度策略执行效果显著,其中航班延误时间分别减少了39.3%和32.6%,所提方法可显著缓解大型繁忙机场航班延误情况,有效提高航班正常率,并完全适用于独立进近模式。     

多机场协同决策进离场航班排序模型及算法研究

多机场终端区内的航线网络错综复杂,来往同一方向的航班会共用一个交接点,航班的起飞降落不仅要考虑各方向航空器的运行间隔和各受限单元容量的限制,还需着重考虑交接点的间隔限制.基于终端区多机场多元受限情况,建立了终端区多机场协同决策进离场航班排序模型,并设计了递归遗传算法.首先以各机场为单位采用遗传算法进行航班排序,得出各机场延误时间最小的排队序列,之后将各机场航班在交接点处进行聚类并排序,再将各交接点的排队序列反推回各机场,运用递归算法不断优化各机场的航班序列,在保证安全运行的基础上,最终得出各机场的航班排队序列.仿真结果表明,该算法优化效果显著,各机场的总延误时间减少了48.2％,可有效缓解多机场航班延误.     

进港飞机调度多目标优化精确算法研究

进港飞机的调度日益成为提高机场终端运作效率的一个重要环节.为了提高机场的运作效率和减少飞机降落延误所带来的损失,对于机场终端多跑道的情形,建立了混合整数0-1规划模型,旨在减少所有跑道的总工作量和最小化航班的总延误成本.为了解决该问题,开发出Epsilon约束算法,可以在几分钟内求解得出进港飞机降落方案的Pareto前沿.并通过实例证明模型的可行性及高效性,对机场终端进港飞机调度和资源的合理利用有一定的指导作用.     

多跑道协同运行模式优化方法

繁忙机场飞行区运行能力低下导致空中交通拥堵及航班延误现象频发,机场系统亟需扩容增效与排堵保畅。为有效平衡机场容流供需,研究了多跑道协同运行模式优化方法。综合考虑机场布局、交通流特性、气象条件等因素,提出了多跑道协同运行模式分类方法;基于跑道容量包络线理论,通过引入容量损失系数客观反映模式切换特点,建立了多跑道协同运行模式优化模型;结合多目标优化及遗传算法基本理论,设计了带精英策略的非支配排序遗传算法（NSGA）,对模型进行了准确求解。仿真实验表明,模型可对多跑道协同运行模式进行优化配置,有效实现机场容量与流量之间的均衡。与单一固定模式相比,多元组合模式优化效果显著,其中航班延误成本减少了38.1%,航班调整数量减少了46.4%,所提方法可显著提升多跑道协同运行能力,有效提高航班正常性。     

效益和公平性的多跑道航班调度精确算法研究

机场终端区航班拥堵延误现象日趋严重.机场管理者,一方面要减少航班总延迟成本,另一方面也要维持航空公司间竞争公平性.为多跑道航班协同调度问题建立双目标规划模型,为了精确求解优化问题的Pareto前沿,开发出epsilon约束算法.最后通过算例来说明模型的可行性和算法的有效性.利用数学规划理论建模并开发精确求解算法,为机场资源优化研究提供重要参考.     

应用模拟退火算法求解飞机调度问题

通过分析飞机运行的时区集合特点,将飞机调度问题转化为固定工件排序问题。根据工件占用机器的时间区间,利用划分时间片算法把需要平行作业的工件挑选出来组成无向图的相邻顶点,从而将固定工件问题转化为图的k-顶点着色问题,然后建立0-1整数规划数学模型,并设计出相应的模拟退火算法。最后应用该算法针对飞机调度问题进行了仿真研究,结果表明:在可接受的时间内能够得到该问题的满意解。     

多机场系统内外部航线网络构建的优化问题

区域多机场系统已经成为航空业中颇具规模的机场群实体,但是现阶段区域多机场系统的发展面临诸多问题:系统内部各机场的发展不均衡,客源主要集中在区域内的主要枢纽机场;整体规划不严谨,造成各机场内出现不良竞争.针对此问题建立了0-1整数规划模型,通过合理地整体规划来满足航线流量的需求,同时减轻枢纽机场的负担.实验表明,利用求解该整数规划问题,经过模型优化后,使得整个区域多机场系统的运作效率大大提高.     

