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％。     

多跑道航班进离场动态调度模型与算法

针对民航运输快速发展导致的航班延误频增现象,研究了多跑道航班进离场的动态调度问题。研究时段内航班的总延误成本最小和延误时间均衡为目标,综合考虑根据机型确定的航班进离场调度优先权和管制员负荷,建立多跑道航班进离场调度模型,利用遗传算法对模型进行仿真验证。仿真结果与先到先服务(FCFS)调度方式进行比较,采用遗传算法的航班进离场调度比FCFS的延误成本降低了45.07%,延误时间降低了37.90%,同时有效地均衡了航空公司的延误时间,保障了航空公司的公平性并提高了跑道系统容量,降低了管制员负荷。通过仿真验证了多跑道航班进离场动态调度策略具有较强的优势和可行性。     

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%.     

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。     

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。     

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。     

机场容量利用及流量分配优化策略

为了充分利用机场容量,减少航班延误,需要合理分配进离场流量。以机场容量作为约束,以进离场航班总延误成本最小作为目标,建立进离场流量分配优化模型。构建随延误时间呈超线性增长的延误成本计算公式,引入航班进离场延误成本权重系数作为不同进离场优先级的决策偏好信息。用动态规划法求解模型,并引入最优决策候选集合的概念,缩小计算过程中的搜索量,减少计算时间。算例结果分析表明,方法可以在机场容量约束下得出进离场流量分配的最优策略,使得航班总延误成本最小,并且快速计算可以满足实时决策支持的要求。     

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。     

基于粗糙集理论的终端区飞机排序综合评判

针对日益增长的空中交通流量所带来的严重航班延误,提出了一种全新的终端区（TMA）飞机排序方法。在介绍粗糙集综合评判方法的评判过程基础上,建立了TMA飞机排序问题评判指标体系,进行了飞机排序综合评判过程的算例仿真。仿真结果表明,方法简单可行,能够客观得到各评判因素权重,并且与先到先服务（FCFS）排序方法比较,影响范围减少50%,累计延迟时间减少23%,说明方法排序结果优于FCFS排序结果。     

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。     

多元受限下离场时间多目标优化调配模型研究

在空中交通受到多元限制情况下,对航班离场时间的优化调配可以解决空域拥挤,减少航班总体延误成本。采用了基于航班流的公平性指标和基于个体航班延误成本的效率指标作为模型的优化目标,建立了离场时间多目标优化调配模型。通过仿真算例对比了只考虑效率目标的离场时间单目标优化调配模型和同时考虑效率和公平性目标的离场时间多目标优化调配模型,验证了离场时间多目标优化调配模型的有效性。     

基于改进免疫粒子群算法的动态航班着陆调度

为改进机场终端区空中交通流量管理,对动态航班着陆次序进行适当调整,使机场和空域的可用容量达到最有效利用,减少航班延误造成的经济损失,提出一种新颖的动态免疫粒子群优化算法(DIPSO),重点针对待着陆航班的动态变化,结合滑动时间窗,多方面考虑现实约束,在确保航班延误成本最小的同时,兼顾航班着陆的公平性和管制员的工作负荷。仿真结果表明,在处理动态航班着陆问题上与先来先服务相比有效降低了延误成本。     

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...     

CDM理论在优化进离场飞机队列上的应用研究

应用协同决策系统理论。研究了进场航班优化排序问题。给出了机场进离场容量转换和容量优化的模型。通过机场进离场容量转换来解决拥挤时段的进场与机场容量之间的问题。在协同决策思想的指导下把进离场航空器结合起来并且看作两个相互关联的操作。当进场容量和离场容量相互转换时。协同决策系统能提供最优的解决方案，使机场的进离场达到最大的吞吐量并且将延误减到最小。     

多跑道航班排序的改进蛙跳算法研究

为了保证飞机在多条跑道情况下安全、有序地降落,研究了基于蛙跳算法的多跑道航班排序问题。建立以航班总延误时间最小为目标函数的多跑道航班排序规划模型;针对传统混合蛙跳算法会产生无效解这一问题,引入单亲遗传算法中基因移位的思想,重新设计局部搜索策略,改进了蛙跳算法;利用增加种群个数的方法,克服蛙跳算法更新盲目性和收敛性差的缺点;基于上述改进的蛙跳算法,对多跑道航班排序规划模型进行求解。算例表明,改进蛙跳算法的优化结果明显优于先到先服务(First Come First Service,FCFS)方法和遗传算法的优化结果。     

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.     

粒子群混合算法在变导向器面积计算中的应用

求解非线性方程组经典方法具有严格的局部收敛性;粒子群等进化算法解决了全局收敛的问题,但计算效率偏低,存在最优解不稳定的问题。结合经典Newton-Raphson法的超线性收敛速度和粒子群算法全局收敛能力的粒子群混合算法具备2类算法的优点。在迭代初期采用粒子群算法获得的近似全局解作为Newton-Raphson算法的初始值,以确定高精度的解。利用粒子群混合算法在发动机变导向器面积的大偏离计算中获得了较好的收敛效果,解决了常规Newton-Raphson法不收敛的问题。     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

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.     

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。