基于时空特征的终端区多机场航班时刻优化北大核心

为更好的实施终端区协同决策(CDM),考虑大终端区下多机场的协同运行需要,对终端区内多机场离场航班时刻进行优化。同时考虑各机场的延误时间及航班的总延误成本,建立终端区多机场的协同放行模型;采用改进的多目标粒子群算法对所建模型进行求解。最后对大兴机场开航背景下的京津大终端区分别进行单目标及多目标的仿真验证,仿真结果表明,所提方法优于先到先服务策略(FCFS)且可以有效平衡终端区内各机场总延误成本与总延误时间,兼顾航班延误的均衡性及公平性。     

多阶段多模型的改进微粒群优化算法

针对微粒群优化算法在解决复杂优化问题时易于出现早熟收敛现象,提出了一种多阶段多模型的改进微粒群优化算法。考虑寻优不同阶段的开发与探测能力需求的差异,算法将寻优过程分成3个阶段,各阶段采用不同的模型进行进化。第一阶段利用标准微粒群优化算法发现局部极值的邻域;第二阶段利用Cognition Only模型快速找到局部极值点,提高寻优效率;第三阶段,提出了一种改进的进化模型,利于粒子快速跳出局部极值点,寻找到全局最优点。4种复杂测试函数的实验结果表明：该算法比标准微粒群优化算法（PSO）和基于不同进化模型的两群优化算法（TSE-PSO）更容易找到全局最优解,相比两群微粒群优化算法,还能在一定程度上提高优化效率。     

航班着陆调度的多目标优化研究

航班着陆调度问题是多目标优化问题,难以使用最优化方法求解。为了解决这一难题,以减少航班延迟时间和降低飞行延误成本为目标,提出一种整合的启发式方法。该方法使用吱呀轮算法SWO(Squeaky-Wheel Optimization)进行导向式搜索,并利用改进的GA充分扩展SWO的搜索空间,最后通过合理整合GA和SWO,取得求解效率和求解质量的提高。通过实验仿真对比表明该算法能高效求解该问题,满足了实时调度的需求,同时求解质量也优于其他启发式算法,节省了更多降落时间和成本。     

多代理的航班保障定时序列调度模型

机场航班保障过程是一个典型的离散调度过程，本文通过对机场现行保障模式的分析．提出了基于多代理航班保障定时序列调度模型。此模型的各代理与机场的各项保障业务紧密联系，形成一个定时调度系统，保障了机场生产调度服务正常运营。     

基于相似日PSO-SVM的机场流量预测北大核心

机场流量的精准预测是实施航班控制策略、提高航班正常性的重要依据。为准确把握机场流量分布及变化趋势,提出一种基于机场相似日的粒子群优化支持向量机流量预测方法。首先,通过对目标机场在不同天气下的运行情况进行历史数据统计,构建相似度矩阵建立灰色聚类模型对机场相似日进行筛选;其次,采用粒子群优化的支持向量机方法对筛选出的相似日样本进行训练,对机场交通流量进行预测;最后,以广州白云机场的的运行情况为例进行验证。研究结果表明,所提方法较相似日-BP神经网络及传统的PSO-SVM预测方法精度分别提高了1.03%和5.28%,预测精度较高、稳定性较好,可充分反映交通流的动态变化。     

粒子群优化的改进机场车辆调度模型研究

随着航空事业的迅猛发展,机场车辆调度的安全性和时效性地位已日趋突显,传统的机场车辆调度采取First in first out策略,该策略算法简易,便于实施,缺陷是全部调度的分组被相同对待,无法为实时要求较高的业务提供时延保证,算法也不具有公正性。提出了一种基于粒子群优化的改进机场车辆调度模型,把粒子群已经搜索到的全局最优地点视为一个特殊的粒子,采用梯度降低策略寻优该粒子,全局寻优特性和梯度降低算法的邻域寻优特性相融合,以提升粒子群优化算法的全局寻优效率,减少机场车辆调度计算的时间。仿真实验表明：粒子群优化的改进机场车辆调度模型,能够减少传统调度方法的寻优轮换次数,进而缩短优化调度时间,有效缓解空中堵塞造成的资源浪费。     

