人工智能-例

13
例
14
例
遗传算法在终端区飞机排序中的应用 徐肖豪 中国民航学院 交通动输工程学报》 年第3期 《交通动输工程学报》2004年第 期 年第
摘要 研究了遗传算法在终端区跑道分配以及飞机排序 中的应用,建立了多条跑道多架飞机排序的数学模型 并 中的应用 建立了多条跑道多架飞机排序的数学模型,并 建立了多条跑道多架飞机排序的数学模型 进行了算例仿真分析。仿真结果表明 遗传算法与先到 进行了算例仿真分析。仿真结果表明,遗传算法与先到 先服务排序相比较,适应度增加了 先服务排序相比较 适应度增加了80 % ,延时减小了 适应度增加了 延时减小了 40% ,说明遗传算法的排序结果优于先到先服务的排序 说明遗传算法的排序结果优于先到先服务的排序 结果。 结果。 关键词:空中交通管制 终端区;遗传算法 飞机排序;跑道 关键词 空中交通管制;终端区 遗传算法;飞机排序 跑道 空中交通管制 终端区 遗传算法 飞机排序 分配
8
例
5)如果‘n’节点是目标节点 即队列中最后一个节 如果‘ ’节点是目标节点(即队列中最后一个节 如果 那么成功退出,并且返回一个从 点) ,那么成功退出 并且返回一个从‘n’节点的直接 那么成功退出 并且返回一个从‘ ’ 父节点回溯到原始节点的最佳队列。 父节点回溯到原始节点的最佳队列。 6)展开节点‘n’:找到所有可以放到队列中‘n. dep 展开节点‘ ’ 找到所有可以放到队列中 找到所有可以放到队列中‘ 展开节点 th + 1’位置的飞机 对应飞机的节点就是节点‘n’ 对应飞机的节点就是节点‘ ’ ’位置的飞机,对应飞机的节点就是节点 的子节点,这些子节点形成一个集合 这些子节点形成一个集合M。 的子节点 这些子节点形成一个集合 。 7) 确保集合 没有任何那些已经存在于 确保集合M 没有任何那些已经存在于OPEN或 或 CLOSED 列表中的节点 然后添加 中的成员到 列表中的节点,然后添加 然后添加M OPEN列表。 列表。 列表 8)结合最小间隔约束 以数学模型中的估价函数式 4) 结合最小间隔约束,以数学模型中的估价函数式 结合最小间隔约束 以数学模型中的估价函数式( 的计算值,按照升序重新排列 按照升序重新排列OPEN列表的顺序。 列表的顺序。 的计算值 按照升序重新排列 列表的顺序 9)转到 转到LOOP。 转到 。
飞机排序的常用方法是先到先服务( 的方法,根 飞机排序的常用方法是先到先服务 FCFS)的方法 根 的方法 据飞机预计到达时间(ETA) ,对于到达的飞机进行排 据飞机预计到达时间 对于到达的飞机进行排 并给出合理的间隔,但延误相对较大 序,并给出合理的间隔 但延误相对较大。 并给出合理的间隔 但延误相对较大。
例
A算法在终端区飞机排序中的应用 算法在终端区飞机排序中的应用 西北工业大学 李伟 西北工业大学 科学技术与工程》 年第11期 《科学技术与工程》2007年第 期 年第
讨论了终端区飞机排序问题,根据飞机尾流间隔 摘要 讨论了终端区飞机排序问题 根据飞机尾流间隔 要求,利用 算法建立了终端区航班排序的数学模型。利 要求 利用A算法建立了终端区航班排序的数学模型 利用 算法建立了终端区航班排序的数学模型。 算法,对一个算例进行验证计算 用A算法 对一个算例进行验证计算 找到了更合理的航 算法 对一个算例进行验证计算,找到了更合理的航 班着陆队列,减小了航班的总延误成本。结果表明 航班 班着陆队列 减小了航班的总延误成本。结果表明,航班 减小了航班的总延误成本 总延误成本的优化结果是令人满意的,A算法在终端区飞 总延误成本的优化结果是令人满意的 算法在终端区飞 机排序问题中的应用是可行的。 机排序问题中的应用是可行的。 关键词 空中交通管制 终端区 飞机排序 A算法 1 算法
