面向正点率提升的华北机场群航班时刻优化

近年来,区域机场群协同发展逐渐成为了未来民航发展的基本导向。然而,相比国外关于机场群的研究水平,我国尚处于萌芽阶段,出现了机场群内发展不均衡、缺乏协同、功能定位不清晰、空管运行难度大、服务品质降低等问题。因此,以京津冀机场群为研究对象,借鉴国外先进发展经验,从协同发展的角度对机场群航线优化进行研究。构建了以提升航班正点率为目标的机场群现有航班时刻优化模型,运用粒子群迭代寻优算法求解最优解,将优化后的航班时刻表用SIMMOD进行仿真验证,实验结果表明,经航线优化后的京津冀机场群航班延误得到了缓解,且多机场群系统的航班冲突得到了明显的降低。     

基于改进匈牙利算法的机场航班时刻优化研究

航班时刻是我国治理航班延误、管理空中交通流量最为重要的基础数据之一。针对我国枢纽机场运营高峰时段时刻资源紧张、超负荷运行、放行顺序不合理等情况,分析机场航班运行规律和存在问题,在保证正班航班运输需求的基础上,提出基于历史数据的航班时刻优化模型,并改进匈牙利算法求解,以达到航空公司申请时刻调整量和航班地面等待时间整体最小的目标。结合杭州萧山国际机场历史运行数据,验证了航班时刻优化模型的可行性和适用性,对减少地面延误、提高放行正常率、增加机场容量具有重要作用。     

基于网络遗传算法的全局优化

本文在分析当前全局优化方法研究现状的基础上,提出了一种改进的遗传算法――网络遗传算法,应用简单实例说明了网络遗传算法的具体操作,同时应用大量数值实例证明了网络遗传算法解决全局优化问题的可行性、正确性、有效性。     

基于MATLAB遗传算法优化工具箱的优化计算

采用Matlab语言编制的遗传算法工具箱（GAOT）可实现二进制编码和真值编码的模拟进化计算，此工具箱在遗传操作方面非常灵活。介绍了用遗传算法工具箱解决了连续优化问题和旅行商问题，并给出了两个实例。     

基于遗传算法的机场滑行调度优化策略

提出一种基于遗传算法的滑行调度优化策略。该策略首先用遗传算法确定各航班经过交叉点的顺序,再根据上一步得到的顺序求解具体的调度计划,并反复迭代以逐渐优化,直到得到最优解或满意解。相对于混合整数线性规划（MILP）模型而言,有效地提高了求解效率,减少了求解时间。     

基于遗传算法的工程项目资源优化

基于遗传算法建立了面向工程项目的资源优化模型。通过在模型中构造一个能反映“资源分配”和“资源均衡”两方面优化程度的适应度函数,并在复制操作中,对群中个体先进行分类再选择复制,有效地解决了多种资源的综合优化问题。给出了利用遗传算法对资源优化问题的求解设计思路,阐述了算法的实现流程,并通过实例验证了该模型的可行性。     

基于量子遗传算法的非线性无约束优化方法

量子遗传算法(QGA)是量子计算和遗传算法相结合的产物,量子遗传算法将量子比特和量子旋转门表示引入到遗传算法中,具有比遗传算法更好的搜索效率和收敛性。非线性无约束优化是典型的工程应用问题,而复杂非线性函数的优化结果往往不能令人满意,如陷入局部最优等。利用量子遗传算法强大的搜索能力,可以很好的解决复杂非线性函数的无约束优化问题,实验表明量子遗传算法在该类问题中的有效性和可行性。     

基于优化遗传算法的FCM

针对FCM算法容易收敛于局部极小点的缺陷,将一种优化的遗传算法应用于FCM上,很好地解决了算法的抗局部收敛性。实验结果表明,改进后的算法不仅保留着原FCM算法的快速收敛优势,还很好地控制了局部收敛,提高了算法的全局搜索能力,具有更好的聚类性能。     

基于时空特征的终端区多机场航班时刻优化北大核心

为更好的实施终端区协同决策(CDM),考虑大终端区下多机场的协同运行需要,对终端区内多机场离场航班时刻进行优化。同时考虑各机场的延误时间及航班的总延误成本,建立终端区多机场的协同放行模型;采用改进的多目标粒子群算法对所建模型进行求解。最后对大兴机场开航背景下的京津大终端区分别进行单目标及多目标的仿真验证,仿真结果表明,所提方法优于先到先服务策略(FCFS)且可以有效平衡终端区内各机场总延误成本与总延误时间,兼顾航班延误的均衡性及公平性。     

