基于免疫进化算法的航班过站时间优化模型

针对当前航班延误在航班链中的波及的特性,通过研究航班过站时间对航班延误的影响的内在机理,在基于免疫进化算法基础上,没有增加过站时间的总数,调整过站时间来减少航班的延误波及的优化模型.在保持航班的飞行任务和机组安排不变的情况下,只对航班时刻做出了轻微的修改.根据国内某大型枢纽机场的数据进行仿真实验,调整后的计划可以很好的改善延误的情况.     

航班着陆调度的多目标优化研究

航班着陆调度问题是多目标优化问题,难以使用最优化方法求解。为了解决这一难题,以减少航班延迟时间和降低飞行延误成本为目标,提出一种整合的启发式方法。该方法使用吱呀轮算法SWO(Squeaky-Wheel Optimization)进行导向式搜索,并利用改进的GA充分扩展SWO的搜索空间,最后通过合理整合GA和SWO,取得求解效率和求解质量的提高。通过实验仿真对比表明该算法能高效求解该问题,满足了实时调度的需求,同时求解质量也优于其他启发式算法,节省了更多降落时间和成本。     

基于多Agent的机场地面服务车辆调度方法研究

机场地面服务车辆调度失误是机场航班延误的主要原因之一。通过对机场地面服务车辆调度问题进行分析,建立多目标带有时间窗非满载机场地面服务车辆数学模型。将多Agent技术以及用于旅行商问题(TSP)的最近插入法加以结合改进,设计出一种基于多Agent的机场地面服务车辆启发式调度方法。最后结合实验数据进行验证,实验结果表明该调度方法在满足所有约束的条件下,所用车辆总数平均减少65.5%,车辆总运输距离平均减少48.3%。     

基于贝叶斯网络的航班过站时间分析与延误预测

从航班延误链式波及的角度出发,分析了影响航班过站时间的多种因素,建立了贝叶斯网络模型,模型能够清晰地反映多种因素对下游航班过站时间的影响。提出了基于贝叶斯网络参数估计的航班延误预测算法,当航班发生起飞延误时能够预测下游航班的起飞时间和延误状况。对算法进行了实现,并利用实际航班数据进行仿真,结果表明了该算法有比较高的预测准确率。     

一种改进的多机场地面等待启发式算法

从满足航空公司关于航班公平性的需求出发，将航班时刻优先规则用于改进基于优先级的多机场地面等待启发式算法（ABG算法）。采用被动优先级表，根据航班计划到达时刻的先后，依次分配降落时刻，分配后的降落时刻不再参与试图降低总延误时间的时刻交换处理。基于相同实验数据的计算结果对比表明，改进算法可降低最大延误时刻的50％和输出更为平滑的航班延误分布。     

蚁群算法优化到达航班排序和调度问题的研究

为有效解决动态环境中的到达航班排序和调度问题,提出了基于移动域控制的动态蚁群优化算法,该算法将总时间划分成多个时间窗口,并将蚁群算法优化控制在一个移动域内进行,有效避免了算法的早熟,降低了算法的计算复杂度.实例仿真计算表明,该算法比标准的蚁群算法具有更高的求解质量和求解效率,适合于对终端区到达航班进行实时排序和调度.     

一种新的FMS优化调度算法

提出一种将遗传算法和启发式算法相结合的新的混合算法,以解决ＦＭＳ中的优化调度问题。该混合算法克服了以往遗传算法在ＦＭＳ中应用的不足之处,并具有搜索效率高且稳定的特点。最后以实例验证了该算法的高效性和稳定性。     

基于免疫粒子群优化算法的航班着陆调度研究

为解决机场在交通高峰期的航班着陆动态调度问题,提出一种结合免疫思想的离散粒子群优化算法。将免疫系统多样性保持能力和粒子群优化算法明确方向性搜索的优势相结合,避免在待调度航班队列更新时,由于动态调用排序算法很难获得稳定排序结果而造成的额外开销。实验结果表明,该算法具备高效的全局搜索能力,能在一个雷达扫描周期内,为管制员提供一个稳定的调度方案。     

基于状态空间模型序号编码进化算法的航班优化调度

多跑道航班进离港优化调度是将某一时间窗内进离港航班看作一个整体,对进离港航班进行统一优化排序,属于典型的组合优化问题。求解组合优化问题时,采用序号编码比二进制编码和实数编码等方式更直接、更方便。本文提出一种基于状态空间模型序号编码进化算法（OSEA）,通过构造状态进化矩阵等操作来实现变异算子的功能,简化了遗传操作,并研究其在航班进离港优化调度中的应用。仿真实验表明：OSEA算法与先到先服务（FCFS）航班排序相比,航班总延误损失降低32.88％,且运算速度更快。     

