基于遗传算法的离场航班时刻优化

针对枢纽机场航班延误和放行正常率低的现象,对离场航班进行合理的调度,将航班延误降到最低,提高放行正常率。作者从机场运行角度出发,考虑了机场实际放行能力、航班调度难度和管制间隔、跑道容量等因素,建立了离场航班优化调度模型,引入遗传算法对该模型进行求解。并利用AirTop对优化结果仿真验证,以上海虹桥国际机场为例,利用所提算法对离港航班时刻进行优化,AirTop仿真结果表明,优化后的航班总延误时间减少了32.3%,延误航班数量也减少了28%。因此,上述算法可以有效地提高机场运行效率,减少航班延误,从而提高经济效益。     

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。     

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。     

基于免疫进化算法的航班过站时间优化模型

针对当前航班延误在航班链中的波及的特性,通过研究航班过站时间对航班延误的影响的内在机理,在基于免疫进化算法基础上,没有增加过站时间的总数,调整过站时间来减少航班的延误波及的优化模型.在保持航班的飞行任务和机组安排不变的情况下,只对航班时刻做出了轻微的修改.根据国内某大型枢纽机场的数据进行仿真实验,调整后的计划可以很好的改善延误的情况.     

成本约束下多机场群航班频率优化模型仿真北大核心

采用目前方法对多机场群航班频率进行优化时,没有考虑旅客的出行成本,对航班频率优化后存在延误时间长、延误航班数量多、出行成本高和日利用率低的问题。提出考虑出行成本的多机场群航班频率优化模型构建方法,在构建航班频率优化模型之前,对旅客的出行方式进行博弈分析,在Stackelberg博弈模型的基础上构建双层博弈模型,上层模型实现社会效益最大化,下层模型实现旅客出行费用最小化,完成多机场群航班频率优化模型的构建,并采用遗传算法对多机场群航班频率优化模型求解,完成航班频率的优化。仿真结果表明,所提方法的延误时间短、延误航班数量少、出行成本低、日利用率低。     

基于改进匈牙利算法的机场航班时刻优化研究

航班时刻是我国治理航班延误、管理空中交通流量最为重要的基础数据之一。针对我国枢纽机场运营高峰时段时刻资源紧张、超负荷运行、放行顺序不合理等情况,分析机场航班运行规律和存在问题,在保证正班航班运输需求的基础上,提出基于历史数据的航班时刻优化模型,并改进匈牙利算法求解,以达到航空公司申请时刻调整量和航班地面等待时间整体最小的目标。结合杭州萧山国际机场历史运行数据,验证了航班时刻优化模型的可行性和适用性,对减少地面延误、提高放行正常率、增加机场容量具有重要作用。     

一种改进的多机场地面等待启发式算法

从满足航空公司关于航班公平性的需求出发,将航班时刻优先规则用于改进基于优先级的多机场地面等待启发式算法(ABG算法).采用被动优先级表,根据航班计划到达时刻的先后,依次分配降落时刻,分配后的降落时刻不再参与试图降低总延误时间的时刻交换处理.基于相同实验数据的计算结果对比表明,改进算法可降低最大延误时刻的50%和输出更为平滑的航班延误分布.     

一种改进的多机场地面等待启发式算法

从满足航空公司关于航班公平性的需求出发，将航班时刻优先规则用于改进基于优先级的多机场地面等待启发式算法（ABG算法）。采用被动优先级表，根据航班计划到达时刻的先后，依次分配降落时刻，分配后的降落时刻不再参与试图降低总延误时间的时刻交换处理。基于相同实验数据的计算结果对比表明，改进算法可降低最大延误时刻的50％和输出更为平滑的航班延误分布。     

基于仿真优化的临时航线动态规划北大核心

为实现空域的灵活使用,对目标空域内军方允许使用的临时航线的动态规划与优化方法进行研究,提出全空域与机场模型(TAAM)和改进离散粒子群优化算法(DPSO)相结合的仿真优化方法。首先,利用TAAM模型构建以最小管制员工作负荷和最低飞行成本为目标的临时航线规划模型;采用组合赋权法和规范化处理确定多目标函数的权重;重新定义DPSO算法的运算规则实现算法改进。以上海部分扇区航路航线的仿真运行数据为例,管制员工作负荷和飞行成本分别下降了13.64%和9.08%。结果表明,上述方法能够有效降低管制员工作负荷和飞行成本,为航班计划的编订提供参考。     

复杂多约束条件下航班除冰延误机理及资源优化配置

针对机场除冰运行存在的除冰航班延误频发、除冰资源使用粗放的问题,提出了考虑航班延误机理的除冰资源优化配置方法.研究了多参数综合影响的除冰效率及航班动态随机环境下的除冰排队延误机理.分析了除冰运行过程的复杂多约束条件,构建了以最小化除冰液消耗、除冰车需求和除冰延误架次为目标的飞机除冰资源多目标优化配置模型.利用自适应网格多目标粒子群算法求解模型并提出了基于多属性决策优化的除冰资源优化配置方法.除冰资源优化配置后除冰液消耗量、除冰车需求量、除冰延误架次相较于优化前分别降低了13.9%,12.8%, 19.3%.该方法为机场除冰运行资源优化提供了新思路.     

