基于延误油耗优化原则的停机位实时分配算法
基于航班延误特性的停机位再指派建模
![基于航班延误特性的停机位再指派建模](https://img.taocdn.com/s3/m/7be794528f9951e79b89680203d8ce2f006665e9.png)
基于航班延误特性的停机位再指派建模罗宇骁;姜雨;薛清文【期刊名称】《航空计算技术》【年(卷),期】2015(000)005【摘要】Reasonable real-time gate reassignment is crucial for improving the efficiency of the airport op-eration of surface resources and the passenger service level.Based on flight delay characteristics,divided flights into certain flight and uncertain flight,a gate reassignment optimization is established with object of minimizing the total disturbance value of gate reassignment.ACO algorithm is applied in the simulation of the problem.Test result shows that: compared with the manual method,the disturbance value decreases distinctly in the 5 simulation time point,which reach 13.64%.The computation time can be as short as 184.75s,which can be preferable feasibility.%合理的停机位再指派对提高机场场面资源运行效率和旅客服务水平至关重要。
基于航班的延误特性,将待指派航班分为已定航班和未定航班,分别使用不同规则建立以停机位再指派扰动最小为目标的停机位再指派模型。
停机位分配问题优化技术
![停机位分配问题优化技术](https://img.taocdn.com/s3/m/7b9d08e1f605cc1755270722192e453610665b3b.png)
停机位分配问题优化技术第24卷第2期2006年4月中国民航学院学报JOURNALOFCIVILAVIATIONUNIVERSITYOFCHINA停机位分配问题优化技术常钢,魏生民(西北工业大学机电学院,陕西西安710077)Vol.24No.2April,2006摘要:停机位分配是一类规模较大的组合优化问题,也是民航机场生产调度的关键和薄弱环节。
根据系统优化理论,考察了ASA问题的研究历程和发展趋势,论述了ASA优化问题研究的一般技术途径,并对其关键技术——建模技术和优化求解技术进行了较为深入的探讨。
关键词:停机位分配;组合优化;多目标规划中图分类号:V351.11文献标识码:A文章编号:1001-5000(2006)02-0025-05ResearchonOptimizationofAircraftStandsAssignmentProblemCHANGGang,WEISheng-min(SchoolofMechatronicEngineering,NorthwesternPolytechnicalUniversity,Xi'an710077,China)Abstract:Asthecoreofairportoperation,aircraftstandsassignment(ASA)isknownasakindoflargescalecombinato-rialoptimizationproblem.InthelightofsystemoptimizationTheory,thispaperstudiesthehistoryandthetrendofASAresearches,discussesgeneraltechnicalwaysofASAoptimizationresearches,andprobesdeeplyintothekeytechniques—optimizingmodelingandalgorithms.Keywords:aircraftstandsassignment;combinatorialoptimization;multiobjectiveprograming民航机场是航空运输链中旅客、货物和邮件的起始点、转接点和终结点,也是一个国家和地区重要的基础设施。
基于民航发动机LTO循环阶段排放特征分析的停机位预分配优化研究
