基于松弛算法的停机位分配优化方法

针对机场近机位资源紧缺及实际航班到离港时间偏离计划时间对停机位分配所造成的扰动，提出了在同机位相邻航班间加入缓冲时间的停机位分配调度方法。首先，建立了以机位空闲时间、远机位占用时间最小为目标的鲁棒性停机位分配模型；然后，设计了一种基于双目标的拉格朗日松弛优化算法，并使用次梯度算法求解拉格朗日松弛算法中的对偶问题。基于国内某枢纽机场运行数据的仿真结果表明，所提方法的优化方案和原始机位分配方案相比，机位使用量和机位空闲时间分别降低了15.79%、7.56%，机位占用率提高了18.72%，并且冲突率降低到3.57%，达到了有效提高停机位利用率与鲁棒性的目的。     

基于免疫遗传算法的停机位动态再分配优化

针对兼顾旅客转机行走距离、航班场面滑行距离和停机位使用效率的多目标停机位分配的问题,以最小化航班停机位分配的扰动性为优化目标,建立停机位动态再分配混合整数规划模型.提出基于航班序列的自然数编码方案,设计改进的免疫遗传求解算法,保证个体在遗传操作中的可行性.将免疫算法中个体密度的概念引入对个体适应度值的评价过程,以保持种群的多样性,避免算法过早收敛.实例仿真结果表明,所提出的优化方法能够有效降低延误航班对停机位预分配计划造成的影响.     

基于遗传算法的机场机位分配策略

通过对大型机场机位分配所受约束和最终目标的分析研究,将其模型化,提出使用遗传算法来解决机场机位分配问题,并设计实现了该算法。为促进算法收敛,引入模拟退火思想对适应度函数进行了修正。实验数据表明,该算法相对已有的其它机位分配方法在计算时间、实时性和结果优化程度上都有一定的优势。目前该方法已经成功应用到国内某国际机场。     

基于蚁群协同算法的图权值停机位分配模型

停机位分配关系到整个机场系统的运行,是机场地面作业的核心部分。根据不同航班占用停机位的时间冲突约束,将航班之间的冲突关系表示成图的权值0-1,基于停机位、航班类型的匹配约束和得到的图的权值,运用蚁群协调算法,在保证不存在停机位分配冲突约束的前提下,以最少数量航班被分配到远停机位和旅客到停机位总行走时间最小为目标函数,对航班进行停机位分配。对枢纽机场进行停机位分配,并与遗传算法在停机位分配上的应用做比较,表明蚁群协调算法在停机位分配上的应用从运行时间和实验结果都明显好于遗传算法,验证了算法的合理性,这一算法可作为机场停机位分配的参考。     

基于多目标优化禁忌搜索算法的停机位分配方法研究

针对机位资源分配不均给机场运行多方带来的公平性问题,提出多目标优化的停机位分配方法。建立以旅客通行距离、飞机滑行距离和远机位使用次数最小为多目标优化分配模型。分析航班属性设置分配优先级表。设计一种基于pareto最优的多目标优化禁忌搜索算法,使用pareto最优策略对解集进行筛选。在机场实际分配方案的基础上进行仿真实验,旅客通行距离和飞机滑行距离分别缩短18%和5%,机位资源的使用数量减少20%,航班靠桥率提高到93%,多目标优化禁忌搜索算法比遗传算法更优。     

基于改进遗传算法的动态交通分配优化研究

传统的优化算法大多数由于计算量大或者容易使性能指标落入局部最优值而严重制约了模型的应用与发展,而用遗传算法等新的智能算法求解则会很简洁和方便。文章针对遗传算法在应用中存在的局限性,采用了小生境技术的遗传算法,结合精英保留策略、种群多样性保持方案、新的适应度值标定方式等改进遗传算法。通过对动态交通分配的特点分析,建立了动态交通分配模型,利用改进的遗传算法对模型进行求解。仿真结果体现了动态交通分配模型的有效性和改进遗传算法的优越性,大大提高了动态交通分配模型的实用价值。     

舰载机甲板停机位分配问题研究

舰栽机甲板停机位分配问题关系到航母飞行甲板作业的效率,合理的停机位分配对于提高甲板作业效率十分重要。对舰载机停机位分配问题进行了详细研究,以舰载机移动路径、加油路径以及挂弹路径总和最小为目标函数,建立了甲板停机位分配模型,利用贪心算法并结合模拟退火算法对模型进行了求解,仿真结果表明,该模型对停机位的分配合理。     

