图切割快速生成扇区的蚁群算法

扇区划分是平衡管制员工作负荷、提升空域通行能力的有效技术措施。采用Voronoi图自顶向下切割空域的方法具有自动保证扇区凸性、连通性和压缩性的特性,但计算时间过长。根据航迹状态计算工作负荷,构建了Voronoi图自顶向下切割空域模型,设计了动态步长蚁群搜索算法。测试结果表明,在太原高空划分成4个扇区的情况下,与MC-CLFV（Monte Carlo method by changing location of flexible vertices）算法相比较,采用动态步长蚁群搜索算法求解,扇区的不平衡性显著减少,总工作负荷也减少了11.2%。大规模重复实验表明,随扇区数量增加,解的质量差异减少,但解的效率差异却不断增大,划分8个扇区时,动态步长蚁群搜索算法的计算时间统计中位数值仅为MC-CLFV算法的1/10。这说明该算法在一次划分数量少的时候,质量高而且计算时间短,在采用多层规划扇区的时候,应该采用组合数字和较小的划分方案。研究结果为采用Voronoi图直接切割空域形成管制扇区奠定了基础。     

基于蚁群聚类算法的扇区复杂性分析北大核心

为了准确评价扇区的复杂程度,提高空域精细化管理能力,针对传统K-means算法易产生局部最优解的缺陷,研究了基于蚁群聚类算法的扇区复杂性分类方法。首先选择进近管制扇区作为分析对象,构建可定量分析的复杂性指标体系,利用主成分分析法精简指标;然后通过蚁群聚类算法对多个扇区进行聚类分析,选择Silhouette指标评估聚类质量,最终得到扇区的复杂程度分类。以西安和杭州进近扇区为例,综合复杂程度将扇区分为3类,通过仿真软件验证了聚类结果和蚁群聚类算法的有效性和可靠性。该结果及方法可以为空域规划和管理起到辅助决策支撑作用。     

基于多数据源的管制员工作负荷自动统计与分析系统

随着青岛空域飞行流量的不断增加,管制员的工作负荷不断增大.管制员工作负荷的量化及班组资源的合理分配已经成为制约扇区容量的重要因素之一.本文结合民航青岛空管站在实际运行和新增扇区工作中遇到的问题,讨论影响管制员工作负荷的复杂性因素,提出管制负荷计算模型.通过充分利用现有的航班、通话等客观数据,依据客观反映我站管制员工作负荷的计算模型,由计算机生成不同扇区的工作负荷指数,并根据电子值班日志岗位计时数据对每一位管制员的工作负荷进行量化与统计,从而为我站关于扇区容量评估、运行分析、班组资源分配、人员绩效等问题提供决策支持.文章最后对计算结果进行了分析验证,进一步讨论该模型的可行性和存在的问题,并对论文的成果进行总结和展望.     

基于仿真优化的临时航线动态规划北大核心

为实现空域的灵活使用,对目标空域内军方允许使用的临时航线的动态规划与优化方法进行研究,提出全空域与机场模型(TAAM)和改进离散粒子群优化算法(DPSO)相结合的仿真优化方法。首先,利用TAAM模型构建以最小管制员工作负荷和最低飞行成本为目标的临时航线规划模型;采用组合赋权法和规范化处理确定多目标函数的权重;重新定义DPSO算法的运算规则实现算法改进。以上海部分扇区航路航线的仿真运行数据为例,管制员工作负荷和飞行成本分别下降了13.64%和9.08%。结果表明,上述方法能够有效降低管制员工作负荷和飞行成本,为航班计划的编订提供参考。     

空中交通管制系统效能评估研究

定义空中交通管制系统效能的概念和计算方法,提出适合中国空中交通管制特点的效能评估模型,并综合运用专家调查法和改进的层次分析法计算空中交通管制系统的效能值。在效能评估模型和评估算法的基础上开发效能评估系统,对系统效能影响参数的灵敏度进行分析,验证该评估系统的有效性。     

