航站楼离港航班动态性仿真研究

研究航站楼仿真,可以为机场的决策者提供决策依据,提高机场的运行效率,减少延误并提高服务质量。本文在计算机仿真软件ServiceModel中采用正常航班时间窗口内随机产生的离港时间,对离港航班仿真建模。仿真结果体现了离港航班的动态性。     

不正常航班优化调度方法研究

本文提出了采用分层调度的策略对不正常航班调度进行处理,通过确定不同延误范围的门限,分层次采用相应的调度策略,并使用蚁群算法快速求解,既满足对航班延误状况的有效调度处理,又可以兼顾综合时间成本。通过对航空公司数据进行延误仿真测试表明,本策略是能够覆盖各种范围的延误状况处理,同时也能够达到较好降低综合时间成本的处理效果。     

改进的航班正点率优化模型

本文的主要研究方向是通过建立航班正点率优化模型来提高航班的准点率,并以单条和多条航线为例对该模型进行求解,从而为航空公司制定更加理想的航班时刻表提供可靠的建议与支持,以求达到从根本上解决航班延误这一普遍现象的目的。     

单亲遗传算法用于多跑道航班着陆调度

采用单亲遗传算法（PGA）对多跑道航班着陆进行优化调度,该算法以航班延误总时间最小为目标,通过选择、基因换位、基因移位等遗传算子操作,对着陆航班排序进行了仿真计算,并与先到先服务算法进行了对比研究。仿真结果表明PGA算法在延误时间方面远低于先到先服务算法。     

基于改进人工鱼群算法的航班进近服务优化

为了减少管制员的工作量,需要对航班进近的服务次序进行优化,建立使得进近管制员的总服务时间最少的数学模型,降低管制员的工作负荷,减少平均航班延误量。以改进的人工鱼群法为核心算法,结合概率当中的＂捆绑法＂思想以及先到先服务原则,形成综合算法。仿真结果表明,此综合算法能减少航班平均延误,减少空中交通服务时间,从而减少管制员的工作量。     

基于大系统逐步优化算法的梯级水电站优化调度

针对水电站群联合优化调度的重要性,以三峡水梯级电站群和清江梯级水电站群联合优化调度系统为例,以系统总发电量最大为目标函数建立梯级水电站联合优化调度计算的数学模型。利用联合优化调度系统,采用大系统分解和逐步优化相结合的算法求解数学模型,同时将是否参与调峰条件下,两个梯级电站群联合调度与各水电站单独调度的计算结果进行比较和分析,验证大系统逐步优化算法在联合调度应用中的科学性和适用性,为其他联合优化调度实际应用提供参考。     

虹桥机场航班智能调度问题

机场航班智能调度已经逐渐纳入评价机场的重要条件之一,目前机场调度规则大多还是人工决策模式。本文针对曾发生严重A类穿越事件的上海虹桥机场航班调度建立了跑道服务智能调度模型,提高了飞机调度安全和提高准点率和起降效率,与人工管理相比,极大地提高了机场的安全性能和利用率。本文建立了基于遗传算法和元胞自动机模型的目标规划模型,首先建立基本的安全等待模型,将机场抽象为有向节点图,滑行道抽象为队列结构,规定滑行道上只有节点处能停放飞机,借用元胞自动机的方法,模拟了飞机在滑行道上的运动情况。为了能较真实地模拟实际飞机的运动情况,得到更有价值的模拟数据,我们设定了一组描述飞机单向滑行和排队等待的的状态变换规则。我们重点考虑了飞机运动的起始条件,终止条件,前进条件,排队等待条件,变道条件和穿越跑道条件等,以期保障飞机起降时绝对的安全性。其次,我们建立了运行效率较高的安全等待模型,设定了准点率和起降效率的具体形式,我们用计划与起飞时间的残差和和准点的飞机与总的飞机的比值共同描述飞机的准点率,用飞机在滑行道上的等待时间描述起降效率。     

基于Web申请的航班优化实现

随着中国社会主义市场经济体制的不断完善,航空公司在航空运输市场激烈的竞争环境中为求得自身发展逐渐以加强航班的优化作为其生存的必由之路。随着Internet的普及及广泛应用,基于Web的航班申请成为一种更为可行和方便的方法。但是在一些特别的时期里,如节假日,由于市场利益的驱动,航空公司在制定航班时会以市场经济为导向,这对飞行流量管理产生了间接的影响。管制单位和航空公司之间必须出现一种实时的互动界面。本文是基于航班优化具体模型的情况下,利用计算机编程实现基于Web申请的航班优化。     

一种基于聚类算法的离港用户行为评估方法

<正>研究背景民航是战略性产业,在国家开启全面建成社会主义现代化强国的新征程中发挥着基础性、先导性作用。建设民航强国,既是更好地服务国家发展战略,满足人民美好生活需要的客观需求,也是深化民航供给侧结构性改革,提升运行效率和服务品质,支撑交通强国建设的内在要求。经过几代中国民航人的接续奋斗,我国已具备从民航大国向民航强国跨越的发展基础,同时也面临基础保障能力不足、资源环境约束增大、发展不平衡不充分现象突出等问题。     

基于狼群算法优化Snake模型的图像分割算法

针对图像分割中难以分割出精准的目标以及分割速度较慢的情况,使用狼群算法优化Snake模型中的能量函数,逐渐找到目标的位置点。实验表明:该算法避免Snake模型中的能量函数早熟引起的过早停滞在目标伪边缘上,分割出来的目标在精度上有所提高,分割的速度有一定的提高。     

