基于航班延誤情況下的登機橋作業(yè)調度方法的研究
發(fā)布時間：2021-06-18 13:03
航班延誤導致機場事先安排好的登機橋調度方案無法滿足實時需求,為了使機場在航班延誤時能夠更有效地運行,就需要對登機橋進行再調度。通過分析基于航班延誤的登機橋調度問題的目標,基于人工蜂群算法,提出機場登機橋調度以停靠在遠機位航班數(shù),航班登機橋原有對應關系的改動數(shù)及乘客進港所用時長加權之和最小為目標的調度模型。該模型可用于機場在預先知道延誤航班信息的前提下,對不同時段的延誤航班實現(xiàn)對登機橋的高效再調度,很大程度上提高機場運行控制的效率。通過國內某大型機場的某天某時段的實際航班信息進行實驗及仿真,結果表明,該模型及方法可以很好地利用到機場實際運行中。
【文章來源】：計算機應用與軟件. 2019,36(08)北大核心
【文章頁數(shù)】：7 頁
【部分圖文】：
初始可行解搜索流程圖
頁齦?漚?。原始logistic混沌映射為:xk+1=μxk(1－xk)(14)式中:k為迭代次數(shù)，k=(1，2，…，K)，K為最大迭代次數(shù)。當μ=4時，y1∈(0，1)，且y1≠(0．25，0．5，0．75)，此時，式(14)是一個混沌系統(tǒng)。本文采用文獻［9］的映射模型:xk÷1=ωxk－2tanh(ξxk)exp(－3xk2)(15)當μ=4，y1=0．65，ω=0．5，ξ=2．7時，式(14)及式(15)對應的混沌系統(tǒng)如圖2和圖3所示。由圖可知，式(14)混沌系統(tǒng)產生的解分布在(0，1)之間，式(15)混沌系統(tǒng)產生的解分布在(－1，1)之間。在產生最優(yōu)解的過程中，由于引進了當前代最優(yōu)解的概念，所以選擇式(15)產生的隨機序列有更大的范圍及更好的遍歷性，能產生較高質量的個體。圖2式(14)混沌系統(tǒng)圖3式(15)混沌系統(tǒng)2．5改進跟隨蜂局部搜索策略跟隨蜂在雇傭蜂搜索完成產生的最好個體xgbest基礎上再次搜索更好個體［10－11］，然后在xgbest附近根據(jù)式(16)再進行k次混沌搜索，得到k個個體，比較k個個體中質量最高的個體作為xkbest，比較xgbest與xkbest的適應度值，選擇大的成為最優(yōu)個體xbest。本文中觀察蜂搜索就是將某個航班在其可停靠的登機橋集合里重新選擇一個登機橋進行替換。在xgbest附近進行混沌搜索的公式為:yk=xgbest+xk(16)產生新食物源的更新公式為Vik:Vik=xbest+τ(xik－xbest)+φ(xr1，k－xr2，k)(17)式中:i=1
。原始logistic混沌映射為:xk+1=μxk(1－xk)(14)式中:k為迭代次數(shù)，k=(1，2，…，K)，K為最大迭代次數(shù)。當μ=4時，y1∈(0，1)，且y1≠(0．25，0．5，0．75)，此時，式(14)是一個混沌系統(tǒng)。本文采用文獻［9］的映射模型:xk÷1=ωxk－2tanh(ξxk)exp(－3xk2)(15)當μ=4，y1=0．65，ω=0．5，ξ=2．7時，式(14)及式(15)對應的混沌系統(tǒng)如圖2和圖3所示。由圖可知，式(14)混沌系統(tǒng)產生的解分布在(0，1)之間，式(15)混沌系統(tǒng)產生的解分布在(－1，1)之間。在產生最優(yōu)解的過程中，由于引進了當前代最優(yōu)解的概念，所以選擇式(15)產生的隨機序列有更大的范圍及更好的遍歷性，能產生較高質量的個體。圖2式(14)混沌系統(tǒng)圖3式(15)混沌系統(tǒng)2．