导读:本文包含了航班着陆调度论文开题报告文献综述及选题提纲参考文献，主要关键词:平行跑道,航班着陆,整数规划,遗传算法
航班着陆调度论文文献综述
王璐,汪云峰,吴辉[1]（2019）在《基于遗传算法的平行跑道航班着陆调度问题研究》一文中研究指出航空行业快速发展,航空流量也在急剧增加,机场的航班调度压力不断增大。为了减少机场拥挤,帮助机场制定合理的航班着陆方案,研究了一个平行跑道航班着陆调度问题。根据所研究的平行航班着陆调度问题的特点,构建了平行航班着陆调度问题的整数规划模型。考虑到CPLEX求解的问题规模有限,设计了一个遗传算法进行求解,仿真结果说明了遗传算法的有效性。(本文来源于《航空计算技术》期刊2019年02期）
陈文平,梁文快,李毅[2]（2016）在《基于滚动时域的遗传-免疫算法优化航班着陆调度》一文中研究指出航班调度问题一直是空中交通管制(ATC)中的一个复杂而具有重要意义的任务,而航班着陆问题(ALS)是其中的核心问题.航班着陆调度是NP-hard问题,具有规模大、约束条件多的特点.因此,为了有效合理地解决航班着陆问题,本文提出了基于滚动时域的遗传-免疫算法(RHC HGIA)的航班着陆调度算法.RHC HGIA主要从两个方面解决航班着陆问题,一方面根据设定的滚动时域长度与大小选择需要进行优化的待降落航班;另一方面对选择的待降落航班使用遗传-免疫算法进行优化并确定其实际着陆时间.经过优化后的航班组成新的航班降落序列,从该序列中选择实际着陆时间在给定时域范围内的航班进行着陆.重新设置滚动时域长度,选择待降落航班进行优化,直到所有待着陆航班都已着陆为止.本文仿真实验以某机场一天内的20架待着陆航班数据为基础,并在机场管制仿真系统中进行模拟仿真.仿真实验表明,与传统航班着陆调度算法(FCFS)相比,经过RHC_HGIA算法优化后的待着陆航班的额外成本有明显的降低.(本文来源于《四川大学学报(自然科学版)》期刊2016年02期）
马卫民,杨文娟,徐博[3]（2016）在《基于受限位移约束的蚁群算法在航班着陆调度问题中的应用研究》一文中研究指出航班着陆调度问题是机场跑道调度中的重要问题,合理的调度策略将极大的减少航班延误。本文提出基于受限位移约束的蚁群算法(CPS-AC),该算法利用了蚁群算法高效的全局搜索能力,同时结合CPS确保调度的可操作性和公平性,能够为实际的空中交通流量管理提供理论方法和依据。数值模拟实验结果表明,CPS-AC算法明显优于经典的先到先服务(FCFS)的调度方法和标准的蚁群算法(AC),能在较短时间内有效减少着陆航班的总延迟时间,且具有较好的收敛性。这些对于减少航班延误,提高着陆容量具有推动作用。(本文来源于《管理工程学报》期刊2016年01期）
崔雪源[4]（2015）在《基于遗传模拟退火算法的航班着陆调度问题》一文中研究指出随着国民经济的持续发展和中国在世界上受欢迎程度持续增加,我国民航飞行量快速增长,导致空中交通拥挤现象越来越严重。尤其在一些较繁忙的大型机场,航班延误现象时有发生。这不仅给航空公司带来了巨大的经济损失和信誉损失,也给旅客的出行安全带来了隐患。为了解决日益严重的空中交通拥挤现象,加大乘坐航班的安全系数,减少航空公司的延误损失,本文对航班调度问题进行了数学建模,建立了基于遗传模拟退火算法的数学模型,对单跑道的航班调度问题进行了充分的研究分析。本文在参照国内外相关研究的基础上,主要对单跑道的航班调度问题进行分析研究。本文首先介绍了空中交通流量管理的相关内容,着重介绍了终端区流量管理的相关知识,包括终端区基本概念,航班飞行过程,航班排序等基础知识。其次,在考虑航班延误损失最小的基础上,建立了航班调度的数学规划模型,并利用先到先服务算法进行仿真分析,并对其进行了模型上的评价。