![基于民航发动机LTO循环阶段排放特征分析的停机位预分配优化研究](https://img.taocdn.com/s3/m/4b37d8b5f605cc1755270722192e453611665b60.png)
基于民航发动机LTO循环阶段排放特征分析的停机位预分配优化研究1. 研究背景随着民航业的迅速发展,航空运输的规模不断扩大,民航发动机的使用也呈现出快速增长的趋势。
然而,发动机在起飞-爬升-巡航-下降-着陆(LTO)循环阶段会产生大量的排放物,对环境造成了一定的影响。
为了减少民航发动机排放对环境造成的影响,需要对停机位进行优化预分配。
2. 研究目的本研究旨在通过分析民航发动机LTO循环阶段排放特征,优化停机位预分配方案,减少排放物对环境造成的影响。
3. 研究方法3.1 数据收集收集不同型号、不同使用年限、不同运行状况下民航发动机在LTO循环阶段产生的排放数据,并结合实际停机位使用情况进行比较分析。
3.2 排放特征分析通过对收集到的数据进行统计和分析,确定民航发动机在LTO循环阶段产生排放物质量和种类,并建立相应模型。
3.3 停机位预分配优化基于排放特征分析结果,结合停机位使用情况、航班调度计划、航空公司需求等因素,建立停机位预分配优化模型,并采用优化算法进行求解,得到最优的停机位预分配方案。
4. 研究结果通过对民航发动机LTO循环阶段排放特征的分析,得到了不同型号发动机在不同阶段产生的排放物质量和种类。
在此基础上,结合停机位使用情况、航班调度计划、航空公司需求等因素进行综合考虑和优化预分配。
最终得到了一套能够减少民航发动机排放对环境影响的停机位预分配方案。
5. 讨论与展望本研究通过对民航发动机LTO循环阶段排放特征的分析和停机位预分配方案的优化研究,为减少民航发动机对环境造成的影响提供了一种有效方法。
然而,在实际应用中仍然存在一些问题需要进一步解决。
例如,在考虑多个因素时如何进行权衡和取舍;如何提高算法求解效率等。
因此,未来研究可以进一步完善和优化停机位预分配模型,提高算法求解效率,并将研究成果应用到实际停机位管理中,为民航业的可持续发展做出更大的贡献。
6. 结论本研究通过分析民航发动机LTO循环阶段排放特征,并优化停机位预分配方案,旨在减少民航发动机排放对环境造成的影响。
停机位分配问题优化技术
![停机位分配问题优化技术](https://img.taocdn.com/s3/m/b83be616a300a6c30c229f5b.png)
r l p i z t n rb e .I t e ih o y tm o t z t n h o y,h s a e s d e t e i o a d t e i o t a miai p o lm o n h l t f s s g e p i ai T e r t i mi o p p r t is h h s r n h u ty
Re e r h o s a c n Op i z to f Aic a t S a d sg m e t Pr b e tmi a i n o r r f t n s As i n n o lm
C HANG G n W E S e g mi a g. I h n - n
民航 机场 足航 空 运输链 巾旅 客 、货 物 和 邮件 的起
础设 施 。 在保 证 地面 飞行安 全前 题下 , 通过 生产 资源 的
为此 , 文从 A A研 究 和 应 用 现状 出发 , 为 系 本 S 较
始点 、 接点 和终 结 点 , 是一 个 囝 家和地 重 要 的 基 统地 探讨 A A优化 技术 的研究 策 略和技术 途径 。 转 也 S 合理 调 度和 优化 配置 , 高资 源利 用率 和 服务 水平 , 提 从
it h e e h i u s o t n z g mo ei g a d ag r h . n o t e k y t c n q e - p i ii d l n lo i ms r n n t
停机位分配设计
![停机位分配设计](https://img.taocdn.com/s3/m/7af56337cc7931b765ce15b7.png)
GW GW[5]={{2450,12804.64,15090.08},{3600,12664.18,14850.09},{5800,12521.34,14771.65},{4750,12395.92,14559.48} ,{3950,12135.93,14109.85}}; int TimeCompare(HB a[],int n); int i,j; double Sa=0.5; int p=0; double M=87759; HB b[20];
12
13 14
17:40
17:30 18:20
19:00
18:40 19:40
B739
B737 B737 Page 11
15 16 17 18 19 20
