论文摘要
航班调度属于著名的NP-hard问题,对目前的算法提出了巨大的挑战,它一直以来困扰国际国内民航界,是一个亟待解决但却没有很好解决的复杂问题。粒子群算法是一种新型的仿生学优化算法,已成为解决复杂问题的一种有力工具。本文将粒子群算法应用到智能航班调度中,进行了有益的探索,其主要工作有:在研究粒子群算法模型的基础上,通过对多航班多服务调度目标和约束条件的分析,构建了多航班多服务调度模型,定义了粒子的二维表示方法,提出了一种新的粒子群算法来求解问题,并通过仿真实验验证了算法的有效性。定义了航班延误恢复调度的优化规则,尝试采用收敛因子的粒子群算法来优化航班延误恢复调度,并针对不同参数的变化进行了测试。考虑了航班延误的经济效益、社会影响和经济损失构成,定义了航线影响因子,构建了一种新的航班延误恢复调度模型,将局部搜索方法引入到粒子群算法中,提出了求解航班延误恢复调度问题的混合粒子群算法,计算结果表明:新的航班延误恢复模型可以有效减少航班延误损失,混合粒子群算法效率更高,随着规模的增大优势会更明显。
论文目录
相关论文文献
标签：航班延误恢复调度论文; 混合粒子群算法论文; 多航班多服务调度论文; 航线影响因子论文; 局部搜索方法论文;