移动货架仓库中搬运机器人优化调度模型与算法

基于搬运机器人的电商仓库近年来在很多大型电商物流中心得到了广泛应用。面对大规模电商订单和多样化商品需求,如何调度好机器人完成拣货任务,发挥出该类仓库面向电商订单的分拣优势,是每个仓库决策者亟待解决的关键问题。针对该问题,综合考虑订单拣货任务分配、货架服务顺序、拣货台工作安排及机器人调度复杂环节,本文以拣货时间最小化为目标建立了包含多拣货台的混合整数规划模型,证明了问题的NP-Hard特性,设计了基于模型的数学启发式算法,以及基于模拟退火和特殊反馈机制的两阶段自适应大邻域搜索算法。通过企业真实数据验证了模型和算法的科学性和有效性。     

不正常航班恢复模型的贪婪模拟退火算法研究

为解决不正常航班恢复对航空公司带来的严重影响,研究了不正常航班恢复模型及其优化算法,对现有不正常航班恢复优化模型提出适当改进,重点设计了一种贪婪模拟退火算法。算法融合了GRASP和模拟退火算法的特点,提高了领域解的选择效率并且降低了陷入局部最优解的概率。实例证明这种算法可以处理大规模的不正常航班恢复问题,并且能够达到时间代价与结果质量的均衡。     

车辆优化调度算法研究初探

分四大类讨论求解该问题的算法:精确算法(exact algorithm),构造启发式算法(constructive heuristic algorithm),改进启发式算法(im-proving heuristic algorithm),和亚启发式算法(meta-heuristic algorithm),评述各类算法适用的问题求解阶段以及各自的优缺点。     

基于蚁群算法的机场除冰车辆优化调度方法研究

随着我国民航运输业的发展,民航大型机场航班起降架次增长迅速。因此需要建立基于集中除冰坪的飞机除冰系统。就机场集中除冰的实际工作情况,给出了集中飞机除冰系统中除冰车辆调度问题的数学模型,并结合蚁群算法对此问题进行了分析和探索,验证了蚁群算法在解决此类问题过程中的优势,优化了飞机集中除冰策略中的调度问题。     

车辆调度问题模型的优化研究

本文从为物流配送企业提供智能化、决策化支持的目标出发,对车辆优化调度问题进行了数学分析和研究,解决了车辆的配送线路问题.     

基于改进MPA优化的高斯混合模型算法

针对高斯混合模型算法（GMM）对初始参数敏感、易陷入局部最优的问题,提出一种基于改进海洋捕食者算法优化的GMM算法（MMPA-GMM）。首先基于混沌序列和伪对立学习策略初始化种群,引入非线性收敛因子平衡MPA算法的全局与局部搜索,同时提出融入社会等级制度的位置更新策略;然后从搜索能力和收敛速度对改进的MPA进行分析;最后以S＿Dbw指标作为算法的适应度函数,利用改进的MPA优化GMM算法的初始参数。实验结果表明,改进的MPA在4种测试函数上表现良好,并且MMPA-GMM算法对4个数据集的聚类效果均有改善,有效避免了GMM算法陷入局部最优的问题。     

公交智能调度算法研究与优化

1概述公交调度在国内外都有成型的运作方式,但随着城市的发展使公交调度出现高度的复杂性,公交调度一直是一个前沿的研究课题。从20世纪初就开始了公交调度的研究。但随着城市的发展变化,这个领域也发生了深刻的变化,尤其是随着ITS思想的兴起,运用先进的技术为公交调度提供参考是必然的趋势。公交车辆的调度问题是一个典型的运输调度优化问题。组合优化的问题就是在一定的约束条件下,怎样合理、有效地安排其组成部分或操作所占用资源、运行时间及先后顺序,以获得时间或成本的最优化,也就是这样的过程:在满足一定约束前提下,在有限资源基础…     

一种基于混沌人工萤火虫算法的云计算资源调度优化

为提高云计算资源的利用率,保持负载平衡,提出一种基于改进混沌萤火虫算法的云计算资源调度模型。建立云计算环境下的资源调度模型,通过人工萤火虫算法个体最优与云计算节点资源分配对应起来,在萤火虫算法中引入混沌算法,通过对个体进行扰动,加快收敛速度,降低局部最优的概率。基于Cloudsim的仿真实验结果表明,该算法能有效避免资源分配的不均衡,缩短任务完成时间,提高系统的整体处理能力。     

云制造平台下基于蝙蝠算法的供需调度时间优化

云制造平台为供应链构建提供了多种选择,为了解决云制造平台下,供应链调度数据量大,更新频繁的问题,对蝙蝠算法重新编码及解码,应用改进蝙蝠算法对初始种群的产生进行限定,解决批任务调度问题,减少无效搜索,缩短找到合适任务分派策略的时间,通过实验对比,证明了改进蝙蝠算法在云制造供应链调度中的有效性,避免了资源超载和资源闲置的现象,并使任务总完成时间最短,推动云制造在供应链方面的应用.     

基于动态趋势预测蚁群算法的云计算资源调度优化研究

当前,计算机性能日益提高,人们的计算需求也日益增加,在这样的背景下,以往的计算方式已经不能满足人们的计算需求,随着云计算的出现,这一现象才得以缓解,但是就目前而言,云计算也存在许多缺陷与不足,例如资源调度资源占用多且响应速度慢等。本文以此为着眼点,设计了一种以动态趋势预测蚁群算法为基础的云计算资源调度优化研究。这一算法在具体实施过程中运用动态趋势预测以及蚁群算法相加的办法,借助虚拟机迁移实现资源的预留,并可以借助动态趋势预测方法来对数据中心负载变化实现预测,并且通过减小值的调整来实现具体操作。通过实验表明,本文所提出的将动态趋势预测和蚁群算法相结合的算法能够有效的提高数据中心的性能,加强响应速度和计算的精确度。