5改進跟隨蜂局部搜索策略跟隨蜂在雇傭蜂搜索完成產生的最好個體xgbest基礎上再次搜索更好個體［10－11］，然后在xgbest附近根據(jù)式(16)再進行k次混沌搜索，得到k個個體，比較k個個體中質量最高的個體作為xkbest，比較xgbest與xkbest的適應度值，選擇大的成為最優(yōu)個體xbest。本文中觀察蜂搜索就是將某個航班在其可�？康牡菣C橋集合里重新選擇一個登機橋進行替換。在xgbest附近進行混沌搜索的公式為:yk=xgbest+xk(16)產生新食物源的更新公式為Vik:Vik=xbest+τ(xik－xbest)+φ(xr1，k－xr2，k)(17)式中:i=1，2
【參考文獻】：
期刊論文
[1]淺析基于顧客需要的民航運輸服務[J]. 彭巍,賴懷南. 空運商務. 2018(07)
[2]基于改進鄰域搜索策略的人工蜂群算法[J]. 魏鋒濤,岳明娟,鄭建明. 控制與決策. 2019(05)
[3]一種劣解突變策略引導的混合人工蜂群算法[J]. 火久元,張政,孟凡明. 計算機應用與軟件. 2018(02)
[4]基于可變禁忌長度的優(yōu)化停機位分配[J]. 李亞玲,李毅. 計算機應用. 2016(10)
[5]不正常航班旅客流恢復方法研究[J]. 顧兆軍,安一然,潘杰. 計算機應用與軟件. 2016(06)
[6]基于信息反饋和改進適應度評價的人工蜂群算法[J]. 陳杰,沈艷霞,陸欣. 智能系統(tǒng)學報. 2016(02)
[7]基于航空公司運行成本和公平性的停機位指派[J]. 薛清文,姜雨,劉照明,曾琳燕. 航空計算技術. 2016(01)
[8]基于細菌趨藥性和當前最優(yōu)解策略的人工蜂群算法[J]. 周長喜,毛力,吳濱,楊弘,肖煒. 計算機應用與軟件. 2016(01)
[9]基于改進粒子群算法的機位分配問題研究[J]. 陳驍睿. 軟件. 2015(01)
[10]中國航班延誤的現(xiàn)狀、原因及治理路徑[J]. 董念清. 北京航空航天大學學報(社會科學版). 2013(06)
本文編號：3236711
【文章來源】：計算機應用與軟件. 2019,36(08)北大核心
【文章頁數(shù)】：7 頁
【部分圖文】：
初始可行解搜索流程圖
頁齦?漚?。原始logistic混沌映射為:xk+1=μxk(1－xk)(14)式中:k為迭代次數(shù)，k=(1，2，…，K)，K為最大迭代次數(shù)。當μ=4時，y1∈(0，1)，且y1≠(0．25，0．5，0．75)，此時，式(14)是一個混沌系統(tǒng)。本文采用文獻［9］的映射模型:xk÷1=ωxk－2tanh(ξxk)exp(－3xk2)(15)當μ=4，y1=0．65，ω=0．5，ξ=2．7時，式(14)及式(15)對應的混沌系統(tǒng)如圖2和圖3所示。由圖可知，式(14)混沌系統(tǒng)產生的解分布在(0，1)之間，式(15)混沌系統(tǒng)產生的解分布在(－1，1)之間。在產生最優(yōu)解的過程中，由于引進了當前代最優(yōu)解的概念，所以選擇式(15)產生的隨機序列有更大的范圍及更好的遍歷性，能產生較高質量的個體。圖2式(14)混沌系統(tǒng)圖3式(15)混沌系統(tǒng)2．5改進跟隨蜂局部搜索策略跟隨蜂在雇傭蜂搜索完成產生的最好個體xgbest基礎上再次搜索更好個體［10－11］，然后在xgbest附近根據(jù)式(16)再進行k次混沌搜索，得到k個個體，比較k個個體中質量最高的個體作為xkbest，比較xgbest與xkbest的適應度值，選擇大的成為最優(yōu)個體xbest。本文中觀察蜂搜索就是將某個航班在其可停靠的登機橋集合里重新選擇一個登機橋進行替換。在xgbest附近進行混沌搜索的公式為:yk=xgbest+xk(16)產生新食物源的更新公式為Vik:Vik=xbest+τ(xik－xbest)+φ(xr1，k－xr2，k)(17)式中:i=1