20:30 21:10 22:20 22:30 23:00 23:30
22:00 22:30 24:00 24:00 24:00 24:00
B738 B739 A320 B737 B739 A320
Page
10
实例分析
表1 航班时刻表 航班号 1 2 3 4 5 6 7 8 9 10 11 到港时刻( Ai) 6:30 6:50 9:45 10:15 11:45 12:20 12:30 13:30 13:40 15:05 17:30 离港时刻( Di) 8:30 8:30 10:45 12:00 12:45 13:40 13:20 15:20 15:10 16:20 18:50 机型 B737 B739 B739 B738 A320 B738 B738 B738 B737 B738 A320
Page
19
由NordriDesign™提供
此次将从两个方面对停机位的分配进行研究,一个是兼顾机场 和乘客利益以优化燃油消耗成本和停机位费用为目标,另一个则是 以为了提供突发事件的缓冲区而对停机位之间的空闲时间均匀化为 优化目标。
停机位分配问题的算法设计与算例分析
![停机位分配问题的算法设计与算例分析](https://img.taocdn.com/s3/m/6946a927cbaedd3383c4bb4cf7ec4afe05a1b157.png)
停机位分配问题的算法设计与算例分析发布时间:2021-07-11T04:15:47.685Z 来源:《科技新时代》2021年4期作者:于轲君[导读] 我们在提出模型算法之前,算法中需要使用的一些符号和代码我们提前说明。
民航新疆空管局新疆乌鲁木齐 830000摘要:本文是通过图着色模型及算法对停机位进行分配。
由于我国的航班量不断增加,对许多机场特别是大型机场在高峰时期的停机位分配造成了很大的困难。
航班分配如果不合理,会导致大量航班的滞留,这种累积效应不仅会导致旅客不满,而且会使整个机场的运控处于瘫痪状态,造成非常严重的后果。
因此如何合理的对高峰时期的停机位分配问题是一个很重要的问题。
关键词:机位分配;时间片;时间冲突一停机位分配问题的算法设计1.1 符号说明1.2 算法设计日常工作中停机位的分配需要考虑各方面的因素,因此我们计算的模型算法要基于停机位分配原则,关于顶点序列着色算法的步骤可以分为以下几步:1、在划分时间片算法中,极为时间冲突的航班集合E可以确定。
2、在机场等待或者需要停机位的航班列举出来,作出二元图要显示各航班之间的停机位需求的时间冲突。
3、航班排序根据把航班的顶点的度数由大到小排列。
4、对航班度数进行对比分析,航班度数最大的应该分配为第一组颜色,度数相同的航班应该使用禁色数最大的顶点。
5、对剩下的航班进行扫描,对于邻接已经分配了停机位的航班,将此航班的度数减1;剩下一些未上色的航班应该根据其度数情况按照降序排列,度数相同的,选出禁色数最大的航班;若度数相同的航班大于一个,则挑出其中度数最大的,若经此选择还是不止一个,则选最小者。
6、对选出的航班用的色号尽可能选小的颜色(若,对中的颜色优先)。
7、当所有航班都已有颜色,则停止;否则,转步骤5。
1.3 算法复杂性分析算法的复杂程度与算法的结构、需要处理的时间数相关。
本文提出的算法中步骤3至7相对来说是最复杂的,假设等待机位的航班数目是c,停机位的数目是d。
基于GSAA的停机位指派优化问题的研究2
![基于GSAA的停机位指派优化问题的研究2](https://img.taocdn.com/s3/m/59ccf96d1ed9ad51f11df203.png)
第8卷第1期2008年2月交通运输系统工程与信息Journal of T ransportation Systems Engineering and In formation T echnologyV ol 18N o 11February 2008文章编号:100926744(2008)0120138206案例分析基于G SAA 的停机位指派优化问题的研究鞠姝妹,许 俐3(南京航空航天大学民航学院,南京210016)摘要: 停机位的合理指派是机场地面作业中的一项核心任务,对减少枢纽机场航班中转时间起着重要作用,但是停机位指派问题是NP 难问题,模型和算法都比较复杂.建立了以旅客满意度为优化目标的数学模型,并设计了一种贪婪模拟退火算法(G S AA ),以求解枢纽机场的停机位指派问题.该算法首先根据贪婪算法FCFS 准则使“丢失”的航班数最少得到模拟退火算法的初始解,然后运用经典模拟退火算法求解出最优指派结果.数值仿真证明了模型和算法的有效性.