單機(jī)場(chǎng)地面等待課件

1、基于人工魚(yú)群算法的單機(jī)場(chǎng)地面等待優(yōu)化策略 摘要研究成果論文要點(diǎn)結(jié)論1234摘要 目前大型機(jī)場(chǎng)擁塞問(wèn)題日益嚴(yán)重。推遲飛機(jī)起飛時(shí)間, 將成本較高的空中等待轉(zhuǎn)化成地面等待, 是進(jìn)行空中交通流量管理的一個(gè)有效方法。本文研究基于人工魚(yú)群算法的單機(jī)場(chǎng)地面等待優(yōu)化策略并進(jìn)行仿真, 有效地減少了總的地面等待延誤損失, 說(shuō)明該方法是可行的; 通過(guò)與其他幾種智能算法的比較, 驗(yàn)證了該算法執(zhí)行效率高、實(shí)用性強(qiáng)。研究成果 隨著中國(guó)經(jīng)濟(jì)的迅猛發(fā)展, 飛行流量的急劇增加，由于流量控制而造成的航班延誤損失也在逐年增加。目前, 空中交通流量管理問(wèn)題的解決方法有長(zhǎng)期、中期和短期3種策略。地面等待策略(Ground ho ldi

2、ng po licy,GHP ) 是短期策略中處理空中交通流量問(wèn)題的一種重要方法。 國(guó)際上，A ndreat ta 和Romain in2J acu r 是最早深入研究地面等待算法的, 他們研究了一個(gè)單時(shí)間段內(nèi),N 架飛機(jī)到達(dá)一個(gè)擁擠的目的機(jī)場(chǎng)情況, 并給出了用動(dòng)態(tài)規(guī)劃方法獲得一個(gè)地面等待策略。Terrab對(duì)單機(jī)場(chǎng)地面等待問(wèn)題進(jìn)行了研究并建立了相應(yīng)的模型, 但對(duì)時(shí)間周期定義的局限性, 導(dǎo)致在同一時(shí)間周期內(nèi)著陸的航班并沒(méi)有明確的先后次序。 國(guó)內(nèi)對(duì)空中交通流量管理的研究起步較晚, 對(duì)單機(jī)場(chǎng)地面等待問(wèn)題也取得了一些研究成果: 胡明華、徐肖豪對(duì)地面保持策略進(jìn)行了探討; 羅喜伶等建立了基于離散事件系統(tǒng)的

3、地面等待模型; 李雄、徐肖豪建立了地面等待指派模型, 并采用匈牙利算法進(jìn)行了求解; 樊軍等對(duì)地面等待模型進(jìn)行了合理的分解, 將地面等待問(wèn)題轉(zhuǎn)變成類(lèi)似于旅行商問(wèn)題(TSP) 形式, 通過(guò)hopf ield 神經(jīng)網(wǎng)絡(luò)來(lái)求解。單機(jī)場(chǎng)地面等待模型在建立單機(jī)場(chǎng)地面等待模型時(shí), 先作如下假設(shè):(1) 在時(shí)間區(qū)間 0, T 內(nèi), 在目的機(jī)場(chǎng)Z , 著陸航班出現(xiàn)擁擠, 并且機(jī)場(chǎng)Z 是空中交通網(wǎng)絡(luò)惟一的容量受限單元。(2) 有N 個(gè)航班( ) 預(yù)計(jì)在時(shí)間區(qū)間 0, T 內(nèi), 從各自的起飛機(jī)場(chǎng)到達(dá)目的機(jī)場(chǎng)Z。每個(gè)航班的起飛時(shí)刻和飛行時(shí)間都是確定和已知的,并且全部在 0, T 內(nèi)完成著陸。(3) 在時(shí)間區(qū)間 0,