对地观测卫星调度的混合整数规划模型及求解

首先简要介绍对地观测卫星的成像过程，详细分析多星调度过程中涉及的各种约束。在此基础上，将对地观测卫星调度问题看作一类具有时间窗口的并行机器调度问题，对其进行了数学描述，并建立对地观测卫星调度的混合整数规划模型。采用列生成法，将多卫星调度问题分解为集合分割主问题和单卫星调度子问题，通过循环迭代来求解调度模型。最后，针对本文提出的算法设计一个问题实例，并给出算法计算结果。结果分析表明，列生成法的效率与问题规模大小相关。     

编队卫星队形重构防碰撞最优轨迹规划

 针对编队卫星队形重构的轨迹规划问题,提出了直接配置混合整数线性规划(DCMILP)方法。首先将卫星编队飞行问题进行简化,整个过程使用线性化描述;继而将三阶Simpson方法扩展至编队卫星的队形重构过程中,将各卫星的状态量和控制量在各节点处离散化;然后根据目标函数及碰撞规避问题等各种约束条件,将整个过程转化为混合整数线性规划问题,从而可以找到该非凸问题的全局最优解。最后,通过对三维和二维两组编队卫星队形重构进行仿真,由结果可以看出,与传统方法相比该方法快速有效,能够满足实时性的要求,使得卫星编队的自主运行成为可能。     

相控阵雷达长时跟踪波束调度与波形优化策略

针对相控阵雷达多目标跟踪波束调度和波形参数优化控制的问题，本文提出了一种基于马尔可夫决策过程（MDP）的相控阵雷达跟踪波束调度与波形参数优化策略，该方法以无迹卡尔曼滤波（UKF）算法为基础来估计目标的状态。首先将本文的序列决策问题建模为马尔可夫决策过程，定义了资源的效费比和长期回报率，然后与当前实际跟踪误差综合考虑作为MDP的回报函数，进而给出了调度的优化模型，最后将长时决策问题转化为动态规划算法结构进行求解，并且提出了一种并行混合遗传粒子群优化算法来求解各决策时刻的最优策略。仿真结果表明了长时策略的先进性以及寻优算法的优越性，与传统的短时策略相比，跟踪精度可提高11.17%。     

Trajectory optimization of multiple quad-rotor UAVs in collaborative assembling task

A hierarchic optimization strategy based on the offline path planning process and online trajectory planning process is presented to solve the trajectory optimization problem of multiple quad-rotor unmanned aerial vehicles in the collaborative assembling task. Firstly, the path planning process is solved by a novel parallel intelligent optimization algorithm, the central force optimization-genetic algorithm (CFO-GA), which combines the central force optimization (CFO) algorithm with the genetic algorithm (GA). Because of the immaturity of the CFO, the convergence analysis of the CFO is completed by the stability theory of the linear time-variant discrete-time sys-tems. The results show that the parallel CFO-GA algorithm converges faster than the parallel CFO and the central force optimization-sequential quadratic programming (CFO-SQP) algorithm. Then, the trajectory planning problem is established based on the path planning results. In order to limit the range of the attitude angle and guarantee the flight stability, the optimized object is changed from the ordinary six-degree-of-freedom rigid-body dynamic model to the dynamic model with an inner-loop attitude controller. The results show that the trajectory planning process can be solved by the mature SQP algorithm easily. Finally, the discussion and analysis of the real-time per-formance of the hierarchic optimization strategy are presented around the group number of the waypoints and the equal interval time.     