关键词: 枢纽机场;停机位指派;旅客满意度;贪婪模拟退火算法中图分类号: V351.11文献标志码: AAirport G ate Assignment Problems B ased on G SAAJU Shu 2mei ,X U Li(School of Civil Aviation ,Nanjing University of Aeronautics and Astronautics ,Nanjing 210016,China )Abstract : Airport gate assignment is a key task am ong the airport ground w ork which is im portant to reduce trans fer time in hub airports.H owever ,the gate assignment problem (G AP )is an NP 2hard problem ,and its m ode 2ls and alg orithms are com plex.This paper proposes a m odel and a new greedy simulated annealing alg orithm (G S AA )to res olve the G AP.The initial s olution of the proposed alg orithm is obtained through FCFS criterion of greedy method to minimize the “dropping ”flights ,and then the optimal s olution is obtained through the traditional simulated annealing alg orithm.S imulation result shows the validity of the m odel and the alg orithm.K ey w ords : hub airport ;gate assignment problem ;the degree of passenger satis faction ;greedy simulated an 2nealing alg orithmC LC number : V351.11Document code : A收稿日期:2007208224 修回日期:2007211216 录用日期:2007211218基金项目:民航总局软科学基金项目(MHRD0622).作者简介:鞠姝妹(1984-),女,江苏淮安市人,硕士生.3通讯作者:xuli @1 引 言停机位分配是指,在考虑机型大小、停机位大小、航班时刻等因素的情况下,在一定时限范围内,由机场生产指挥中心为到港和离港航班指定适宜的登机口,保证航班正常不延误,为旅客上下航班提供登机门[1].停机位的合理分配是机场地面作业的一项核心任务,对减少枢纽机场航班波衔接时间起着重要作用.针对停机位分配问题,目前国外学者已经提出了多种分析方法,如专家系统、分支定界算法、以及结合单纯型法和分支定界算法的优点提出的解决策略.此外还有一些基于数学模型的方法,这些模型阐述了0-1(线性或二次)整数方程,混合整数方程或网络流问题.它们的客观作用通常是减少旅客的步行距离、减少未被利用的停机位数量、减少使用停机位的时间段等问题[2-6].国内针对这方面的研究都相对较晚.贪婪算法和模拟退火算法都属于启发式算法.模拟退火算法是近些年发展起来的一个智能算法,已经成功解决了很多NP -hard 问题,如TSP 问题、0-1背包问题和图着色问题.它的实验性能较好,可以以接近1的概率收敛于全局最优解,然而其寻优时间往往会比较长[7].为此,本文在分析枢纽机场运行特点的基础上,建立了以旅客满意度为优化目标的数学模型并设计了一种贪婪模拟退火算法(G S AA )以求解枢纽机场的停机位指派问题.2 枢纽机场停机位指派模型描述2.1 假设条件在建立模型之前,首先引进三个假设条件[8]:(1)容量满足假设.机场的航班量和时间分布保持在机场容量许可范围内,即在任意时刻,总可以为任一航班指派一个停机位,尽管不是最优但一定是可行的.(2)信息完备假设.在某一个工作日开始之前,G AP 决策所必需的航班计划、机场资源等信息是完备的和已知的.(3)虚拟中转假设.引进虚拟航班和虚拟停机位,认为以该机场为始发地的旅客,是从虚拟航班上中转而来;以该机场为目的地的旅客,是中转到虚拟航班去.这样,将出发旅客、到达旅客全部假设成中转旅客,将问题简化.2.2 数据定义M ———机场停机位集合,|M |>0,且包含一个虚拟停机位,记做停机位0.d kl ———从停机位k 到停机位l 的距离.d 0l 表示始发旅客从安检口到停机位l 的距离,d l 0表示到达旅客从停机位L 到行礼提取处的距离.