采用遗传算法的多机自由飞行冲突解脱策略

为了解决自由飞行时飞机间的冲突解脱问题,提出了一种能够快速准确解算最优航路的算法.遗传算法具有简单通用、鲁棒性强等特点,应用遗传算法通过改变飞行航向和飞行速度2种方式解决了两机及多机间自由飞行冲突解脱问题,同时还探讨了多机相对飞行时冲突解脱的有效飞行机制.仿真结果表明,无论是改变飞行航向还是改变飞行速度,算法均能够较快地得出最优冲突解脱路线,同时当多机在一点处存在冲突时,采用改变航向的解脱方式具有更好的适用性.     

基于遗传粒子群算法的飞行冲突解脱

飞行冲突解脱是空中交通流量控制与优化调度中的难点。针对遗传算法求解多机飞行冲突存在搜索速度慢、易陷入局部最优与早熟收敛的问题,提出一种遗传粒子群算法解决多机飞行冲突。该算法综合遗传算法的全局搜索能力和粒子群算法的记忆功能与快速收敛特性,能够有效地解决遗传算法求解飞行冲突存在的不足。仿真验证了该算法能够得出较好的结果,无论是在搜索速度还是在求解精度上都有明显的提高。     

ADS-B信息的球状模型飞行冲突探测算法

随着空中飞行流量日趋增大,飞行器自由飞行过程中发生碰撞的可能性也越来越大,针对飞行器周围空域进行合理划分,给出了一种基于ADS-B信息的球状模型飞行冲突探测算法.该算法结合ADS-B的原理和特点,运用球状模型取代圆柱体模型对飞行器周围空域进行建模,然后进行冲突目标初选,对可能发生冲突飞行器的位置、航迹交叉点、距离进行计算并预估到达时间,与门限值比较判断能否发生碰撞,最后,对算法进行仿真.结果验证:算法能够更准确并且快速地完成冲突探测,并对驾驶员发出冲突告警,对防止飞行冲突的发生具有积极作用.     

一种基于遗传算法的飞行动作识别方法

提出了一种基于遗传算法的飞行动作识别方法,用于建立飞行动作自动识别专家知识库。通过对遗传算法的改进,能够快速获取飞参数据中的飞行动作数字特征,该方法能得到简练的飞行动作识别规则。仿真结果证明该方法具有较强的实用性和推广性。     

结合进港排序的终端区冲突解脱策略研究

终端区相对于航路,空间狭小,航线密集,航班机动范围有限,已成为飞行事故高发区。针对终端区的特殊情况,提出一种结合进港排序的冲突解脱方法。首先利用进港优化算法对终端区内航班的降落时间进行优化,然后将得到的预计到达时间与实际到达时间差最小作为航班解脱冲突的目标函数,由此得到终端区航班的冲突解脱方法,既保证了飞行安全又提高了运行效率。利用某机场的场景和飞行数据进行仿真,结果表明,此方法有效地解决了终端区飞行冲突问题,同时使航班快速有序地降落到跑道。     

改进蚁群算法的飞机冲突解脱路径规划方法

冲突解脱是空中交通防撞系统中一个关键问题.提出了一种基于改进蚁群算法的冲突解脱路径规划方法.该方法通过优化蚁群算法初始搜索角度,减少了盲目搜索的时间.此外,在搜索过程中引入“精英策略”,对当前时刻寻找的最优解给予额外的信息素增强,使得算法的搜索具有一定的方向性,从而得到更优的规划路径,缩短算法的搜索时间.通过仿真验证,改进后的算法可以得到更优的冲突解脱路径,算法效率更高,在空中交通防撞系统中具有较好的发展前景.     

一种基于ADS-B信息的冲突告警算法

为了解决飞行流量持续快速增长导致的飞行安全问题,给出一种基于ADS-B信息的冲突告警算法。该算法的目的在于发现终端区或机场附近可能存在的飞行冲突,为飞行员采取避让措施提供足够的时间。算法主要由2个模型构成：第1个模型是飞行冲突区域划分模型,该模型包含保护空域(PAZ)和冲突空域(CAZ)2个区域;第2个模型是飞行冲突探测模型,该模型首先对冲突目标初选,然后对有可能发生飞行冲突的飞机从竖直和水平2个方向进行冲突探测并根据探测结果发出相应的告警信息。经大量的Monte-Carlo仿真实验表明该算法性能良好,能及时有效地发现飞行冲突,对确保终端区或者机场附近的安全有着重要意义。     

基于遗传算法的飞行航路规划

飞行航路规划是一个大范围多目标多约束的三维规划问题。遗传算法是一种求解复杂问题的通用方法,该文在遗传算法中加入了飞行航路规划的相关知识来求解问题。首先,根据飞行航路规划中导航点属性复杂的特点,扩充导航点的模型,并在此基础上采用导航点链表形式的自由编码。第二,为加速规划的进程,同时保证充分的随机性和广泛性,初始群体构造采用端点启发初始化方法。第三,适应度函数由惩罚函数和代价函数组合计算,其中惩罚函数对应问题的约束条件,而代价函数对应问题的目标。第四,采用启发式交叉和启发式变异。最后,通过剖面优化操作实现高度维上的调整。仿真结果证明这是适于所研究问题的有效方法。     

遗传算法在航空公司飞行人员排班中的应用研究

国内航空公司机组排班是一个NP难问题,多年来一直采用规划求解的基本方法,论文在综合考虑成本最低和飞行人员工作负荷均衡的基础上,提出了采用自适应遗传算法解决飞行人员排班问题的设计思路,给出了算法改进的实现过程。     