基于规则的机位分配问题研究

首先归纳影响机位分配的约束规则,根据机场的不同需求灵活选择和定制规则,以机位使用空闲时间均衡为目标条件,建立规则可灵活定制的机位分配模型。然后提出穷举遍历和遗传算法相结合的优化算法来求解分配模型。最后用实际数据的仿真结果证明了模型的正确性和算法的有效性,并以图形化的形式展现了航班的机位分配结果。     

基于可变禁忌长度的优化停机位分配

针对机场"最大化停机位利用率"以及"最小化旅客行走路程"问题,提出了一种动态、灵活分配停机位的禁忌搜索算法。首先介绍了基本禁忌搜索算法的相关设计,然后引出了改进后的动态禁忌搜索算法（DTS算法）,最后利用实际数据对改进后的禁忌搜索算法进行演算。通过几组数据的对比可看出,突出可变禁忌长度能够缩短全局寻优的循环次数。而与相关文献的演算结果进行对比显示：在资源不受限情况下,旅客行走总时间减少了15.75%;在资源受限情况下,旅客行走总时间减少了22.84%。实验结果表明,采用动态禁忌搜索算法能够得到更小的旅客行走路程的分配方案。     

基于模仿学习的机场停机位再分配决策算法

针对机位再分配算法结果难以满足不同操作人员操作习惯的问题,提出一种符合实际业务人员操作习惯的机位再分配推荐算法。首先以航班特征属性和停机位的资源占用状态构建决策环境空间模型,将人工操作数据转换为多通道时空矩阵,再以卷积神经网络构建的生成对抗网络（generative adversarial network,GAN）拟合其序贯决策操作策略。仿真结果表明,可靠度在90%以上的调整动作占比最高达到84.4%。经过在三个数据集上的测试,模型对不同来源的操作数据具有较好的区分能力。对比不同扰动下的动态调整结果,算法能够得到航班—机位属性特征与原有人工操作属性特征接近的调整方案。     

基于蚁群-遗传算法的贴片机喂料器分配优化研究

针对在元器件贴装顺序已知的前提下研究拱架式贴片机的喂料器在喂料槽上分配优化的问题,给出了以贴片头在喂料槽移动距离最小化为优化目标的喂料器分配优化模型．利用蚁群算法与遗传算法的混合算法实现对贴片机的喂料槽分配问题进行求解,将蚂蚁搜索的结果进行迭代交换、交叉和变异．为了验证算法有效性,以20块实际生产的PCB为实例进行了测...     

Multi-objective genetic algorithm for berth allocation problem considering daytime preference

Maximization of operational efficiency and minimization of cost are pursued by terminal operators, whereas daytime preference is increasingly emphasized by governments, terminal operators and workers. Daytime preference in berth allocation schedule refers to schedule the workloads in nights as fewer as possible, which improves working comfort, safety, and green and energy-savings degrees, but may decrease the throughput and total operational efficiency. By extending existing dynamic discrete berth allocation model, a bi-objective model considering daytime preference is established to minimize the delayed workloads and the workloads in nights. Based on the well known NSGA-II algorithm, a multi-objective genetic algorithm (moGA) is developed for solving the bi-objective model by using a two-part representation scheme. The sensitivities of the algorithmic parameters and tradeoffs between daytime preference and delayed workloads are analyzed by numerical experiments. The algorithmic aspects of the proposed approach and the effects of daytime preference on solutions are all examined. Finally, the managerial implications are discussed.     

基于遗传算法的多模型自适应控制

利用多个固定模型（或元素模型）来逼近含未知参数的被控系统,基于每一个元素模型建立最优控制器,并由各局部模型控制器的加权和构成被控系统的控制器。对于这种多模型自适应控制器,在每一个采样时刻,每一个元素模型的权值将由遗传算法计算得出。仿真结果表明,采用该文提出的控制器,当被控对象的模型参数剧烈变化时系统输出依然可以很好地跟踪设定值。     

基于改进并行遗传算法的蜂窝网络信道分配

在蜂窝移动通信中,用户需求的不断增长使可用的频谱资源日益紧缺,采用较优的优化算法进行信道分配就显得非常重要。针对这一问题,首次提出了细粒度主从式并行遗传算法,其特点是在进化的过程中动态改变邻域单元,来维持进化过程中的种群多样性,防止算法进入局部最优而过早收敛,增强算法的全局搜索能力。实验仿真表明,该算法对信道分配问题有很强的最优解搜索能力,收敛速度也较快,具有一定的实用价值。     

Resource allocation by genetic algorithm with fuzzy inference

Assuming that a make-to-order manufacturing company has customer orders, the addressed capacity allocation problem is a due-date assignment problem for multiple manufacturing resources. The purpose of this study is to develop an intelligent resource allocation model using genetic algorithm and fuzzy inference for reducing lateness of orders with specific due dates. While the genetic algorithm is responsible for arranging and selecting the sequence of orders, the fuzzy inference module conveys how resources are allocated to each order. Experimental results showed that the proposed model has solved the capacity allocation problem efficiently.     

