计算机应用技术硕士论文-智能优化算法在收益管理中的应用

《计算机应用技术硕士论文-智能优化算法在收益管理中的应用》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、CivilAviationUniversityofChina硕士学位论文智能优化算法在收益管理中的应用研究生姓名：王兴云导师姓名：樊玮副教授2004年12月23日注1注2分类号：密级：公开注3注4UDC：学号：028030302中国民用航空学院硕士学位论文智能优化算法在收益管理中的应用研究生姓名：王兴云导师姓名：樊玮副教授申请学位级别工学硕士学科专业名称计算机应用技术所在院系计算机学院论文答辩日期2005年1月6日2004年12月23日ApplicationofIntelligentOptimizationAlgorithmsatRevenueManage

2、mentADissertationSubmittedtoCivilAviationUniversityofChinaFortheAcademicDegreeofMasterofScienceBYWangXingyunSupervisedbyAssociateProf.FanWeiCollegeofComputerScienceandTechnologyCivilAviationUniversityofChinaDec.23,2005中国民用航空学院学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文

3、中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中国民用航空学院或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名：日期：中国民用航空学院学位论文使用授权声明中国民用航空学院、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分内容。论文的公

4、布（包括刊登）授权中国民用航空学院研究生部办理。研究生签名：导师签名：日期：摘要研究了人工神经网络、遗传算法、粒子群算法在需求预测和座位优化分配方面的应用。首先，综述了各种航班需求预测方法，对简单均值法、简单指数平滑法、回归法、增量法做了分析、比较，增量法在准确性、时间复杂度、鲁棒性、可扩展性等方面都具有比较好的结果；提出了基于BP神经网络的航班需求预测模型（BPDFM），与增量法、回归法进行了比较，可以得出:BPDFM算法具有预测精度高、适应性强、易于实现等优点。然后，对最大速度粒子群模型和最大最小速度粒子群模型作了仿真比较，最大速度粒子群模型对高维函数

5、的优化效果要优于最大最小速度粒子群模型；将粒子群模型作为多层前向神经网络的学习算法，进行航班需求预测，粒子群模型能在较短的时间内取得比较满意的结果。最后，将混合大灭绝粒子群模型（MEPSO）用于座位优化分配，进行网络优化，与确定数学规划方法、随机数学规划方法、遗传算法、标准粒子群算法进行了比较，MEPSO模型的优化结果要优于遗传算法、标准粒子群算法，稍逊于随机数学规划方法。关键词：收益管理座位优化控制BP神经网络粒子群优化算法IAbstractApplicationsofArtificalNeuralNetwork,GeneticAlgorithmsand

6、ParticalSwarmOptimizationinDemandForecastingandSeatInvetoryControlareresearched.First，summarizetheDemandForecastingmethods.AnalyzeandcompareSimpleMeanofFinalBookingwithSimpleExponentialSmoothingofFinalBooking,RegressingModelandPick-UpModel.Pick-UpModelisbetterataccuracy,timecomple

7、xity,robustandexpansibility.ProposeanewDemandForecastingmethodbasedonBack-propagationNeuralNetworkandcompareitwithPick-UpmodelandRegressingModel.BPDFMisbetterataccuracy,adaptabilityandrealization.Then,compareMAXVelocityParticleSwarmOptimizationwithMAX-MINVelocityParticleSwarmOptim

8、ization.MAXVelocityParticleSwarmO