基于一种改进的遗传算法的空间聚类分析

空间数据挖掘是数据挖掘的一个研究分支。空间聚类分析是空间数据挖掘的一个重要的研究领域。传统的K-均值方法用于聚类具有收敛速度快、算法实现简单等特点,但容易陷入局部最优,并对初始解敏感。遗传算法是一种全局搜索算法,但是收敛速度较慢。提出一种改进的遗传算法进行聚类,该算法通过全局搜索与局部搜索相结合,取得较好效果。实验表明:文中提出的算法在聚类分析中搜索到全局最优解(或近似全局最优解)的能力要优于经典的K-均值聚类算法,且局部收敛速度和全局收敛性能较好。     

基于一种改进的遗传算法的空间聚类分析

空间数据挖掘是数据挖掘的一个研究分支。空间聚类分析是空间数据挖掘的一个重要的研究领域。传统的K-均值方法用于聚类具有收敛速度快、算法实现简单等特点，但容易陷入局部最优，并对初始解敏感。遗传算法是一种全局搜索算法，但是收敛速度较慢。提出一种改进的遗传算法进行聚类，该算法通过全局搜索与局部搜索相结合，取得较好效果。实验表明：文中提出的算法在聚类分析中搜索到全局最优解（或近似全局最优解）的能力要优于经典的K-均值聚类算法，且局部收敛速度和全局收敛性能较好。     

基于改进遗传算法的资源优化配置研究

当前在解决资源优化配置问题时往往使用贪婪算法、遗传算法等.但贪婪算法只能选择一个最优度量标准,所以只能获得度量意义下的最优解而不是该问题的最优解,而如果直接使用遗传算法又存在搜索空间过大、耗时过长的问题.提出了一种新的算法.先基于贪婪算法获得问题的初始解空间,然后对初始解空间进行冲突检测与消解,最后运用改进的遗传算法进行优化获得最优方案.测试算例表明大大缩小了遗传算法的搜索空间,在保证获得最优解的条件下加快了收敛速度并有效防止了种群的退化.提出的算法在突发事务的处理方面具有一定的意义.     

基于改进遗传算法的智能排课研究

本文深入地分析了排课问题的软约束条件和硬约束条件,抽象出求解智能排课问题的数学模型。深入分析遗传算法,针对传统的遗传算法,对初始种群进行均匀化、适应度函数、变异算子等方面改进。通过对比实验证明改进的算法完全适用于智能排课问题,而且具有较高的效率,为排课问题的发展提供了新的思路。     

基于STN的时间冲突检测与消解

针对已有的STN一致性检验算法只能检测时间冲突而不能消解冲突的问题,以负环检测算法为基础,提出一种结合冲突检测和冲突消解的迭代算法。设计基于调整代价的冲突消解方法,对负环检测进行增量处理,可提高冲突消解的合理性和速度,减轻计划者处理冲突的负担。实验结果证明该算法具有较高的效率。     

基于改进遗传算法的大规模TSP问题求解方案

TSP问题不仅描述旅行商周游城市的问题,也是许多工程领域中复杂问题的抽象形式,找到一种有效的TSP问题求解方案具有十分重要的意义。针对大规模TSP问题中最小回路代价的求解问题,提出一种基于遗传算法的大规模TSP问题的求解方案,采用分而治之的思想,并对传统遗传算法的初始化和遗传算子进行改进,提高了算法性能。多个数据集上的实验结果证明了提出的算法能够优化收敛结果,一定程度上解决过早收敛的问题。     

基于改进遗传算法智能组卷的研究

通过建立智能组卷数学模型,研究了改进遗传算法在智能组卷算法中的应用,提出了一种基于改进遗传算法来进行智能组卷的方法,实验结果表明,改进的算法在智能组卷的运行速度方面,具有较好的实用性。     

基于改进的遗传算法航班进港排序模型研究

根据不同飞机间尾流间隔建立了以航班总延误时间为目标函数的排序模型,提出了基于精英策略下“截断＋锦标赛”的复合选择算子、均匀交叉算子等策略的遗传算法,并按自适应的交叉、变异概率计算和十进制直观编码方式对其进行了改进。基于这种改进的遗传算法,仿真模拟得到进港航班总延误时间为1571s,比先到先服务方法（FCFs算法）和传统的遗传算法得到的总延误时间分别减少了465s和187s。说明该改进方法能明显提高求解性能,减少航班延误时间。     

改进遗传算法的K-均值聚类算法研究

传统的k-均值算法对初始聚类中心的敏感很大,极易陷入局部最优值;利用遗传算法或免疫规划算法解决初始聚类中心是较好的方法,但后期容易出现收敛速度缓慢.为了克服上述缺点,文章将免疫原理的选择操作机制引入遗传算法中,使个体浓度和适应度同时对个体的选择施加影响,以此提出基于改进遗传算法的K-均值聚类算法,该方法利用K-均值算法的高效性和改进遗传算法的全局优化搜索能力,较好地解决了聚类中心优化问题.试验结果表明,本算法能够有效改善聚类质量,并且具有较好的收敛速度.     

一种基于遗传算法的改进的BP算法

提出一种利用遗传算法对BP算法的改进方案。充分考虑了BP算法的精确性和遗传算法全局寻优的特点．使BP算法摆脱局部极小的困扰,并且所训练的网络能够达到要求的精度。