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。     

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。     

基于进离场容量转化的航班延误优化研究

为了提高机场运行效率,缓解航班延误,研究了进离场容量转化的特性,并建立了以延误时间最小的航班优化模型。结合实际运行数据对模型进行了验证,探讨了进场航班权重系数对进离场容量转化的影响。结果表明:采用进离场容量转化的方式可以增加进离场总容量,从而降低航班运行的总延误;该模型能提供优化的流量分配方案,可应用于机场流量管理。     

基于改进粒子群算法的离场航班排序

航班离场过程中,以时间或经济损失最小的单目标排序会导致延误时间分配不均和多目标排序在求解时存在算法收敛速度慢、易于陷入局部最优的缺陷,导致计算效率低。为解决这一问题,基于航班优先级、尾流间隔、航班延误时间、航班延误标准差构造航班离场排序模型,对粒子群算法的惯性权重和学习因子采用动态调整的改进策略。以厦门高崎机场非拥挤和拥挤场景下的共4 h离场航班进行优化排序验证,结果表明：与先到先服务(FCFS)方法、惯性权重线性递减粒子群(LDWPSO)算法相比,文中方法非拥挤场景下延误总时间减少了72%,26%,延误标准差减少了27%,28%;拥挤场景下,较FCFS延误总时间减少69%,延误标准差减少68%,与LDWPSO算法相比,优化效果上无明显差异,但在解空间的迭代收敛速度更快,达到最优罚值的迭代速度提升了55.6%。     

混合型联盟航线网络结构下航班频率优化研究

科学优化联盟航线网络结构下的航班计划可充分发挥联盟合作效应。综合考虑航空公司运行成本与旅客时间成本,以航班运行成本和旅客计划延误成本总成本最小为目标,建立混合型联盟航线网络结构下多机型多路径的航班频率优化模型。设计航班频率优化模型启发式算法,案例分析验证了模型可行性。结果表明,模型能一定程度上降低旅客出行成本和航空公司运行成本,可为航空公司制定混合联盟航班计划的频率优化提供参考。     

基于双层遗传编码的多机场航班调度优化研究

为提高多机场系统终端区运行效率,保障航空器飞行安全,基于多机场系统多种资源限制约束,以降低总延误时间和风险值为优化目标,建立了多机场系统终端区航班调度优化模型。考虑多机场系统资源竞争特性,设计了包含航班排序和跑道分配信息的双层编码遗传算法。同时,为避免不必要的资源闲置,降低航班在某节点拥堵的后续影响,每层编码中将航班细分为跑道、定位点两个关键节点阶段。运用双层编码遗传算法进行算例分析,与传统航班恢复方法进行对比。结果表明：求解算法能促进资源的合理分配,实现总延误时间和风险值的双重优化。     

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。     

机场终端区容流调配鲁棒优化模型

为解决机场不确定容量条件下的航班进离场流量分配问题,以容流调配策略在各情景下的规划外延误损失或多余延误损失的均值与标准差之和最小为目标,建立了终端区容流调配鲁棒优化模型;采用捕食搜索算法求解模型,以国内某机场终端区运行数据为例进行仿真验证,并与经典终端区容流调配模型进行比较,结果表明,鲁棒优化模型较好地实现了容流调配的鲁棒性,有效减少了不同情景下进离场航班延误的扰动。     

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。     

基于空中交通密度的进场航班动态协同排序方法

为适应协同决策（CDM）需要，考虑空管、航空公司和机场的诉求，对进场航班动态协同排序问题进行了系统的研究。设计了一种进场航班动态排序方法，提出了一种时隙交换方法，建立了基于空中交通密度的进场航班协同排序模型，设计了精英保留的遗传算法和带精英策略的快速非支配排序遗传算法以求解所建模型，寻求进场航班动态协同排序的最优解。仿真结果表明，较基于滚动时域控制（RHC）方法，动态协同方法所得结果与排序开始时间无关，所需排序次数平均减少26.4%，且排序效率更高。较先到先服务（FCFS）方法，动态协同方法在高密度条件下各排序阶段最后一个进场航班的落地时间平均提前199.8 s；中密度条件下各排序阶段航班延误总时间平均减少29.9%，航班延误均衡性平均提高34.4%；低密度条件在航班正常率及航班延误公平性得到保证的前提下，满足时隙交换规则的排序阶段均增加了1种进场航班排序模式。所提方法可对进场航班进行优化排序，显著提高跑道容量，有效提升航班延误均衡性和航班延误公平性，契合协同决策理念，可实现三方协同排序。     

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。     

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.     