Strategic flight assignment approach based on multi-objective parallel evolution algorithm with dynamic migration interval

The continuous growth of air traffic has led to acute airspace congestion and severe delays, which threatens operation safety and cause enormous economic loss. Flight assignment is an economical and effective strategic plan to reduce the flight delay and airspace congestion by reasonably regulating the air traffic flow of China. However, it is a large-scale combinatorial optimization problem which is difficult to solve. In order to improve the quality of solutions, an effective multi-objective parallel evolution algorithm(MPEA) framework with dynamic migration interval strategy is presented in this work. Firstly, multiple evolution populations are constructed to solve the problem simultaneously to enhance the optimization capability. Then a new strategy is proposed to dynamically change the migration interval among different evolution populations to improve the efficiency of the cooperation of populations. Finally, the cooperative co-evolution(CC) algorithm combined with non-dominated sorting genetic algorithm II(NSGA-II) is introduced for each population. Empirical studies using the real air traffic data of the Chinese air route network and daily flight plans show that our method outperforms the existing approaches, multiobjective genetic algorithm(MOGA), multi-objective evolutionary algorithm based on decomposition(MOEA/D), CC-based multi-objective algorithm(CCMA) as well as other two MPEAs with different migration interval strategies.     

一类适用于多星测控调度问题的模型及求解算法

多星测控调度是一个复杂的NP—hard问题,其模型和算法的研究一直是求解的关键和难点。本文从组合优化角度对问题进行描述,建立了多星测控调度问题的数学模型,并利用启发式调度算法予以求解。最后,将算法应用于一个6站10星的调度问题,进行了数值仿真研究。仿真表明,算法能在较短时间内求得任务支持率高且资源使用相对均衡的解,具有较好的寻优能力。     

Embryonic array configuration optimization method based on reliability and hardware consumption

Embryonic Array(EA) with different configuration methods will directly affect its reliability and hardware consumption. At present, EA configuration design is lack of quantitative analysis method. In order to reasonably optimize EA configuration design, an EA configuration optimization design method is proposed, which is based on the constraints of EA hardware consumption and reliability. Through the analysis of EA working process and composition, quantitative analysis of EA reliability and hardware consumption are completed. Based on the constraints of EA hardware consumption and reliability, the mathematical model of EA configuration optimization design is established, which transfers EA configuration optimization design into an integer nonlinear programming model problem. According to the difference of the fitness value of individual waiting for mutation in population, adaptive mutation operator and crossover operator are selected, and a novel Modified Adaptive Differential Evolution(MADE) algorithm is proposed,which is used to solve EA configuration optimization design problem. Simulation experiments and analysis indicate that the MADE is able to effectively improve the speed, accuracy and stability of algorithm. Moreover, the proposed EA configuration optimization design method can select the most reasonable EA configuration design, and play an important guiding role in EA optimization design.     

基于Proximal-Newton-Kantorovich凸规划的空天飞行器实时轨迹优化

针对空天飞行器大气层内上升段实时轨迹优化问题，提出一种基于Proximal-Newton-Kantorovich凸规划的轨迹优化方法。首先，应用Newton-Kantorovich迭代方法将轨迹优化问题转化为一系列的子问题，每个子问题都是一个线性最优控制问题；其次，针对Newton-Kantorovich迭代方法忽略运动方程中的高阶信息，导致难以收敛这一问题，提出Proximal-Newton-Kantorovich迭代方法，在子问题的性能指标中加入邻近规则化项，改善了Newton-Kantorovich迭代方法的收敛性；最后，将子问题离散为二阶锥规划问题，并应用内点法进行求解。提出的Proximal-Newton-Kantorovich凸规划方法是一种求解非线性轨迹规划问题的可行途径。理论分析表明，Proximal-Newton-Kantorovich迭代方法的收敛结果一定是轨迹优化问题的局部最优解。数值实验表明，此方法的计算时间在毫秒级。