基于均衡更新蚁群算法的飞机排序调度

飞机排序调度问题是空中交通管制的一个关键问题,本文在给出飞机排序调度模型的基础上,提出一种均衡更新蚁群算法,利用当前解与全局最优解的差异来均衡地更新信息素,增强算法的全局搜索能力,从而生成更优解。实验结果表明,均衡更新蚁群算法求解飞机排序调度问题时,能用较短时间求出优于对比算法的结果,其性能可以提高12.9%,有助于空中交通管制人员根据实时情况安排合适的飞机着陆顺序。     

加强空中交通管制员突发事件应变能力的思考

在航空运输中,空中交通管制发挥着重要的作用,作为空管系统的核心,空中交通管制员的综合能力素质是极其重要的,其中应对突发事件的应变能力更加是决定航空运输安全和发展的决定性因素之一。提高管制员的能力是航空事业发展和进步的基础,防止航空器发生相撞状况,防止航空器与地面上的障碍物相撞,维护好空中交通秩序,保证安全高效的空中交通流量。     

基于MAS的区域管制系统模型

现代信息技术越来越多地应用于空管领域.建立一个空中交通管制仿真系统,对空域进行模拟仿真,可以辅助管制员做出更完善的管制决策.基于多 Agent 技术,应用 BDI 模型通过建立系统信念模型、目标模型、相互作用模型和管制运作流程,构建一个由航班、管制和管理界面三类 Agent 组成的区域管制仿真系统模型.     

管制员模拟训练评估规则的建立算法

空中交通管制员肩负着指挥飞行器飞行、保障空中交通安全的重要职责,由于管制员工作的特殊性,使模拟训练成为培训管制员的重要手段,但在评估模拟训练结果时,往往以人力评估为主,较为主观且工作量大,难以准确反映管制员的训练情况,为此,本文基于免疫算法设计了一种评估规则的建立算法,使训练系统可s根据建立的评估规则对管制员训练结果进行自动评估,得出比较客观、公正的评估结果。     

空中交通管制员扇区工作负荷浅析

随着空中交通流量的不断增加,管制人员的工作负荷越来越大,如何正确的评估管制人员的工作负荷进行评估,如何减轻工作人员的工作负荷,对于我国空域资源的发展十分重要,有利于提高管制工作的效率。     

基于仿真和蚁群算法的公交动态交通规划研究

针对越来越复杂的道路交通系统，研究其中的动态交通规划问题。以达到对交通进行合理规划的目的。采用计算机仿真技术构建动态交通规划模型，应用蚁群算法解决基于仿真的动态交通规划优化问题。在所建模型的基础上，通过蚁群算法进行求解。实验结果令人满意。仿真方法可以将普通动态交通规划模型无法反映的随机因素考虑在内，使得动态交通规划的结果更加具有现实中的指导意义。将优化技术嵌入到仿真过程中。在仿真环境下使输出响应不断地得到改进，从而实现道路交通系统性能的优化。数据实例表明，该方法是正确的、可行的、有效的，可以为实际的道路交通规划提供有力地决策支持。     

双向反馈蚁群算法在网络负载均衡问题的研究

针对网络资源管理中的负载均衡与优化问题,提出一种双向反馈蚁群算法,用蚂蚁数量代表网络资源流量,通过蚂蚁间信息素的相互作用和动态控制来实现网络流量分担到多条可用路径。将蚁群算法扩展为双向反馈的蚁群算法,蚂蚁判断各条路径上的信息素浓度的同时,考虑可选链路的负载情况,决定选择要走路径,使得蚂蚁相对均衡地分布在可选链路上。仿真实验结果表明,双向反馈蚁群算法比原蚁群算法在缩短自适应时间,减少丢包率,提高负载均衡效率方面都具有更好的性能。     

蚁群决策算法在上下游短时交通流预测中的应用

根据上下游短时交通流的特性,在深入研究蚁群算法的基础上,利用蚁群思想及决策树思想构造了蚁群决策算法,描述了该算法用于城市道路上下游短时交通流建模预测以及与决策树算法进行了对比,论证了其可行性,最后利用Matlab进行仿真,给出了仿真结果。     

单路口交通信号多相位实时控制模型及其算法

针对城市道路交叉口的交通流特性,对单路口交通信号多相位实时控制的模型和算法进行研究.首先提出一种改进的单路口交通信号多相位实时配时模型,该模型可反映交叉口交通状况的实际需求.同时,采用能随交通需求的变化而实时变化的加权系数,将交叉口3个优化目标函数转化为单目标函数优化的问题.为提高模型的计算速度以及降低交叉口信号机的单机计算量,采用蚂蚁算法中的精英蚂蚁寻优策略求解模型.最后,以伪代码的形式设计了求解该问题的程序流程,并通过一个实例验证了模型及其求解算法是合理的和有效的.     