多机场协同放行航班排序算法研究

<正>多机场协同放行系统是CDM念的一种产物,本文针对当前空管界的这一热点问题,从航班运行的实际运行体制着手,系统全面地分析影响航班放行的因素条体,构建算法模型,提出解算思路,对多机场协同放行系统的建设具有实际的指导参考意义,以有效减少航班延误。     

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。     

基于三方博弈的终端区协同容流调配策略研究

为研究终端区协同容流调配问题,从机场、空管部门、航空公司三方利益出发,以最大化机场容量利用率、最小化航班调整量、最小化航班总延误损失为优化目标,通过动态博弈分析,求解多目标优化模型,研究了多方利益冲突下的终端区协同决策。根据各要素映射关系,将多目标优化模型转化为三方动态博弈模型;采用博弈粒子群算法进行求解,使博弈策略实现最优组合,从而获得子博弈完美纳什均衡解,即为最优解集。经过算例分析,与多目标优化相比,模型在充分利用终端区容量的同时,有效降低了航班调整量,减少了航班延误损失,提升了整体优化的效益。     

基于交通波模型的交叉点航班排序研究

为了缓解在终端区的航班延误问题,保证空中交通的安全有效运行,引入交通波模型针对交叉点航班的排序进行研究,首先对交通波模型的具体原理以及在空中交通管理问题中的应用进行分析,然后构建以延误成本为目标函数的排序模型,结合交通流的实际运行状况进行分析,确定决策变量.最后进行仿真实验,实验结果显示这种方法的总延误成本要小于FCFS算法,可以证明基于交通波模型的交叉点航班排序方法是有效的.     

到达航班排序与调度优化的遗传算法研究

解决机场到达航班的排序与调度(ASS)问题是保持空中交通通畅、减少航班延迟的主要途径.本文针对ASS问题的特点,建立了以航班总延误时间为目标函数的排序模型,提出了基于格里芬斯塔特编码和滚动时域优化策略的遗传算法,并对排序模型进行了仿真分析.结果表明:与先到先服务算法相比,本文算法能显著减少航班总延迟,同时较常规遗传算法...     

独立离场模式下多跑道时空资源优化调度方法

为有效缓解大流量、高密度机场日益严重的交通拥堵和航班延误现状,研究了多跑道离场航班优化调度问题。首先,从生产调度领域视角,将多跑道离场调度问题抽象为典型的车间作业调度NP-Hard组合优化问题;然后,面向航空运输各方利益需求,以航班延误、跑道容量和环境污染为优化目标,综合考虑航空器尾流影响、场面滑行和跑道穿越等各类限制因素,建立了独立离场模式下多跑道时空资源优化调度模型;最后,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-II),寻求多跑道离场调度问题的Pareto最优解。仿真实验表明,模型可对独立离场航班进行优化配置,显著降低航班延误时间和航空发动机污染物排放量,并有效提升机场跑道容量。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51.2%和42.7%,所提方法可显著缓解大型繁忙机场离场航班起飞延误,有效提升航空运输服务品质。     

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.     

考虑优先级的交叉口航班汇聚排序问题研究

为了有效地利用航路资源,减少飞行延误总成本,建立了改进的航路交叉口汇聚排序模型。为加快求解速度,分析了影响航班延误成本的因素,给出了权重赋值表,改进了现有算法,并用FCFS算法与改进算法进行了算例分析。仿真结果表明,改进算法通过对交叉口航班各属性赋权值可有效进行优先等级划分,完成时隙分配和航班排序的快速计算。采用改进给出的优化排序策略可减少延误飞行的总成本,具有一定的实用性。