基于模拟退火遗传算法的多agent系统任务分配

针对标准的遗传算法在任务分配中收敛速度慢的问题,对多agent系统中的任务分配进行形式化描述的基础上,融合模拟退火算法的优化思想,提出了一种基于模拟退火遗传算法的任务分配方法,详细阐述了该算法的基本思想和关键步骤,并通过仿真实验进行验证。仿真实验结果表明,基于模拟退火遗传算法比标准的遗传算法具有更快的收敛速度和寻优效果。     

基于多目标遗传算法的集装箱码头泊位—岸桥分配问题研究

为获得合理的集装箱码头泊位—岸桥分配方案,建立了以最小化船舶在港时间和码头生产成本为目标的优化模型。提出一种多目标遗传算法用于求解该模型,算法中采用染色体组的方式表示可行解,给出了多个约束条件下的交叉算子运算规则,个体的各目标值结合岸桥分配启发式算法求得,并应用Pareto分级方法进行适应度值评价;同时给出了最终实施方案的选择策略。试验算例表明,与单目标优化相比,提出的优化方法能获得使码头综合效益较大的满意解。     

多中继协作系统量子遗传算法的功率分配仿真

考虑了功率受限下多中继协作系统功率分配问题。以最大化系统容量为优化目标,将量子遗传算法应用到多中继协作系统中,提出了基于量子遗传算法的功率分配方案,研究了功率分配方案对系统比特差错率的影响。仿真结果表明,与等功率分配方案及基于遗传算法的功率分配方案相比,基于量子遗传算法的功率分配方案能获得更小的比特差错率。     

A permutation-based dual genetic algorithm for dynamic optimization problems

Adaptation to dynamic optimization problems is currently receiving growing interest as one of the most important applications of genetic algorithms. Inspired by dualism and dominance in nature, genetic algorithms with the dualism mechanism have been applied for several dynamic problems with binary encoding. This paper investigates the idea of dualism for combinatorial optimization problems in dynamic environments, which are also extensively implemented in the real-world. A new variation of the GA, called the permutation-based dual genetic algorithm (PBDGA), is presented. Within this GA, two schemes based on the characters of the permutation in group theory are introduced: a partial-dualism scheme motivated by a new multi-attribute dualism mechanism and a learning scheme. Based on the dynamic test environments constructed by stationary benchmark problems, experiments are carried out to validate the proposed PBDGA. The experimental results show the efficiency of PBDGA in dynamic environments.     

Solving a multi-floor layout design model of a dynamic cellular manufacturing system by an efficient genetic algorithm

This paper presents a mixed-integer programming model for a multi-floor layout design of cellular manufacturing systems (CMSs) in a dynamic environment. A novel aspect of this model is to concurrently determine the cell formation (CF) and group layout (GL) as the interrelated decisions involved in the design of a CMS in order to achieve an optimal (or near-optimal) design solution for a multi-floor factory in a multi-period planning horizon. Other design aspects are to design a multi-floor layout to form cells in different floors, a multi-rows layout of equal area facilities in each cell, flexible reconfigurations of cells during successive periods, distance-based material handling cost, and machine depot keeping idle machines. This model incorporates with an extensive coverage of important manufacturing features used in the design of CMSs. The objective is to minimize the total costs of intra-cell, inter-cell, and inter-floor material handling, purchasing machines, machine processing, machine overhead, and machine relocation. Two numerical examples are solved by the CPLEX software to verify the performance of the presented model and illustrate the model features. Since this model belongs to NP-hard class, an efficient genetic algorithm (GA) with a matrix-based chromosome structure is proposed to derive near-optimal solutions. To verify its computational efficiency in comparison to the CPLEX software, several test problems with different sizes and settings are implemented. The efficiency of the proposed GA in terms of the objective function value and computational time is proved by the obtained results.