Performance analysis of model-free PID tuning of MIMO systems based on simultaneous perturbation stochastic approximation

This paper addresses the performance comparison of simultaneous perturbation stochastic approximation (SPSA) based methods for PID tuning of MIMO systems. Four typical SPSA based methods, which are one-measurement SPSA (1SPSA), two-measurement SPSA (2SPSA), Global SPSA (GSPSA) and Adaptive SPSA (ASPSA) are examined. Their performances are evaluated by extensive simulation for several controller design examples, in terms of the stability of the closed-loop system, tracking performance and computation time. In addition, the performance of the SPSA based methods are compared to the other stochastic optimization based approaches. It turns out that the GSPSA based algorithm is the most practical in terms of the stability and the tracking performance.     

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Arena的仿真优化系统架构设计

利用Arena软件建立了航空兵场站飞行保障过程模型。针对Arena的第三方优化软件OptQuest不能对用户设置的属性进行优化并且不能处理多目标优化问题的局限,以及利用Visual Basic程序从外部分别获取Arena模型和优化算法的仿真优化架构的运行效率低等问题,设计了1种新颖的仿真优化系统架构。该架构是利用Arena内嵌的VBA技术和VBA block模块联合编程实现了以下功能：控制仿真模型、集成优化算法以及向仿真模型重新输人参数3个功能。仿真优化结果表明,这种通过内部调用仿真模型的仿真优化架构是成功有效的。     

基于OPNET的区域综合通信网设计与分析

针对区域综合通信网的规划设计问题,提出了规划设计的总体目标、准则和基本流程,综合考虑网络平均时延和通信网建设费用等因素,建立了网络拓扑结构优化模型,借助启发式算法中的最小生成树(MST)分析法求解模型,并结合通信网实际运用情况,对网络拓扑结构进一步优化.基于OPNET仿真平台建立区域综合通信网的网络仿真模型,通过对网络性能指标的仿真分析,验证了模型的可行性和网络规划设计方法的有效性.     

基于梯度投影法与随机优化算法的约束优化方法

针对带有线性等式和不等式约束的无确定函数形式的约束优化问题,提出一种利用梯度投影法与遗传算法、同时扰动随机逼近等随机算法相结合的优化方法。该方法利用遗传算法进行全局搜索,利用同时扰动随机逼近算法进行局部搜索,算法在每次进化时根据线性约束计算父个体处的梯度投影方向,以产生新个体,从而能够严格保证新个体满足全部约束条件。将上述约束优化算法应用于典型约束优化问题,其仿真结果表明了所提出算法的可行性和收敛性。     

城市过饱和路网的偏好多目标相容优化控制

针对城市过饱和路网的交通信号控制问题,提出将总延误分为主线路段延误和次线路段延误的划分方法,将控制问题描述为冲突的多目标控制。针对冲突多目标控制问题中最优解不唯一,而传统优化方法中一次运行只能得到一个最优解的问题,提出了一种基于偏好的相容优化控制算法：利用偏好信息动态指引寻优的方向,在偏好区域内获得更多有价值的解;提出基于偏好的目标选择函数,保证控制解在偏好区域内的稳定性。在仿真环境中对一个11个交叉口的城市过饱和路网进行实时控制,结果表明,提出的偏好相容控制算法的效果优于定时控制方案。     

Comparative study of stochastic algorithms for system optimizationbased on gradient approximations

Stochastic approximation (SA) algorithms can be used in system optimization problems for which only noisy measurements of the system are available and the gradient of the loss function is not. This type of problem can be found in adaptive control, neural network training, experimental design, stochastic optimization, and many other areas. This paper studies three types of SA algorithms in a multivariate Kiefer-Wolfowitz setting, which uses only noisy measurements of the loss function (i.e., no loss function gradient measurements). The algorithms considered are: the standard finite-difference SA (FDSA) and two accelerated algorithms, the random directions SA (RDSA) and the simultaneous-perturbation SA (SPSA). RDSA and SPSA use randomized gradient approximations based on (generally) far fewer function measurements than FDSA in each Iteration. This paper describes the asymptotic error distribution for a class of RDSA algorithms, and compares the RDSA, SPSA, and FDSA algorithms theoretically (using mean-square errors computed from asymptotic distributions) and numerically. Based on the theoretical and numerical results, SPSA is the preferable algorithm to use.     

基于改进细菌觅食算法的飞控系统多模态参数优化

针对飞控系统参数优化过程中存在的解空间非凸性问题,或由于多约束条件下导致的全局最优不可达问题,提出一种基于改进细菌觅食算法的多模态参数优化方法.采用基于格型准则的采样方法以尽可能广泛地搜索解空间,并利用K均值聚类的小生境技术使得多个细菌种群能够分别搜索各自的区域,以尽可能多地获得解空间中不同位置的可行解.同时研究一种自适应深度搜索策略,确保算法在整个寻优过程中的鲁棒性.所提出算法可以在完成对系统优化的基础上,探寻飞控系统中各参数本身的可行域及其在解空间中所处的位置,也能够在一定程度上揭示解空间本身的特性.仿真结果验证了所提出算法可以有效地简化系统调参的过程,更为快速地获得一个满足设计性能期望的飞控系统.     

基于免疫机制的航班延误快速恢复模型及实现

航班延误是困扰航空运输业的一道世界性难题.在考虑航班延误的经济成本下,借鉴生物免疫系统的免疫应答机制,提出了一种机场大面积航班延误快速恢复模型,并用妥协免疫算法实现B细胞克隆选择来优化航班延误恢复调度过程.针对中国某枢纽机场的航班数据进行了仿真,结果表明,该模型相对于先到先服务调度方法有明显优势,大大提高了航班的整体运转效率,达到了减少航班延误经济损失和快速疏散滞留机场乘客的目的.