并且假设是相等的.N ———当日航班集合,|N |>0,且包含一个虚拟航班,记做航班0,用以表示机场本身.P ik ———航班i 的机型是否与机位k 匹配,值为1表示匹配.f ij ———从进港航班i 到出港航班j 的转机旅客人数.f i 0表示进港航班i 中以本机场为目的地的旅客人数,f oi 表示从本机场出发,乘坐出港航班i 的人数.f ij |i =j=0.2.3 构建目标函数以旅客的角度优化停机位配置,构建服务质量目标函数,指标为旅客转机所需要移动的距离[8].枢纽机场停机位分配问题的目标函数表示为<=min6i ,j ∈N 6k ,l ∈Mf ij d kl y ik y jl(1)其中 i ≠j ,k ≠l ,y ik =1(当且仅当航班i 被分配到停机位k 时)0(否则)2.4 约束函数(1)每个航班任一时刻只能分配一个机位.6k ∈Gyik=1,Πi ∈N (2) (2)每个机位一次只能指派给一架飞机,即每个航班在同一停机位上,最多只有一个直接相邻的后继航班,且最多只有一个直接前驱航班.y ik =6j ∈Nzijk,Πi ∈N ,Πk ∈M (3)y jk =6i ∈Nzijk,Πi ∈N ,Πk ∈M(4)其中z ijk =1(当且仅当航班i 和航班j 被分配到停机位k ,而且航班i 是航班j 的直接前驱航班)(否则) (3)停机位只能停放与其匹配的机型的飞机.P ik =1,Πi ∈N ,Πk ∈M(5)3 算法设计贪婪模拟退火算法(G reedy Simulated AnnealingAlg orithm ,G S AA )分为两个阶段:贪婪算法阶段和模931第1期基于G S AA 的停机位指派优化问题的研究拟退火阶段.主要思想是:首先根据航班时刻表,并且按照“先到先服务”原则对航班进行机位分配,将得到的初步分配结果作为模拟退火算法的初始解,并用标准搜索禁忌算法(S AA)进行进一步优化,最终得到一个最优的分配结果.要满足模型的第一个假设,即容量满足假设,必须用贪婪法进行第一次分配.贪婪算法为利用计算机进行停机位自动分配并优化停机位结果提供了一种可行手段,可以尽量减少使用远机坪的几率和减少延误的航班,使未能分配到停机位的航班数目最少,提高近机位的使用率[9].第二次分配从提高旅客服务质量角度构建目标函数对分配方案进一步优化.算法具体步骤如下:(1)贪婪算法阶段.该算法必须满足:同一时间内每个航班最多只能占用一个机位;每个航班只能被分配给一个机位使用,且航班一旦开始被执行就不能中断直至使用完毕;航班与所分配的机位相匹配.设一段时间内所有待分配的航班集合为 F= {F j|j=1,2,…,n}(n为待分配的航班总数),可用于停放航班的机位集合为 G={Gi|i=1,2,…,m}(m为停机位总数),每一个航班Fj均有固定的使用机位的开始时间TBj 和结束时间TEj,记为Fj =(T Bj,T Ej).Flt(j)=i,i=1,2,…,m,表示航班Fj分配给机位G i.设处于待命状态的机位集合为 Gfree={G i|i= 1,2,…,m free,m free≤m},其中m free表示处于空闲状态的机位数.对于每个空闲的机位Gi∈ G free,根据其被使用的上一个航班结束使用时刻的先后顺序定义一个对应于该机位的标号函数Pro(i),Pro(i)=1,2,…,mfree,算法中根据Pro(i)的值决定机位G i参与下一个航班分配的优先顺序.算法流程如下:Step1 将所有的到达航班和出发航班按其发生时间的先后重新排序,得到在本时间段的事件集合Z={Zk|k=1,2,…,2n},当到达与出发同时发生时,总是安排出发事件在前.C ounter记录“丢失”的航班数量,赋初值C ounter=0.Step2 当航班F j为出发航班时,Z k为出发事件,则mfree =m free+1, G free= G free+{G i|i=Flt(j)},Pro(Flt(j))=m free;当航班F j为到达航班时,Zk为到达事件,则找出一个Gl∈ Gfree,使满足Plj=1,Pro(l)=min{Pro(i)|G i∈ G free}.如果Gl存在,则赋值Glt(j)=G l,m free=m free-1,G free= G free-{G l},Pro(i)=Pro(i)-1;否则Flt(j)=Apron,C ounter=C ounter+1.Step3 k=k+1.Step4 如果k≤N,转Step2;否则停止计算,输出Flt(j),j=1,2,…,n和C ounter,并转模拟退火阶段.(2)模拟退火阶段.首先介绍三种邻域搜索方式[10]:・插入式移动(Insert M ove):将一个航班从一个机位移动到另一个机位,即(i,k)→(i,l).・区间交换移动(Interval Exchange M ove):将两个不同机位上的两个航班区间交换.一个航班区间可以包含一个或多个航班,即(a,b,k)←→(c,d,l),表示将k机位上航班a,b之间的航班段与l机位上航班c,d之间的航班段交换.