多机场地面等待策略的建模与仿真

针对我国空中交通流量管理中出现的大规模航班延误情况,根据多个机场实际起飞和降落容量的约束,建立了一种考虑航班取消的多机场地面等待策略数学模型,并提出求解该模型的有效算法。在所提模型与算法的基础上,选择我国三大机场实际数据进行仿真。对比了取消航班与不取消航班两种情况结果,仿真结果验证了模型与方法的有效性与实用性,给出了最优排序的航班时刻表,从而支持了关键航班的运行,减少了航班总延误。     

基于混合粒子群的航班着陆调度优化研究

研究终端区航班着陆调度优化控制问题,为对多目标着陆实现实时调度,克服粒子群算法易陷入局部最优的问题,提出了一种免疫思想和禁忌搜索的混合粒子群调度算法,在粒子群算法的基础上引入了免疫系统的抗体浓度调节机制,以保证群体多样性.针对算法后期进化速度慢的缺点,采用了具有自适应能力的禁忌搜索算法进一步优化性能.最后将混合粒子群调度算法在不同规模的实例上进行了测试,并与其它几种具有代表性的算法进行了比较.实验结果表明,改进算法不仅较好地避免了陷入局部最优,提高了收敛速度,还有效地减少了航班着陆调度中的延迟.     

计及新能源接入的主动配电网多目标优化仿真北大核心

针对越来越多出力不确定的新能源及负荷大规模接入配电网,影响了主网运行的安全性与经济性。文章对风光出力进行了建模得到风光出力的概率密度函数,经离散变换得到各时段的出力期望值。建立了双层规划模型,上层规划以系统的网络损耗最小来确定分布式电源的安装位置;下层规划根据分布式电源的节点电压稳定性指数、投资效益指标建立的多目标优化数学模型来确定安装容量。采用改进的差分进化算法和量子粒子群算法对模型求解。最后在加入新能源的IEEE33节点系统上进行仿真,并分两阶段对所提模型进行分析,第一阶段分析所提模型对主网安全性的有效优化,第二阶段分析在考虑分时电价下此规划在经济效益方面的有效性。     

粒子群优化算法在多目标优化中的应用与仿真

该文结合经济多目标优化的实际问题,对粒子群算法的初始化进行了改进,在给定范围内进行初始化,并且对于复杂域约束优化问题,给出了其实现与仿真。     

基于改进粒子群优化算法的约束多目标优化

针对约束多目标优化问题,提出一种改进的粒子群优化算法,采用距离量度和自适应惩罚函数相结合的约束处理技术,通过可行解比例有效均衡目标函数和约束条件,提高算法的边界搜索能力。定义新的k最近邻聚集密度,保持解集分布性,并将聚集密度和轮盘赌选择相结合选取全局最优粒子。仿真结果表明,该算法在Pareto解集均匀性及逼近性方面均具有优势。     

基于多目标粒子群–稀疏提升算法的电网频率反馈优化控制

频率反馈控制策略是维持电网频率稳定性的主要手段.本文建立了频率反馈控制系数和电网拓扑与电网频率稳定性的小信号分析模型,推导得出了能改善电网频率稳定性的频率反馈控制系数的参数范围.提出了基于多目标粒子群的稀疏提升算法(multi-objective particle swarm optimization sparse promoting algorithm, MOPSO–SPA),进行频率反馈控制系数矩阵的优化,提高了电网频率响应性能并降低了成本代价.用本文提出的算法设计了IEEE–39标准测试系统和陕北局部电网的频率反馈控制系数,并进行仿真对比,验证了算法的高效性和优越性.     

珠三角地区多机场系统航班时刻的仿真优化

珠三角地区机场分布稠密、空域紧张、航班延误率高。为降低该地区的航班延误,提出以延误分层模型为优化目标,采用空域机场仿真模型SIMMOD对珠三角地区多机场系统仿真建模和有约束限制的并行扰动随机近似（Simultaneous Perturbation Stochastic Approximation,SPSA）优化算法相结合的方法,对珠三角地区多机场系统的航班时刻进行仿真优化研究。采用非光滑反馈对SPSA算法进行了改进。仿真结果表明采用这种仿真优化方法生成的新航班时刻,可有效降低总延误时间。研究对从整体上减少珠三角地区多机场系统的延误成本具有重要价值。     