最后,建立了基于遗传模拟退火算法的航班调度模型。主要设计思路有以下几个方面：(1)遗传算法中采用整数序号的编码方式,以航班的实际降落顺序作为染色体的基因值,然后对染色体进行解码,生成航班的实际到达时间。其中解码操作的主要思想是：对于任意的染色体chrom=(χ1,χ2,···,χN),为了保证总损失最小,首先考虑第一个降落的航班x1,令其实际到达时间即为其目标到达时间；然后对于第二个降落的航班x2,从最早到达和最晚到达的时间集合中,删去与航班x1不满足时间间隔的时间,从剩下的时间集合中选择距离x2的目标到达时间最小的时间作为航班的实际到达时间；其次,对于航班x3,同样从其最早达到和最晚达到的时间集合中,删去与航班x,和航班x2都不满足时间间隔的时间,从剩下的时间集合中选择距离x3的目标到达时间最小的时间作为航班的实际到达时间；以此类推可以得到各个航班的实际到达时间,进而完成染色体chrom的解码工作。对解码后的个体reach求解目标函数值objb。(2)对初始种群中染色体进行选择,交叉,变异等操作。其中选择操作采用随机遍历抽样算法SUS。设子代的染色体的个数为Nset,SUS具体方法为：随机排列种群适应度,在[O,SUM/Nsel]范围内随机产生一随机数作为指针,然后生成相隔SUM/Nsel的N sel个指针,选择适应度范围在指针上的个体。相对于轮盘赌选择操作来说,SUS算法不仅具有更低的时间复杂度,而且具有最优零偏差、最小个体扩展。.(3)交叉操作采用两点交叉的方法。首先利用两两配对的原则对子代中的染色体进行两两配对,然后判断它们是否进行交叉操作。对通过交叉概率Pc的染色体进行交叉,首先产生两个随机整数作为交叉位置,交换两个染色体在交叉位置间的基因；然后利用部分映射的方法,消除染色体中的重复基因,最终得到可行的染色体。(4)变异操作采用单点变异的方法。对通过变异概率Pm的染色体进行变异,对个体的某两个位置的基因值进行交换。(5)对经过选择、交叉、变异得到的新个体Selch进行解码,对解码后的个体neureach求解目标函数值newobjv,然后调整解码后的个体并计算新的目标函数值。(6)通过采用以上的遗传操作,再将模拟退火算法加入其中,对产生的新解进行Metropolis准则的判断：设reachi为问题的当前解,newreachi为新解,T为当前温度。objv,newobjv分别为解的目标函数值,增量df=newobjvi-objvi。则Metropolis准则为如果df>0,则以概率1接受新解；否则,以概率exp(—T/df)接受新解,舍弃旧解。基于上面的设计和考虑,建立了基于遗传模拟退火算法的航班着陆调度模型。通过对单跑道航班调度问题的仿真分析,证明了遗传模拟退火算法的有效性。与先到先服务算法相比,遗传模拟退火算法能够更好地减少航班的延误成本。而且算法的适应性更广,能够适合不同目标函数、不同约束条件等情况。(本文来源于《华中师范大学》期刊2015-05-01）
冯兴杰,刘东[5]（2015）在《基于改进免疫粒子群算法的动态航班着陆调度》一文中研究指出为改进机场终端区空中交通流量管理,对动态航班着陆次序进行适当调整,使机场和空域的可用容量达到最有效利用,减少航班延误造成的经济损失,提出一种新颖的动态免疫粒子群优化算法(DIPSO),重点针对待着陆航班的动态变化,结合滑动时间窗,多方面考虑现实约束,在确保航班延误成本最小的同时,兼顾航班着陆的公平性和管制员的工作负荷。仿真结果表明,在处理动态航班着陆问题上与先来先服务相比有效降低了延误成本。(本文来源于《中国民航大学学报》期刊2015年02期）