基于免疫遗传算法的关系型数据库查询优化技术

本文引入结合免疫系统原理和遗传算子自适应调整的算法,即免疫遗传算法。该算法具有可防止未成熟收敛和保证种群的多样性等优点。在使用此算法搜索最优解时,可防止陷入局部寻优情况的出现。经过实验计算,免疫遗传算法对多连接查询优化有很好的效果,优化后的查询代价较遗传算法有很大的降低。     

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。     

基于遗传算法的轨道交通线路排班优化研究

根据轨道交通系统的特点,考虑不同出行方式,建立基于遗传算法的轨道交通线路排班模型;并对整个算法进行设计,使其在有限的算法步骤内,找出所有满足约束条件的最优或次优解。     

基于遗传算法的维修任务调度优化及仿真

针对复杂维修任务调度问题,用Matlab编写的程序计算出满足约束条件的几组备选分配方案,筛选出有用方案后,用遗传算法计算各备选分配方案下的总维修跨度时间,取其中时间最短的作为最终方案并绘制甘特图。根据甘特图采用Extend软件对调度过程进行仿真,结果证明,该算法理论调度方案的总维修跨度时间和Extend仿真时间一致,能有效节省维修时间。     

基于遗传算法的排课系统研究

排课问题是一个有约束的、多目标的、难解的组合优化问题．利用遗传算法建立排课数据模型,定义一个包含教师编号、班级编号、课程嫡号、上课时间等染色体编码方案和适应度函敷,通过选择、交叉、变异等过程不断进化,得到近优解,使现有教学资源进行科学合理的安排。在实践中具有一定的应用价值。     

基于约束满足和遗传算法的排课算法

针对高校排课过程中存在诸多资源约束因素的问题,提出一种将遗传算法与约束满足算法相结合的排课算法,由约束满足算法确定排课任务的优先次序,遗传算法解决单个排课任务时间片分配的优化问题。算法中单个排课任务的局部最优解具有全局最优性。实验结果表明,该算法能够改进算法性能,提高排课效率。     

基于能量状态法的飞机节油轨迹优化及其遗传算法实现

研究了高高空长航时飞机基于能量状态法的节油轨迹优化方法及其遗传算法寻优实现.用能量状态概念简化飞机运动模型,应用最优控制理论进行飞机飞行性能的优化,使用遗传算法进行全局寻优,继而生成最优节油飞行轨迹,并通过Matlab程序进行仿真.仿真结果表明用遗传算法进行全局寻优,程序的寻优效率较高,仿真时间较短,得到的结果也更趋合理,节省了飞机的燃油量,缩短了爬升时间.     

基于遗传算法的某航空发动机装配车间优化调度

航空发动机装配车间装配生产线的调度问题,是一类比较典型的混合Flowshop问题,同时还带有工件可重人等特点,这就区别于一般的Flowshop和Jobshop调度问题,因此,将可重入混合车间调度问题划为第三类调度问题。关于重入式混合车间生产调度的优化问题通常来说都是属于NP难问题。文中通过某航空发动机装配车间生产线的研究,以最小化最大完工时间为目标函数,借助随机矩阵的编码方式和改进的交叉方法与变异方法,提出了基于遗传算法的调度优化方法。最后实验结果表明,文中提出的改进算法能够有效地实现装配车间调度的优化。     

基于小生境遗传算法的网格任务调度

任务调度是网格研究中的NP问题。在研究现有任务调度算法的基础上,分析小生境遗传算法的优点,引入种群排序三原则,优化种群结构,提出基于改进小生境遗传算法的网格任务调度方法,并运用GridSim工具进行仿真实验验证。实验结果表明,该方法结果精度和收敛速度优于普通遗传算法,能降低资源占用率。     

基于元胞自动机遗传算法的云资源调度

针对传统遗传算法易陷入早熟收敛等问题,提出一种改进的元胞自动机遗传算法(CGA),并将其应用于云环境下的资源调度。分析云计算环境中处理用户群请求的庞大任务数及资源合理分配的问题,利用CGA算法寻求一组最优的资源调度方案。在CloudSim仿真平台上进行实验,结果表明,CGA算法能缩短任务完成时间,降低用户总成本,满足云环境下的资源调度要求。     

基于改进遗传算法的排课问题研究

针对遗传算法在解决排课问题中易陷入局部最优解的缺陷,提出一种改进的遗传算法。在传统遗传算法基础之上,融合模拟退火思想,使交叉得到的子代以一定概率进入下一代,并对传统的基于概率的计算方法进行改进, 编排出优质的课表。实验结果表明改进算法不仅加快了前期进化速度,而且解决了遗传算法后期易陷入局部最优解的缺陷。