。原始logistic混沌映射為:xk+1=μxk(1－xk)(14)式中:k為迭代次數(shù)，k=(1，2，…，K)，K為最大迭代次數(shù)。當μ=4時，y1∈(0，1)，且y1≠(0．25，0．5，0．75)，此時，式(14)是一個混沌系統(tǒng)。本文采用文獻［9］的映射模型:xk÷1=ωxk－2tanh(ξxk)exp(－3xk2)(15)當μ=4，y1=0．65，ω=0．5，ξ=2．7時，式(14)及式(15)對應的混沌系統(tǒng)如圖2和圖3所示。由圖可知，式(14)混沌系統(tǒng)產生的解分布在(0，1)之間，式(15)混沌系統(tǒng)產生的解分布在(－1，1)之間。在產生最優(yōu)解的過程中，由于引進了當前代最優(yōu)解的概念，所以選擇式(15)產生的隨機序列有更大的范圍及更好的遍歷性，能產生較高質量的個體。圖2式(14)混沌系統(tǒng)圖3式(15)混沌系統(tǒng)2．5改進跟隨蜂局部搜索策略跟隨蜂在雇傭蜂搜索完成產生的最好個體xgbest基礎上再次搜索更好個體［10－11］，然后在xgbest附近根據(jù)式(16)再進行k次混沌搜索，得到k個個體，比較k個個體中質量最高的個體作為xkbest，比較xgbest與xkbest的適應度值，選擇大的成為最優(yōu)個體xbest。本文中觀察蜂搜索就是將某個航班在其可�？康牡菣C橋集合里重新選擇一個登機橋進行替換。在xgbest附近進行混沌搜索的公式為:yk=xgbest+xk(16)產生新食物源的更新公式為Vik:Vik=xbest+τ(xik－xbest)+φ(xr1，k－xr2，k)(17)式中:i=1，2
【參考文獻】：
期刊論文
[1]淺析基于顧客需要的民航運輸服務[J]. 彭巍,賴懷南. 空運商務. 2018(07)
[2]基于改進鄰域搜索策略的人工蜂群算法[J]. 魏鋒濤,岳明娟,鄭建明. 控制與決策. 2019(05)
[3]一種劣解突變策略引導的混合人工蜂群算法[J]. 火久元,張政,孟凡明. 計算機應用與軟件. 2018(02)
[4]基于可變禁忌長度的優(yōu)化停機位分配[J]. 李亞玲,李毅. 計算機應用. 2016(10)
[5]不正常航班旅客流恢復方法研究[J]. 顧兆軍,安一然,潘杰. 計算機應用與軟件. 2016(06)
[6]基于信息反饋和改進適應度評價的人工蜂群算法[J]. 陳杰,沈艷霞,陸欣. 智能系統(tǒng)學報. 2016(02)
[7]基于航空公司運行成本和公平性的停機位指派[J]. 薛清文,姜雨,劉照明,曾琳燕. 航空計算技術. 2016(01)
[8]基于細菌趨藥性和當前最優(yōu)解策略的人工蜂群算法[J]. 周長喜,毛力,吳濱,楊弘,肖煒. 計算機應用與軟件. 2016(01)
[9]基于改進粒子群算法的機位分配問題研究[J]. 陳驍睿. 軟件. 2015(01)
[10]中國航班延誤的現(xiàn)狀、原因及治理路徑[J]. 董念清. 北京航空航天大學學報(社會科學版). 2013(06)
本文編號：3236711
本文鏈接：http://www.sikaile.net/kejilunwen/sousuoyinqinglunwen/3236711.html
