航班着陆调度的实时优化方法研究

论文摘要

航班着陆调度（Aircraft Landing Scheduling, ALS）是机场终端区空中流量管理（Air Traffic Flow Management, ATFM）的核心,它旨在为待着陆的航班给出有效的着陆调度方案,保证这些航班能够安全且经济地着陆。研究终端区航班调度问题对确保飞行安全和提高飞行效益具有重大的意义。航班着陆调度是一个典型的组合优化问题,其存在的多约束等复杂性使得这一问题成为公认的一个难解问题;同时,应用时的调度实时性要求进一步增加了这一问题的求解难度。目前,业内实际采用的先来先服务调度方案简单快速,但它无法进一步提高飞行效率,而且在航班较密集的情况下该算法可能无法给出合理的调度方案;研究界提出的线性规划算法具有高效性和正确性,但缺乏全局搜索能力,在很多情况下很难找到最优解;计算智能算法是近年来解决航班着陆调度问题的一个研究热点,但计算代价过大,特别是在较为繁忙的机场终端区,所以它需要结合有效的启发式方法才能更好的解决航班着陆调度问题。本文提出了一种新型的优化调度方法来解决航班着陆调度问题。与以往侧重于寻找最优解的方法不同,本文将重点放在达到航班着陆调度的实时性要求上。提出了一种航班着陆调度的实时优化方法。它由两个部分组成:首先,建立基于元胞自动机（Cellular Automate,CA）模拟的虚拟航班着陆过程,得到一个相对较好的航班着陆序列;然后,提出了一种简单但有效的针对性的航班着陆优化调度算法,进一步优化航班着陆序列。在标准的数据集OR-library上的对比实验表明,该方法不仅可以得到高质量的解,而且其速度要快得多,可以满足实际航班着陆调度的性能要求。

论文目录

• 摘要
• ABSTRACT
• 第1章 引言
• 1.1 研究背景
• 1.2 研究现状
• 1.3 主要工作和内容安排
• 1.3.1 本文的主要工作
• 1.3.2 本文的内容安排
• 第2章 终端区航班队列调度模型与方法
• 2.1 航班着陆调度问题
• 2.1.1 航班着陆调度定义
• 2.1.2 航班着陆调度的模型描述
• 2.2 航班着陆调度的典型方法
• 2.2.1 先来先服务方法
• 2.2.2 基于 CPS 的航班着陆调度方法
• 2.2.3 基于混合整数描述和线性规划的树搜索算法
• 2.2.4 遗传算法
• 2.2.5 禁忌表搜索和生态进化算法
• 2.3 本章小结
• 第3章 基于元胞自动机的航班着陆优化方法
• 3.1 基于元胞自动机的航班着陆调度方法
• 3.1.1 元胞自动机简介
• 3.1.2 元胞自动机（CA）引入航班调度算法
• 3.1.3 航班着陆元胞自动机的更新规则
• 3.1.4 航班着陆元胞自动机的优化规则
• 3.2 利用本地优化策略优化得到最佳航班着陆时间
• 3.3 利用遗传算法（GA）进一步得到更优的航班着陆调度
• 3.4 利用深度优先搜索算法 （DF）进一步得到更优的航班着陆调度
• 3.5 本章小结
• 第4章 实验及结果分析
• 4.1 实验平台和数据
• 4.2 元胞自动机的参数选择
• 4.3 先来先服务规则、简单优化规则和优化规则对比实验
• 4.4 GA 和DF 对比实验
• 4.5 CAO 优化性能对比实验
• 4.6 CAO 实时性能验证实验
• 4.7 CAO 分步验证实验
• 4.8 本章小结
• 第5章 总结与展望
• 5.1 论文的主要工作与特色
• 5.2 着陆安全间隔约束着陆进一步研究方向
• 参考文献
• 插图
• 表格
• 致谢
• 在读期间发表的学术论文与取得的研究成果