基于免疫粒子群优化算法的航班着陆调度研究

《基于免疫粒子群优化算法的航班着陆调度研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2012年7月July2012计算机工程ComputerEngineering第38卷第13期Vol.38No.13·开发研究与设计技术·文献标识码：A文章编号：1000—3428(2012)13—0273—03中图分类号：TP391.9基于免疫粒子群优化算法的航班着陆调度研究冯兴杰，孟欣(中国民航大学计算机科学与技术学院，天津300300)摘要：为解决机场在交通高峰期的航班着陆动态调度问题，提出一种结合免疫思想的离散粒子群优化算法。将免疫系统多样性保持能力和粒子群优化算法明确方向性搜索的优势相结合，避免在待调度航班队列更新时，由于动态调用排序算法很难获得稳定排序结果而造成的额外开销。实验结果

2、表明，该算法具备高效的全局搜索能力，能在一个雷达扫描周期内，为管制员提供一个稳定的调度方案。关键词：航班着陆调度；粒子群优化算法；调整序；免疫记忆；疫苗接种；免疫选择ResearchonFlightLandingScheduleBasedonImmuneParticleSwarmOptimizationAlgorithmFENGXing-jie,MENGXin(SchoolofComputerScienceandTechnology,CivilAviationUniversityofChina,Tianjin300300,China)【Abstract】Inordertosolvethepro

3、blemofdynamicflightlandingscheduleinthebusiestairport,aDiscreteParticleSwarmOptimization(DPSO)algorithmcombinedwithimmunethinkingisused.Thealgorithmhastheadvantagesofabilitytomaintaindiversityoftheimmunesystemandspecificdirectionalsearchofparticleswarmalgorithm.Itavoidseffectivelytheproblemthatitish

4、ardtogetstablescheduleresultandbringtheadditionalcostwhenflightqueuetobescheduledisupdated,andhaveacertainreal-timecapability.Experimentalresultsshowthatthealgorithmhasefficientglobalsearchcapability,andcansupplycontrollerwithastablescheduleschemeinaradarscancycle.【Keywords】flightlandingschedule;Par

5、ticleSwarmOptimization(PSO)algorithm;adjustmentsequence;immunememory;vaccination;immuneselectionDOI:10.3969/j.issn.1000-3428.2012.13.082人们提出了各种改进粒子群的优化算法，如在量子粒子群优化算法中引入并行技术和疫苗接种技术，该方法采用量子粒子群优化算法扩大搜索范围以牺牲搜索效率为代价，需要引入并行技术才能满足算法的实用性，操作较复杂；将免疫算法与粒子群优化算法结合，在免疫算法的基础上采用PSO位1概述随着民航事业的发展，空域拥挤问题变得越来越严重，减少航班延误

6、造成的经济损失已经成为当前亟待解决的问题，因此，通过对航班着陆调度算法的研究，优化进场飞机次序，使其延误最小已经成为当前空中交通流量管理的一个重要内容[1]。航班着陆调度问题是典型的NP-hard问题，具有大规模多约束的特点。目前，我国机场终端区航班着陆调度方面基本采用先来先服务的方式，该方法不含优化思想，具有一定的局限性。目前，许多国内外学者提出了多种解决航班着陆调度问题的算法，如约束位置交换(ConstrainedPositionShifting,CPS)算法、动态排序法和混合人工鱼群算法等[2-4]。随着问题规模增大、约束条件以及目标函数的复杂化，约束位置交换求解效率越低，难以满足实时性

7、；动态排序法需要不断调整航班顺序，不仅增加管制员的工作负荷，且造成额外开销；混合人工鱼算法处理小规模问题时，优化效果较好，随着航班数量增加效率会大大减少。目前，相关的研究采用最多的是遗传算法(GeneticAlgorithm,GA)，大多没有考虑优化结果的稳定性，难以适应于动态航班调度问题。新发展起来的粒子群优化(ParticleSwarmOptimization,PSO)算法较之于遗传算法具有易