基于遗传算法的航班串优化方法研究

分析研究了航班串编制问题,考虑了飞机载客量与航班平均客流量的关系,构造了航班旅客溢出成本指数因子,建立了改进后的基于最小成本的航班串优化模型,并构造了遗传算法求解模型.利用Matlab遗传算法工具箱进行仿真研究.应用航空公司实际航班数据对上述模型和算法进行验证,所得优化结果良好,证明该航班串优化模型及方法切实可行.     

航班排班中航班串生成与筛选问题的算法与实现

针对国内航空公司运营特点，提出了分3步完成航空公司单日航班运营方案的编制：首先运用深度优先搜索算法生成可行航班串；然后以使用飞机数最少为目标，建立0—1整数规划模型对可行航班串进行筛选；最后以筛选后的航班串作为航班运营方案。通过一个算例的分析说明了该方法的应用。     

基于混合遗传算法的航班串优化模型研究

分析了飞机排班调度中航班串的编制优化问题，并针对该问题建立优化模型，模型主要考虑了航班串编制时关于航站衔接的要求及过站时间的限制。同时，为求解所建立的模型，构造了一种基于精英选择策略的自适应遗传算法．通过使用实际航班数据对模型进行仿真研究，证明了模型及算法的可行性、     

航班环上的飞机尾号分配问题

飞机尾号分配问题是航空公司生产运营过程中一项重要工作,其结果直接影响到航空公司的运营成本和飞行安全等。首先以飞机维修机会最大为目标建立了航班环生成模型,利用列生成算法和Floyd最短路算法的结合生成了满足3天维修计划的多维修基地航班环;其次,利用分支定界算法得到了航班环生成模型的0-1最优解;再次,采用KM算法完成了飞机与航班环的完美匹配,实现了航班环的动态分配;最后,通过对一个算例的分析,验证了所提出方法的正确性和有效性。     

基于免疫禁忌混合算法的航班快速恢复研究

为了减少枢纽机场大面积航班延误带来的经济损失，结合航班延误经济损失模型，在免疫进化算法的基础上，通过引入禁忌搜索进行优化改进，尝试用免疫禁忌混合算法解决航班延误恢复的问题。仿真实验结果表明，算法在航班快速恢复的问题中收敛速度和解的质量方面均优于标准遗传进化算法，既提高了航班恢复求解的效率，又减少了延误损失。     

基于最少可用飞机数的航班编组计划

研究了航空公司在运力紧张状况下的航班编组计划问题.首先根据单枢纽航线结构的特点,将航班编组计划问题转化为在枢纽机场的航班节编组问题,然后通过构造描述航班节间衔接关系的传递图,并利用传递图与其对应无向偶图的关系,将需用飞机数最少的航班节编组计划问题转化为求对应无向偶图的最小权最大匹配,从而构造出一个解决运力紧张状况下航班编组计划的多项式算法.最后通过一个算例说明了该算法的应用.     

基于改进粒子群算法的机场多航班多服务调度策略

机场加油、行李和配餐等多项地面服务是航班正常运行的关键,也是机场大面积航班延误快速恢复过程重点考虑的问题.在对多航班多服务调度目标和约束条件分析的基础上,提出了多航班多服务调度模型,定义了粒子的二维表示方法,设计了一种改进粒子群算法来生成航班调度方案,并针对国内某机场的航班数据进行了仿真实验,结果表明,该算法与基本粒子群算法、进化策略相比,有明显优势,可极大地提高多航班多服务调度水平和机场地面服务效率.     

基于经济损失的航班延误恢复模型研究

分析了航班延误的恢复调度问题,并针对问题提出了一种机场大面积航班延误恢复模型,模型考虑了航班延误的延误时间,还考虑了不同机型对航班延误经济损失造成的影响。构造了基于免疫机制的免疫遗传算法来求解模型,此算法保留了标准遗传算法随机全局并行搜索的特点,又在相当大的程度上避免了未成熟收敛。用实际的航班信息进行仿真研究结果表明,文中的模型和算法切实可行。     

基于生成对抗网络的航班起飞风险预测

航班的安全运行是民航的第一要素。根据历史数据对航班运行过程中可能存在的风险进行提前评估和预测是保障航班安全运行的有效手段。针对航班起飞阶段的风险问题,提出了一种基于生成对抗网络的航班起飞风险预测模型。对收集到的机组、飞机和环境3方面数据进行清洗、变换和融合,得到初始的起飞风险预测数据集;针对数据集存在的严重类不平衡问题,使用生成对抗网络进行数据增强以提高数据质量;在不同增强程度的数据集上,采用3种不同结构的神经网络训练航班起飞风险预测模型。实验结果表明,生成对抗网络能有效提高实测数据集的质量从而提高了航班起飞风险预测的精度。     