・远机位交换(Apron Exchange M ove):将分配在远机位的某个航班(在标号算法中“丢失”的航班)与分配到机位的航班进行交换,即(i,Apron)←→(j,k).算法流程如下:Step1 初始化.确定冷却进度表参数α=0.97,初温T0=300,i=0,给定循环次数R.利用标号阶段的指派结果作为S AA的初始解S,目标函数值min,令r=0.Step2 新解的产生.由三种邻域搜索方式建立备选列表,备选列表用来预先确定移动的范围,例如在移动(i,k)→(i,l)中,假设航班i要插入到航班p和q之间使用的停机位l,在式(2)~(5)的条件下,根据所有能让航班i插入的停机位建立备选列表,然后进行移动,计算新解的目标函数值,记为m ini.Step3 检查目标函数的变化值ΔTC ik=mini-min.Step4 新解的判断处理(Metropolis准则).如果ΔTCik<0,转Step5;如果ΔTC ik>0,则产生一个随机变量α∈U(0,1).判断α是否小于exp(-ΔTCikΠT i),如果结果为真,则转Step5,否则放041交通运输系统工程与信息2008年2月弃此次交换并转Step6.Step5 如果ΔTC ik<0或α<exp(-ΔTCikΠTi ),则接受此次交换并计算新的目标函数值.判断新的目标函数值是否小于min,如果结果为真,更新min,否则保持min不变.Step6 如果r<R,r=r+1,降温,更新T i+1 =T iΠ(1+αT i),令i=i+1,转Step2;如果r=R,循环结束,则终止算法.4 算例分析以浦东机场某一天具体航班时刻表为例,在10:00~14:00这个时段内空闲的7个停机位对18个即将到来的航班(一个航班波)按照上述算法进行分配,各机位之间的距离见表1(假设远机位到各机位的距离为一个稍大的值1000),航班开始使用机位时刻TBj,结束时刻TE j,机位与航班的匹配参数Pij见表2,从各航班上中转的旅客人数见表3(航班0表示以本机场为始发机场或目的机场,如从航班5下机的旅客其中有102人直接到达该机场,35人中转到航班13,31人中转到航班14, 26人中转到航班15).表1 各机位间的距离T able1 Distance of the gates机位编号各机位间的距离01234567Apron0012060458840571281000 11200751502253003754501000 260500751502253003751000 345150750751502253001000 488225150750751502251000 540300225150750751501000 657375300225150750751000 71284503753002251507501000 Apron100010001000100010001000100010001000表2 机位与航班的匹配特性T able2 Matching attribute of the gates and flights航班(F j)开始时刻(TB j)结束时刻(TE j)航班机型(TF j)航班-机位匹配特性(Pij)G1G2G3G4G5G6G7F110∶0011∶00B7371111100 F210∶0010∶55B7371111100 F310∶0011∶00A3200101111 F410∶1011∶05M D111111011 F510∶2511∶35B7671110000 F610∶3011∶20A3200101111 F711∶0511∶55B7371111100 F811∶2012∶20B7471100000 F911∶2512∶05A3190110111 F1011∶3012∶20B7371111100 F1111∶3512∶35B7570011111 F1211∶5513∶00A3200101111 F1312∶0012∶50A3301101011 F1412∶1013∶40A3401100010 F1512∶1513∶05B7371111100 F1612∶4013∶40B7471100000 F1712∶4513∶35B7371111100 F1813∶1014∶00B7371111100141第1期基于G S AA的停机位指派优化问题的研究 两种算法的程序是在MAT LAB6.5环境下编程实现的.贪婪算法得到的初始解为Flt(1)= Flt(16)=1,Flt(2)=Flt(7)=Flt(13)=Flt(18) =2,Flt(4)=Flt(15)=3,Flt(3)=Flt(10)= Flt(17)=4,Flt(6)=Flt(12)=5,Flt(9)=Flt(14)=6,Flt(11)=7,Flt(5)为“丢失”的航班,即分配到远机位的航班,其CPU平均运算时间是0.047秒.