论文部分内容阅读
随着我国经济的高速发展,空中运输需求量持续上升,由此带来了我国航空运输业的兴起和快速发展。由于空中交通流量的激增,我国现有的航空运输设备和管理技术变得难以适应;在空中交通流量的高峰期,会出现严重的空中交通拥挤,从而导致航班大面积延误,造成巨额经济损失,也给飞机飞行带来安全隐患。地面等待策略作为一种缓解空中交通拥挤的有效措施,其实现依赖于合理的问题模型构建及其高效求解方法的设计。本文着重讨论机场地面等待问题,分别针对单跑道和多跑道场景,构建了相应的问题模型,并设计进化优化方法对问题进行求解。
首先,建立了一种单跑道地面等待问题的事件驱动优化模型,该模型综合考虑了航班的延误成本差异、最大延误时限等因素;设计了一种改进的自适应遗传算法对模型进行求解,该算法对传统适应度函数形式和初始群体的产生加以改进,并针对问题特征定义了交叉算子。通过对算例进行仿真验证,实验结果表明上述模型与算法在降低延误成本和控制航班最长延误时间方面取得了明显的优化效果。
然后,在单跑道地面等待问题模型的基础上,建立了一种考虑航班延误成本差别、续航航班延误时间的多跑道机场地面等待问题多目标优化模型,以更全面地描述这一问题的特性;提出了一种自适应多局部搜索遗传算法对问题加以求解,算法在不同阶段采用不同的局部搜索策略,其中自适应定向局部搜索策略使个体的搜索速度根据个体、最优个体以及群体信息进行调整。实验结果表明,本文的多跑道地面等待问题模型与算法能够较好地降低航班延误费用以及续航航班延误时间。
最后,依据航班的进离港过程,提出了一种实时计算航班优先系数策略;并在前述两种模型的基础上,建立了一种进离港地面等待问题多目标优化模型,使得延误损失在进离港航班之间的分配合理化;同时,综合考虑航班的延误成本差别、最大延误时限以及续航航班延误时间等多种因素,以达到延误损失和续航航班延误时间的多目标优化。针对问题模型的复杂性以及现有多目标遗传算法的不足,提出了一种引入局部搜索机制的多种群遗传算法对问题求解,并改进优秀个体迁移策略,实现多目标的协同优化。以国内某机场进离港航班为仿真算例,实验结果验证了进离港地面等待问题模型与算法在实现多目标优化时的有效性。