精确化的航班餐食管理

为解决目前航空公司餐食管理混乱的问题,提出了精确化的航班餐食管理方案并进行了开发与投产原有配餐管理方式下,餐食数据由航空公司主控人员在航班换季(春、秋)时在T-card中设置,并由地服人员实时提供旅客相关服务,导致用户订座时的航班餐食信息可能与实际配餐不匹配,由此引发的客户投诉量可达航空公司总投诉的10％左右.为了解决此问题,设计和实现了精确化的航班餐食管理.航空公司通过ISS2系统实时管理餐食数据,并且实时同步到航信主机内,在用户进行航班查询时计算显示准确的餐食数据.投产结果说明精确化的航班餐食管理能够有效提高航空公司的餐食管理水平,可减少80％的订座餐食与实际配餐的不匹配率,降低了8％的客户投诉,提高了旅客满意度,有着良好的应用前景.     

基于改进差分进化算法的飞行控制律评估方法

 针对基本差分进化(DE)算法收敛慢、易陷入局部最优的问题,提出了基于混沌理论(CT)与高斯扰动的DE算法,进而通过典型测试函数仿真证明了该方法在收敛速度与全局搜索能力方面均优于基本型和其他改进型DE算法。在此基础上构建了基于DE算法的飞行控制律评估流程与实施步骤。实例表明,该方法克服了传统评估方法的缺陷,可在全飞行包线范围内及所有可预测参数摄动情况下对飞行控制律进行快速、准确的评估。     

遗传算法在试飞科目最优排序问题中的应用

以试飞科目间总的过渡耗油、耗时最省为性能指标，应用基于生物界自然选择机制和自然遗传机制的遗传算法，对试飞科目的最优排序问题进行了研究。介绍了遗传算法用于组合优化问题的基本原理和技术方法，根据试飞科目的最优排序问题的特点，构造了适当的适应度函数，对选择算子、交叉算子等进行了改进，充分利用了谝算法的工程性强、应用范围广等特点。仿真计算所得结果表明，应用遗传算法合理安排试飞科目次序，,可节省试飞耗油、耗时、减少试飞成本，提高试飞效率。     

飞行器神经元控制系统的研究与设计

提出了一种基于神经元网络的飞行控制系统设计方法 ,该方法设计的神经元飞行控制器具有良好的鲁棒性 ,使飞行器在整个飞行包络内都能保持某种最优的操纵品质。给出的计算机仿真结果显示出神经元网络作为飞行控制器在处理飞行器参数大范围变化的非线性特性方面具有潜在的优良品质     

基于混合粒子群算法的上升段交会弹道快速优化设计

基于梯度搜索的高效性和粒子群搜索的随机性,提出了一种混合粒子群算法,并应用该算法研究了运载火箭上升段交会弹道快速优化设计问题.以运载火箭与目标飞行器在交会时刻的距离最小为目标函数,设计了运载火箭飞行程序,建立了运载火箭上升段交会弹道优化模型,同时分别采用混合粒子群算法、遗传算法和粒子群算法进行求解.仿真结果表明:基于本文算法对运载火箭上升段交会弹道进行优化设计,平均交会位置误差为4.137m,较遗传算法减少了17.940m,平均优化耗时488.922s,较粒子群算法缩短了2342.125s.混合粒子群算法搜索速度较快,收敛精度较高,可用于运载火箭上升段交会弹道的快速优化设计.      

一种实用的地形回避/地形跟踪算法

给出了一套地形回避/地形跟踪算法,即动态规划法与线性规划算法,根据即时的飞行任务、地形数据、威胁区信息与天气情况等,可以实时在线地规划出有人驾驶或无人自主控制的飞行器的三维最优飞行轨迹。该算法与软件包在F-16战机的地形回避/地形跟踪系统的升级改造中得到了成功应用。     

一种非线性飞行控制律评估方法研究

研究了一种基于改进遗传算法的非线性评估方法。将非线性准则转换成简单的适应度函数,通过寻优找到最坏情况,在其基础上实现评估。仿真结果表明,该方法不仅能在各个飞行状态对飞行控制律进行非线性准则评估,而且能找出飞行包线内的最坏飞行状态,细化飞行包线,方法使用灵活,结果可靠。     

基于改进PSO的飞行控制律参数多目标优化方法

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,以及物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。该算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异。从而,有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,还使用改进的粒子群优化算法对某型飞机横侧向控制律设计进行了数值仿真,结果显示该算法有效提高控制律优化调参效率,可满足期望的飞行品质要求。