基于蚁群算法的高速公路入口匝道控制

提出一种具有普适性的蚁群算法,该算法对参数的转移概率和信息素的计算方法进行了改进,提高了算法的全局性能,将其用于高速公路入口匝道控制器的参数寻优.建立了高速公路交通流模型,结合非线性反馈理论设计了蚁群算法优化的入口匝道PI控制器,给出了蚁群算法优化的步骤,并用Matlab软件对控制器进行了仿真研究.仿真结果表明,基于蚁...     

多蚁群算法的网络负载动态均衡方法

针对网络资源管理中的负载均衡与优化问题,提出一种多蚁群网络负载动态均衡方法,采用网络流量工程理论中拥塞控制机制实现信息素随网络流量动态释放与更新。算法通过蚁群间信息素的动态相互作用（蚁群内信息素相互增强,蚁群间信息素相互削弱）,将代表网络负载的蚂蚁合理分配到可用路径,避免蚂蚁集中到特定路径而造成网络拥塞。实验结果表明,通过路径信息素控制能够实现网络负载均衡,有效提高网络在路径延时、平均带宽利用率和平均丢包率方面的性能。     

一种基于实时航迹的流量预测修正算法

本文针对民航班机在巡航阶段的直线运动轨迹和弧线运动轨迹进行了理论误差分析,在简化4D轨迹预测模型的基础上,提出了基于实时系统航迹数据的流量预测动态修正算法,试验结果表明该算法能够满足管制员的实际应用需要,可以为实际的空中交通流量管理方案实时提供更加准确的决策支持。     

基于ACO-LSSVM的网络流量预测

为了提高了网络流量的预测精度,提出一种蚁群算法（ACO）优化最小二乘支持向量机（LSSVM）参数的网络流量预测算法（ACO-LSSVM）。将LSSVM算法参数作为蚂蚁的位置向量,采用动态随机抽取的方法来确定目标个体引导蚁群进行全局搜索,并在最优蚂蚁邻域内进行小步长局部搜索,找到算法的最优参数,建立了基于ACO-LSSVM的网络流量预测模型。仿真结果表明,相对其他网络流量预测算法,ACO-LSSVM算法提高了网络流量预测精度,更能准确地描述网络流量变化规律。     

蚁群神经网络在短期负荷预测的应用

为了进一步提高BP神经网络的性能,实现准确、快速预测电力系统负荷的目的,将蚁群算法(ACA)作为BP神经网络的学习算法,建立了一种新的蚁群神经网络(AcAN)预测模型.对某电力系统短期负荷预测的计算实例表明,基于蚁群神经网络的负荷预测方法与传统的BP神经网络预测方法相比,具有较强的自适应能力和较好的效果.     

混合蚁群算法的实况路网低碳冷链路径优化

针对市区内交通车速变化频繁、备选路径多的特点,传统算法选择路径时计算量大导致无法有效收敛,提出一种蚁群与Dijkstra混合算法进行求解。首先利用高德地图API获取市区主要交通道路及其在不同时刻的车速,并运用BP神经网络对车速进行预测。在此基础上,综合考虑固定成本、时间变动成本、路程变动成本、时间窗惩罚成本及碳成本,以总成本最低为目标函数,利用贪心规则的Dijkstra算法搜索路径,通过不断调整蚁群算法留下的信息素来调整道路运输成本,建立修正成本地图,在路况发生变动时通过调用地图提高二次搜索速度,并使用Python编程进行验证。实例证明,混合算法结合了蚁群算法正反馈的特性以及Dijkstra算法全局搜索能力强的特点,缩短了应对路况变化所需的时间,并能有效根据当前交通实况规划出合理路径。