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

ID:21314920

大小:305.12 KB

页数:6页

时间:2018-10-21

基于免疫粒子群优化算法的航班着陆调度研究_第1页
基于免疫粒子群优化算法的航班着陆调度研究_第2页
基于免疫粒子群优化算法的航班着陆调度研究_第3页
基于免疫粒子群优化算法的航班着陆调度研究_第4页
基于免疫粒子群优化算法的航班着陆调度研究_第5页
资源描述:

《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,更多相关内容在学术论文-天天文库

1、第38卷第13期Vol.38No.13计算机工程ComputerEngineering•开发研究与设计技术■文章编号:1000—3428(2012)13—0273—03文献标识码:A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宄冯兴杰,孟欣(中同民航大学计算机科学与技术学院,天津3OO3OO)摘要:为解决机场在交通高峰期的航班卷陆动态调度问题,提出一种结合免疫思想的离敗粒子群优化算法。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史新吋,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

2、果表明,该算法具备窃效的全局搜索能力,能在一个雷达扫描周期内,为筲制员提供一个稳足的调度方案。芜镪词.如讲斿&I:•個庇.蚧下雔伢仆笤沽.诮蚁痒.沾苗楗舢.仿沾冼秘ResearchonFlightLandingScheduleBasedonImmuneParticleSwarmOptimizationAlgorithmFENGXing-jic,MENGXin(SchoolofComputerScienceandTechnology,CivilAviationUniversityofChina,Tianjin300300,China)【Abstract】Inord

3、ertosolvetheproblemofdynamicflightlandingscheduleinthebusiestairport,aDiscreteParticleSwarmOptimization(DPSO)algorithmcombinedwithimmunethinkingisused.Thealgorithmhastheadvantagesofabilitytomaintaindiversityoftheimmunesystemancspecificdirectionalsearchofparticleswarmalgorithm.Itavoid

4、seffectivelytheproblem(hatitishardtogetstablescheduleresultandbringtheadditionalcostwhenflightqueuetobescheduledisupdated,andhaveacertainreal-timecapability.Experimentalresultsshowthatthealgorithmhasefficientglobalsearchcapability,andcansupplycontrollerwithastablescheduleschemeinarad

5、arscancycle.[Keywords】flightlandingschedule;ParticleSwarmOptimization(PSO)algorithm;adjustmentsequence;immunememory;vaccination;immuneselectionDOI:10.3969/j.issn.1000-3428.2012.13.082A-/,-、I.J.t.—4-I.1八/M-r-/9.*I.(<11概述随沿K航祺业的发展,空域拥挤问题变得越來越严粟,减少航班延误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

6、的研宄,优化进场飞机次序,使其延误最小己经成力当前空中交通流量管理的一个重要内容m。航班筘陆凋度问题是典型的NP-hard问题,其有大规梭多约束的特点。H前,我国机场终端区航班着陆调度方而基木采用先來先服务的方式,该方法不含优化思想,具有一定的局限性。目前,许多国闪外学者提出了多种解决航班着陆调度问题的算法,如约朿位置交换(ConstrainedPositionShifting,CPS)算法、动态排序法和浞合人工鱼群算法等随着问题规模增人、约束条件以及B标函数的岌杂化,约束位置交换求解效率越低,难以满足实时性:动态排序法需耍不断调整航班顺序,不仅增加管制员的工作

7、负荷,且造成额外开销;混合人工魚算法处理小规模问题时,优化效果较好,随着航班数贵增加效率会大人减少。目前,相关的研宄采川最多的足遗传算法(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。新发展起來的粒子群优化(ParticleSwarmOptimization,PSO)算法较之丁•遗传算法具有杨实现,无需进行编码、杂交、变异等fl杂运算的优势,且相关研宂表明粒子群优化山、.—j*/I、/1A-/v*I.«人们提出了各种改进粒子群的优化算法,如在莆子粒子群优化算法中引入并行技术和疫苗接种技术,该方法采用量子籽子

8、群优化算法扩大搜索范围以

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。