4、T 內(nèi), 機(jī)場(chǎng)容量c (T ) 已知。根據(jù)c (T ) 變化, 把時(shí)間區(qū)間 0, T 劃分為n 個(gè)著陸時(shí)間段, 每個(gè)著陸時(shí)間段內(nèi)有且只有一架航班著陸。航班 的地面等待成本系數(shù) , i1, 2, ,N 已知。 (4) 不考慮航班提前降落, 等待時(shí)間不超過(guò)設(shè)定的最大等待時(shí)間 對(duì)于單機(jī)場(chǎng)地面等待問(wèn)題而言, 在滿(mǎn)足目的機(jī)場(chǎng)Z 容量限制的條件下, 求出每個(gè)航班的最優(yōu)地面等待時(shí)間, 使得總的等待損失最小。因此, 可以得到目標(biāo)函 （1） （2）式中: 為航班 預(yù)計(jì)著陸時(shí)間; 為航班 實(shí)際著陸時(shí)間; 為航班 地面等待時(shí)間?；谌斯~(yú)群算法的基本原理 本算法采用自下而上的設(shè)計(jì)方法, 即首先構(gòu)造人工魚(yú)的個(gè)體模型,

5、 個(gè)體在尋優(yōu)的過(guò)程中自適應(yīng)地選擇合適的行為, 最后全局最優(yōu)結(jié)果通過(guò)群體或者某個(gè)個(gè)體表現(xiàn)出來(lái)。 人工魚(yú)群算法最初是應(yīng)用于連續(xù)函數(shù)優(yōu)化問(wèn)題上的, 這里所討論的單機(jī)場(chǎng)地面等待指派問(wèn)題模型是離散函數(shù)的優(yōu)化問(wèn)題,因此需要對(duì)原始的定義進(jìn)行相應(yīng)的改進(jìn)以滿(mǎn)足應(yīng)用需求。 符號(hào)定義:(1) : 第i 條人工魚(yú)的狀態(tài), 在本文中表示給一組航班指派的著陸時(shí)間段序列。例如 = (1, 2,5, 4, 3) 代表在第i 條人工魚(yú)中, 給航班(F 1, F 2, ,F 5) 分別指派在第1, 2, 5, 4, 3 著陸時(shí)間段著陸。(2) y = f (x ) : 目標(biāo)函數(shù)值, 在本文中表示總的地面等待損失。 (3) dis

6、tance ( , ): 表示人工魚(yú)狀態(tài) 和 之間的距離, 令= ( , , ) , = ( , , ) , 其計(jì)算見(jiàn)式(9, 10)distance ( , ) = (9) 1, x0 sign(x) = 0, x=0 (10) -1, x0本文中所出現(xiàn)的距離概念, 實(shí)際上就是同一組航班在不同的指派方案中, 所對(duì)應(yīng)的著陸時(shí)間段的差異程度, 即有多少個(gè)著陸時(shí)間段是不一樣的。 表1仿真算例相關(guān)數(shù)據(jù) 算法的效率性分析： 本文中用蟻群算法、模擬退火算法和人工魚(yú)群算法對(duì)模型進(jìn)行仿真, 驗(yàn)證了人工魚(yú)群算法的高效性。將幾種智能算法各仿真計(jì)算10 次, 執(zhí)行效果和效率的比較結(jié)果如表2所示。 表2 各種智能算法的仿真比較 從表2 可以看出, 航班規(guī)模為10 架時(shí), 人工魚(yú)群算法在效果和效率上都好于其他兩種算法; 航班規(guī)模在20 架時(shí), 人工魚(yú)群算法能夠取得較好的結(jié)果, 并且效率優(yōu)于其他兩種算法。同時(shí)當(dāng)航班規(guī)模增加為20 架時(shí), 使得算法的執(zhí)行時(shí)間有較大幅度的增加, 但仍然在可接受范圍內(nèi); 但當(dāng)航班規(guī)模增加為25 架時(shí), 3 種算法的計(jì)算時(shí)間都超過(guò)了3m in。為了解決這一問(wèn)題可以采用分段計(jì)算方法或者定步長(zhǎng)的方法, 有效地降低計(jì)算復(fù)雜性。 結(jié)論： 通過(guò)對(duì)基于人工魚(yú)群算法的單機(jī)場(chǎng)地面等待策略進(jìn)