王东兴,宋雪雁,孙济洲[6]（2015）在《航班着陆调度的多目标优化研究》一文中研究指出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。(本文来源于《计算机应用与软件》期刊2015年02期）
李丹程,曹斌,钟华刚,王威[7]（2014）在《改进GA-PSO算法在多跑道航班着陆调度中的应用》一文中研究指出机场跑道是空中交通管理系统中重要的系统资源.为了合理分配航班的降落跑道和降落顺序,减少航班延误时间,分析了自适应遗传算法和基本粒子群优化算法的运行原理,分别对自适应遗传算法和基本粒子群算法进行改进,将改进自适应遗传算法引进到改进粒子群算法中,建立多跑道航班排序模型,应用改进粒子群遗传算法对跑道调度模型进行求解,并进行算例仿真分析.结果表明,改进混合算法能有效降低总的延误时间并加快收敛速度.(本文来源于《小型微型计算机系统》期刊2014年09期）
刘东[8]（2014）在《粒子群优化算法及其在航班着陆调度中的应用研究》一文中研究指出随着我国民用航空的迅速发展,急剧增长的空中交通需求与有限的枢纽机场空域资源间的矛盾日益尖锐,如何提高机场终端区航班调度自动化水平成为一个亟待解决的难题。简单地通过改善空中交通管制设施作为主要方法来增加空中交通流量已不再可行。对航班波中不同类型的飞机安排一个合适的降落顺序,对于提高机场容量的有效利用率,增大机场的航班流量有着重大意义。终端区航班着陆调度(Aircraft Landing Scheduling,ALS)问题是一类具有多约束协同性的NP难题,其核心是航班协同调度模型和快速排序算法。目前在我国的空管中,航班的着陆调度基本是采用先来先服务(First Come First Served,FCFS)的方式进行的。但该方法不能从航班的机型、整体延误成本等多方面因素去综合考虑,因此其不足之处显而易见。本文分析了标准粒子群(Particle Swarm Optimization,PSO)算法原理,就如何改进标准PSO算法性能以及其在航班着陆调度领域中的应用进行了较为深入的研究。主要工作如下:1.对标准PSO算法原理做了分析,针对算法参数-惯性权重的不足,利用合作精神的思想,确定了一条与问题相适应的惯性权重曲线。并对参数学习因子也做了相应的改进。2.将粒子群算法与免疫机制思想有机结合,提出一种新颖的免疫粒子群优化算法,在两个经典函数逼近问题中对算法的改进做了相应的验证。3.建立滑动时间窗控制的动态航班多目标优化模型,利用动态免疫粒子群(Dynamic Immune Particle Swarm Optimization,DIPSO)算法,以航班总的延误成本最小为目标函数,综合考虑兼顾公平,在多种航空管制约束条件限制下,给出合理调度方案。最后总结了本文所做的工作以及所做工作不足之处,并对枢纽机场终端区航班协同调度的发展和论文研究的后续工作给予了展望。(本文来源于《中国民航大学》期刊2014-05-07）
王东兴[9]（2013）在《航班着陆调度问题研究》一文中研究指出本论文研究的是航班着陆调度问题，即在满足安全着陆的约束条件下，对到达终端区，等待着陆的航班以一定优化目标进行合理调度，最终达到航班安全、高效降落的目的。该问题的解决不仅能大幅提高机场运行过程中航班着陆调度的合理性，从而增大机场的吞吐量，降低航班延迟率，节省能耗，而且能解放人工调度的高负荷工作，保证对航班更安全的调度。另外日益增长的航班数量，更多的航班着陆调度需求，导致对航班着陆调度问题进行合理的求解变得越发的重要，因此具有非常重要的研究和应用价值。本文在分析当前航空公司工作现状以及研究了国内外相关文献的基础上，对航班着陆调度优化问题进行了逐级的探索研究。首先，我们尝试了对航班着陆调度问题进行最优解的求解探索，因为该问题是NP问题，当等待求解的航班数量很大时是不能求出最优解的，所以我们基于小规模的航班数量进行了研究与结果分析，这样的探索给我们两个重要的收获。