基于遗传算法的多技能需求现场产品服务调度

多技能需求的现场产品服务调度结合了多旅行商问题与多技能项目调度问题,需综合考虑路径优化与技能匹配。针对该问题,考虑时间窗因素,以最短旅途时间和最少客户等待时间为目标建立数学模型,基于分段染色体编码的遗传算法并采用成组分段交叉算子进行求解。实例结果证明,该算法的解能避免过早收敛,有较高的搜索效率。     

一种新的提供服务时间保证的流调度算法

通过对现有流调度算法的研究,在NSTF算法基础上引入量化思想,提出一种新的多节目调度算法QNSTF。该算法以量化后的下次调度时间作为调度依据,使系统在效率和公平性之间取得较好的折中。仿真实验表明,QNSTF能减少用户平均等待时间,保持较低的用户请求撤销率与不公平性,同时向用户提供可靠的服务时间保证,提高了VoD系统的服务性能。     

基于动态优先级策略的最优软非周期任务调度算法

周期任务与非周期任务的混合调度是实时调度研究的一个重要方向 通过定义“调度”和“逆调度” ,对实时周期任务集在使用EDF算法调度时的可挪用时间进行分析 ,求出了周期任务集在使用EDF调度时的最大可挪用时间 在此基础上 ,提出用于缩短非周期任务响应时间和周转时间的调度算法———ISA(idlestealingalgorithm) ISA算法充分使用最大可挪用时间 ,在保证周期任务满足最后期限的同时能取得非周期任务的最优响应时间和周转时间 证明了ISA算法的最优性 ,并使用仿真实验进行了性能验证     

一个扩展的以QoS为指向的网格任务调度算法

在对网格计算的研究中,有人考虑了计算资源中服务质量(QoS)因素,在对传统的Min-Min算法加以改进的基础上,提出了QoS Guided Min-Min算法。在此基础上,本文提出一种新的扩展型算法,以进一步提高网格资源的利用率。最后,本文对以上三种算法的实验结果进行了比较分析。     

一种基于汽车CPS的服务调度算法

驾驶者通过路边基础设施感知外部环境并根据经验作出反应是汽车信息物理融合系统的一个最基本的特点,研究汽车与路边基础设施信息交互对建设汽车信息物理融合系统具有重要意义。基于汽车与路边基础设施通信的场景,提出一种新的服务消息调度模型,设计了基于优先级的调度算法,采用贪心思想,优先调度效用值大的消息,将效用值小的消息进行插空调度,最后通过实验证明了本文算法的有效性。     

启发式算法在计划排产中的应用

面向单件生产的车间生产作业计划排产问题一直是研究的热点和难点。文中结合汽车模具行业生产管理特点和实际生产状况,针对有限能力排产问题,提出了具体的排产方法和步骤,并建立了基于启发式算法的车间作业优化排序函数。上述研究成果将提高排产的有效性,解决我国单件生产企业在计划排产中普遍存在的问题,对于加强车间生产控制和管理起到促进作用。     

一种基于混合遗传算法的车间调度算法

为了克服单独的遗传算法用于车间作业调度缺点,提出一种遗传算法与启发式算法结合的混合遗传算法,在运用该算法的过程中给出了适合的遗传操作和启发式规则的应用方法。结果表明：混合遗传算法优于两种单独的算法。     

提高卫星服务寿命的任务规划方法研究

基于组网卫星协同工作规划可提高复杂任务处理的基础上,本文探索降低规划风险,提高卫星服务寿命的卫星任务规划方法.从提高卫星服务寿命角度,建立用于描述资源使用期望的目标规划模型;建立卫星任务规划模型,在任务方案与资源使用中考虑了规划风险要素,并将资源使用目标模型引入到任务规划模型中,以期在规划中同时优化卫星服务寿命要素;基于邻域贪心扩展改善遗传禁忌求解算法,并运用分布并行技术提高工程实用性;利用STK提供基础仿真数据,对模型与算法进行了验证.     

C-W算法在配送车辆优化调度中的应用

物流配送车辆优化调度是物流配送中非常关键的一个环节。文章简单介绍了当前最具有代表性的算法,指出目前启发式算法是求解车辆路径问题的主要方法,并以C-W算法为典型,结合实例验证了其对解决配送车辆调度问题的适用性。