Print

基于粒子群算法的智能航班调度方法研究

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

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景及意义
  • 1.2 国内外研究现状
  • 1.2.1 国外研究现状
  • 1.2.2 国内研究现状
  • 1.3 本文的主要工作和安排
  • 第二章 粒子群算法的模型
  • 2.1 粒子群算法的基本模型
  • 2.2 粒子群算法的改进模型
  • 2.3 粒子群算法的应用研究现状
  • 2.4 粒子群算法的研究方向
  • 2.5 本章小结
  • 第三章 基于新的粒子群算法的多航班多服务调度方法
  • 3.1 多航班多服务调度模型
  • 3.1.1 假设条件
  • 3.1.2 多航班多服务调度问题
  • 3.1.3 模型的建立
  • 3.2 NPSO 算法求解MMSP
  • 3.3 仿真结果与分析
  • 3.4 本章小结
  • 第四章 基于收敛因子PSO 的航班延误恢复调度方法
  • 4.1 航班延误恢复调度模型
  • 4.2 CPSO 算法优化FDRS
  • 4.3 仿真结果和分析
  • 4.4 本章小结
  • 第五章 基于混合粒子群算法航班延误恢复调度方法
  • 5.1 航班延误经济损失的构成
  • 5.1.1 航班延误的显性损失
  • 5.1.2 航班延误的隐性损失
  • 5.1.3 航班延误的总延误经济损失
  • 5.2 航班延误恢复调度模型
  • 5.3 HPSO 算法优化航班延误恢复调度
  • 5.4 仿真结果和分析
  • 5.5 本章小结
  • 结论与展望
  • 参考文献
  • 攻读学位期间的科研成果
  • 致谢
  • 附录A
  • 附录B
  • 附录C

    • 相关论文文献

    本文来源: https://www.lw50.cn/article/e09e4823352955baa89db513.html