基于混合大灭绝粒子群算法的座位控制模型

座位优化控制是航空公司增加利润的有效方法.基于旅客的需求预测,可以利用数学规划模型为不同的航段和票价组合计算座位销售上限或者销售竞价,从而达到单个航班收入最大化的目的.常用的方法可分为确定模型和概率模型,但是对多航段多舱位的优化问题,由于出现了复杂的组合和约束,这些模型必须简化.提出了基于混合大灭绝粒子群算法的座位优化控制模型,并和常用的优化方法进行了仿真对比.研究结果表明,混合大灭绝粒子群算法应用于座位优化,可得到满意的解,同时,该算法简化了复杂的约束关系,易于实现,具有明显的优势.     

基于DPSO-SA的低轨预警系统初始任务规划方法

为提高天基低轨预警系统在导弹跟踪任务中的效率,建立了天基低轨预警系统初始任务规划模型.该模型包含跟踪精度、任务完成率和资源松弛度等优化指标,考虑导弹跟踪中目标信息的不确定性,定义并构建了跟踪原子任务的不确定度和动态优先级.在此基础上,提出采用离散粒子群(DPSO,Discrete Particle Swarm Optimization)-模拟退火(SA,Simulated Annealing)混合优化算法求解初始任务规划模型,提高了算法收敛速度、精度以及全局搜索能力.仿真算例验证了模型的优点以及DPSO-SA混合优化算法的有效性.