4
例
机场终端区的空域被划分为3部分 由 个调度界限来 机场终端区的空域被划分为 部分,由 2个调度界限来 部分 定义。 定义。
5
例
数学模型 架飞机的集合,T 为飞机x的预 设F (1, 2, ⋯, n)为n架飞机的集合 EA ( x)为飞机 的预 为 架飞机的集合 为飞机 计到达时间( 为每 计到达时间 Estimated Time of Arrival) ,TSA ( x)为每 架飞机的实际分配到达时间( 架飞机的实际分配到达时间 Scheduling Time of Arrival) ,在实际情况中 由于飞机的机型不同 其耗油 在实际情况中,由于飞机的机型不同 在实际情况中 由于飞机的机型不同,其耗油 所以估 率、空中延迟费用是不同的,所以估价函数表示为 空中延迟费用是不同的 所以 价函数表示为: g ( x) = c ( x) (TSA ( x) - TEA ( x) ) h ( x) = Σnx = x +1c ( x) (TSA ( x) - TEA ( x)) f ( x) = g ( x) + h ( x) 其中c 为损失系数。 其中 ( x)为损失系数。 为损失系数
例
利用计算机优化航班的起降调度问题得到了各国研究 机构和空中交通管理部门的重视,主要是对终端区的 机构和空中交通管理部门的重视 主要是对终端区的 航班队列进行时间和顺序上的优化,以达到减小延误 航班队列进行时间和顺序上的优化 以达到减小延误, 以达到减小延误 提高系统容量和增加飞行安全的目的。 提高系统容量和增加飞行安全的目的。
3
ห้องสมุดไป่ตู้
例
假设机场只有一条跑道,且只考虑着陆队列 规定飞机 假设机场只有一条跑道 且只考虑着陆队列,规定飞机 且只考虑着陆队列 只可能从几条不同的航路进入机场终端区,概率大致 只可能从几条不同的航路进入机场终端区 概率大致 相等。 相等。这样所有进入机场终端区的飞机都可以按照时 间排成一个队列,图 给出了一个机场终端区的水平航 间排成一个队列 图1给出了一个机场终端区的水平航 路结构示意图。 路结构示意图。
10
例
11
例
由表2结果可以看出 静态航班队列排序中 由表 结果可以看出:静态航班队列排序中 算法和 结果可以看出 静态航班队列排序中A算法和 FCFS算法相比 延误成本减少了 算法相比,延误成本减少了 算法相比 延误成本减少了14155% ,总延误时间 总延误时间 减少了413 s,最大延误时间减少了 最大延误时间减少了20s,平均延误时间减 减少了 最大延误时间减少了 平均延误时间减 少了27153 s。 少了 。 当第1架飞机着陆后 另一架类型为 当第 架飞机着陆后,另一架类型为 的飞机进入排序 架飞机着陆后 另一架类型为L的飞机进入排序 排序结果表3所示 区,排序结果表 所示。 排序结果表 所示。 由表3结果可以看出 静态航班队列排序中 由表 结果可以看出:静态航班队列排序中 算法和 结果可以看出 静态航班队列排序中A FCFS算法相比 延误成本减少了 算法相比, 延误成本减少了14109% ,总延误时间 算法相比 总延误时间 减少了1091 s,最大延误时间减少了 s,平均延误时间 最大延误时间减少了40 平均延误时间 减少了 最大延误时间减少了 减少了72173 s。 减少了 。
16
例