一个是发现了比传统经典的回溯、动态规划、分支定界等最优解算法更高效的一种求解方法——约束规划；另外找到了对航班着陆调度问题优化求解的两个关键点——求解空间的大小和局部最优解的求解效率。其次，对航班着陆调度问题进行近似最优解的求解探索，启发式方法是求解该问题最常用的方法。通过分析常用的启发式算法，如遗传算法、蚁群算法、模拟退火算法、粒子群算法、吱呀轮算法等等，发现单个启发式算法很难达到求解空间与局部求解效率的平衡。所以我们提出了一个整合的启发式算法，并分别以机场吞吐量优化和航班着陆总延迟优化为优化目标进行了求解，对比验证了该算法求解时间上的高效性和求解质量上的更优性。验证之后，我们又进行了深入研究，研究了该问题的多目标求解及多跑道求解优化，都取得了更好的结果。(本文来源于《天津大学》期刊2013-11-01）
冯兴杰,陈素敏,冯小荣[10]（2013）在《基于混合粒子群的航班着陆调度优化研究》一文中研究指出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。(本文来源于《计算机仿真》期刊2013年09期）
航班着陆调度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
航班调度问题一直是空中交通管制(ATC)中的一个复杂而具有重要意义的任务,而航班着陆问题(ALS)是其中的核心问题.航班着陆调度是NP-hard问题,具有规模大、约束条件多的特点.因此,为了有效合理地解决航班着陆问题,本文提出了基于滚动时域的遗传-免疫算法(RHC HGIA)的航班着陆调度算法.RHC HGIA主要从两个方面解决航班着陆问题,一方面根据设定的滚动时域长度与大小选择需要进行优化的待降落航班;另一方面对选择的待降落航班使用遗传-免疫算法进行优化并确定其实际着陆时间.经过优化后的航班组成新的航班降落序列,从该序列中选择实际着陆时间在给定时域范围内的航班进行着陆.重新设置滚动时域长度,选择待降落航班进行优化,直到所有待着陆航班都已着陆为止.本文仿真实验以某机场一天内的20架待着陆航班数据为基础,并在机场管制仿真系统中进行模拟仿真.仿真实验表明,与传统航班着陆调度算法(FCFS)相比,经过RHC_HGIA算法优化后的待着陆航班的额外成本有明显的降低.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
航班着陆调度论文参考文献
[1].王璐,汪云峰,吴辉.基于遗传算法的平行跑道航班着陆调度问题研究[J].航空计算技术.2019
[2].陈文平,梁文快,李毅.基于滚动时域的遗传-免疫算法优化航班着陆调度[J].四川大学学报(自然科学版).2016
[3].马卫民,杨文娟,徐博.基于受限位移约束的蚁群算法在航班着陆调度问题中的应用研究[J].管理工程学报.2016
[4].崔雪源.基于遗传模拟退火算法的航班着陆调度问题[D].华中师范大学.2015
[5].冯兴杰,刘东.基于改进免疫粒子群算法的动态航班着陆调度[J].中国民航大学学报.2015
[6].王东兴,宋雪雁,孙济洲.航班着陆调度的多目标优化研究[J].计算机应用与软件.2015
[7].李丹程,曹斌,钟华刚,王威.改进GA-PSO算法在多跑道航班着陆调度中的应用[J].小型微型计算机系统.2014
[8].刘东.粒子群优化算法及其在航班着陆调度中的应用研究[D].中国民航大学.2014
[9].王东兴.航班着陆调度问题研究[D].天津大学.2013
[10].冯兴杰,陈素敏,冯小荣.基于混合粒子群的航班着陆调度优化研究[J].计算机仿真.2013