一种改进的多群协作粒子群优化算法

提出了一种改进的多群协作粒子群优化算法,该算法整个种群采用主从模式,分为一个主群和多个从群,多个从群粒子统一地进行初始化操作,从而避免了多个粒子群重复搜索现象。同时,算法采取了一种扰动策略,即当前全局最优解在扰动因子的迭代周期内保持不变时,就重置粒子的速度,迫使粒子群摆脱局部极小。该算法不仅增加了种群的多样性,扩大了搜索范围,而且还改善整个种群易陷入局部极小值的缺陷。通过9个基准函数进行测试,实验结果表明,IMCPSO与MCPSO算法相比具有明显的优越性。     

面向正点率提升的华北机场群航班时刻优化

近年来,区域机场群协同发展逐渐成为了未来民航发展的基本导向。然而,相比国外关于机场群的研究水平,我国尚处于萌芽阶段,出现了机场群内发展不均衡、缺乏协同、功能定位不清晰、空管运行难度大、服务品质降低等问题。因此,以京津冀机场群为研究对象,借鉴国外先进发展经验,从协同发展的角度对机场群航线优化进行研究。构建了以提升航班正点率为目标的机场群现有航班时刻优化模型,运用粒子群迭代寻优算法求解最优解,将优化后的航班时刻表用SIMMOD进行仿真验证,实验结果表明,经航线优化后的京津冀机场群航班延误得到了缓解,且多机场群系统的航班冲突得到了明显的降低。     

基于多种群粒子群优化算法的主动轮廓线模型

主动轮廓线模型凹陷边界点的寻优属于动态优化问题,由于其复杂性,传统方法不能准确搜索到最佳边界点。若采用单一的粒子群优化算法求解,不仅耗时,而且容易陷入局部极值。针对以上问题,提出一种多种群粒子群优化算法,并将其应用于主动轮廓线模型的边界寻优过程中。该算法为每个控制点设置一个种群,各种群之间通过共享信息的方式协作寻优,从而避免采用单一PSO算法容易早熟的缺点,同时扩大了控制点的搜索区域,提高了收敛速度。将改进方法与传统方法进行了对比,实验结果证明了改进方法的有效性。     

基于粒子群优化的有约束模型预测控制器

研究了模型预测控制(MPC)中解决带约束的优化问题时所用到的优化算法,针对传统的二次规划(QP)方法的不足,引入了一种带有混沌初始化的粒子群优化算法(CPSO),将其应用到模型预测控制中,用十解决同时带有输入约束和状态约束的控制问题.最后,引入了一个实际的带有约束的线性离散系统的优化控制问题,分别用二次规划和粒子群优化两种算法去解决,通过仿真结果的比较,说明了基于粒子群优化(PSO)的模型预测控制算法的优越性.     

粒子群算法下考虑停电成本的微电网储能优化配置模型

本文以粒子群算法为基础,在考虑停电成本前提下,构建了微电网储能优化配置模型。根据微电网负荷特征构建了多类型负荷停电损失模型,提出了以等微增率法为载体的负荷停电时间优化配置方式,并基于新增储能成本与停电损失最小化原则,生成储能优化配置模型,然后以粒子群算法完成了模型求解。通过实例验证,结果表明,本文提出的基于粒子群算法的微电网储能优化配置模型,可在严格遵守负荷最优化停电下,科学合理决策储能容量,且在很大程度上降低总成本。     

锂电池非线性退化模型和多目标储能优化北大核心CSCD

针对锂电池储能退化行为的描述和建模存在的缺陷,提出基于市场收益的锂电池多目标储能优化方法。该方法同时考虑电流大小和充放电状态对锂电池退化性能的影响,将非线性退化行为转化为嵌入式整数线性编码(MILP),实现锂电池能量调度策略的最优化和收益最大化。提出的分段拟合函数和两阶时间分解技术,允许在有限的计算时间内处理更多的锂电池充放电数据,并实现储能最优策略。实验结果表明,所提出的多目标优化策略和非线性退化模型,能够准确地描述锂电池的非线性退化行为。     

用于约束多目标优化问题的混合粒子群算法

针对约束多目标优化问题,结合Pareto支配思想、锦标赛选择和排挤距离技术,采用双种群搜索策略,引进免疫机制,对传统的粒子更新策略进行改进,提出一种用于求解约束多目标优化问题的混合粒子群算法。通过4个标准约束多目标函数进行测试,测试结果表明,该方法有效可行,相比传统多目标优化算法更优。