当种群各个体适应度趋于一致或者趋于局部最优时, 当种群各个体适应度趋于一致或者趋于局部最优时 增加;而当群体适应度比较分散时 而当群体适应度比较分散时,使 使Pc 和Pm 增加 而当群体适应度比较分散时 使Pc 和 Pm 减小。 减小。 同时,对于适应度高于群体平均适应值的个体 使该解 同时 对于适应度高于群体平均适应值的个体,使该解 对于适应度高于群体平均适应值的个体 得以保护, 进入下一代; 而低于平均适应值的个体,对 得以保护 进入下一代 而低于平均适应值的个体 对 应于较低的Pc 使该解被淘汰。 应于较低的 和Pm , 使该解被淘汰。 因此,自适应的 因此 自适应的Pc 和Pm 能够提供相对某个解的最佳 自适应的 Pc和Pm 。 和 自适应遗传算法在保持种群多样性的同时,保证遗传 自适应遗传算法在保持种群多样性的同时 保证遗传 算法的收敛性。 算法的收敛性。
9
例
仿真算例
采用C + +语言 在VC + +平台上实现了终端区空中交 采用 语言,在 平台上实现了终端区空中交 语言 通流量管理中的航班动态排序系统。 通流量管理中的航班动态排序系统。用某机场的班机 时刻表对算法进行检验。 时刻表对算法进行检验。
在仿真系统中设置最大位置交换SMP = 2,类型为 、 类型为S、 在仿真系统中设置最大位置交换 类型为 L、H的航班延误成本指数 分别为10、20、30。分别 、 的航班延误成本指数r分别为 、 、 。 的航班延误成本指数 分别为 采用先到先服务( 算法和A算法进行排序 采用先到先服务 FCFS)算法和 算法进行排序 结果 算法和 算法进行排序,结果 如表2所示。 如表 所示。 所示
7
例
算法的流程 1)创建一颗起始节点为‘B ’的搜索树。这个节点不 创建一颗起始节点为‘ 的搜索树。 创建一颗起始节点为 对应任何飞机。节点‘ 对应任何飞机。节点‘B ’的子节点对应于限定从 FCFS顺序最大位移为 (即SMP = 2)的情况下 可以占 顺序最大位移为2 即 的情况下,可以占 顺序最大位移为 的情况下 居队列的第1个位置的飞机。 居队列的第 个位置的飞机。创建一个初始化为空的 个位置的飞机 OPEN 列表 并把‘B ’放入 列表, 并把‘ 放入OPEN 的列表中。 的列表中。 2)创建一个初始化为空的 创建一个初始化为空的CLOSED列表。 列表。 创建一个初始化为空的 列表 3) LOOP:如果 如果OPEN列表为空 那么以失败退出。 列表为空,那么以失败退出 如果 列表为空 那么以失败退出。 4)选择 选择OPEN 列表中第一个节点 把它从 列表中第一个节点, 把它从OPEN列表中 选择 列表中 移除,加到 列表中,这个节点称为 移除 加到CLOSED列表中 这个节点称为‘n’节点。 加到 列表中 这个节点称为‘ ’节点。
12
例
结论 研究了A算法在终端区飞机排序问题中的应用 利用 研究了 算法在终端区飞机排序问题中的应用,利用 算法在终端区飞机排序问题中的应用 利用A 算法来对飞机队列进行排序。 算法来对飞机队列进行排序。 计算结果表明:在航班排序中 算法和 算法相比, 计算结果表明 在航班排序中, A算法和 在航班排序中 算法和FCFS算法相比 算法相比 航班总的延误成本、总的延误时间、最大延误时间、 航班总的延误成本、总的延误时间、最大延误时间、 平均延误时间,都大大地得到减小。算法采用 平均延误时间 都大大地得到减小。算法采用SMP = 2 都大大地得到减小 作为约束条件,减小了管制员工作的压力 在合理的情 作为约束条件 减小了管制员工作的压力,在合理的情 减小了管制员工作的压力 况下解决了航班总的延误时间和总延误成本的优化问 最终得到的结果是令人满意的。 题,最终得到的结果是令人满意的。 最终得到的结果是令人满意的