此时目标函数值为194206(m),但并不是最优结果,用模拟退火算法对其进行二次优化最终分配结果如表4,目标函数值提高了2.80%.表3 各航班上旅客人数T able3 P assengers on the flights航班号0123456789101112131415161718 00251833182224324214122720333015251621 1660000000163326341191612000 253000000332311152016000000 35800000002611241922000000 413300000004531151419000000 5102000000000000353126000 684000000000262213000000 779000000000000553224000 8156000000000000000423329 99600000000000000033210 1076000000000000000221612 111220000000000000000036 1291000000000000000000 132310000000000000000041 14211000000000000000000 15112000000000000000000 16194000000000000000000 17109000000000000000000 1897000000000000000000表4 最终机位分配T able4 Final assignment of the gates机位1234567Apron F1F4F2F6F3F9F11F5 F8F13F7F10F12F14F16F18F15F17 通过改变外循环次数研究了G S AA和典型S AA算法对停机位指派模型的求解效率,其中典型S AA的初始解是随机的,两种算法的程序是在MAT LAB6.5环境下编程实现的,收敛性见图1和图2.从图1可以看出,贪婪模拟退火算法在迭代次数达到500次,CPU运算时间达到18.453秒之前,该算法具有较高的向模型最优解收敛的速度,目标函数值改善约2%.18.453秒之后,收敛速度明显下降,目标函数值改善仅有0.6%.而从图2中可以看出,典型模拟退火算法在迭代次数达到1400次,CPU运算时间达到56.891秒之前具有较图1 贪婪模拟退火算法的收敛性Fig.1 C onvergence of G S AA241交通运输系统工程与信息2008年2月高的向模型最优解收敛的速度,目标函数值改善约30%.两种不同初值情况下的优化效果相差很大是由于S A 算法对初值依赖性很小,由此可看出,贪婪模拟退火算法有助于快速得到指派问题的最优解,在实际应用过程中可以在合理时间内,以较快的速度得到机位指派问题的满意解.图2 典型模拟退火算法的收敛性Fig.2 C onvergence of S AA5 研究结论针对枢纽机场运营管理中的停机位分配问题,本文提出了以旅客行走距离最短为优化目标的停机位指派的数学模型,并设计了求解该模型的贪婪模拟退火算法.整个过程分两个阶段进行,第一阶段求解,第二阶段优化.算例研究表明,该算法为利用计算机进行停机位自动分配并优化停机位分配结果提供了一种可行手段,为停机位的实时指派提供了一种方法.参考文献:[1] G eun 2S ik Jo ,Jong 2Jin Jung ,Chang 2Y oon Y ang.Expertsystem for scheduling in an airline gate allocation[J ].Ex 2pert System with Applications ,1997,13(4):275-282.[2] Y u Cheng.A knowledge -based airport gate assignmentsystem integrated with mathematical programming [J ].C om puters and Industrial Engineering ,1997,32:837-852.[3] Shangyao Y an ,Chia 2M ing Chang.A netw ork m odel forgate assignment[J ].Journal of Advanced T ransportation ,1998,32:176-189.[4] Ali Haghani ,M in 2Ching Chen.Optimizing gate assign 2ment [J ].T ransportation Research A ,1998,32:437-454.[5] Ahmet Bolat.Procedures for providing robust gate assign 2ments for arriving aircraft[J ].European Journal of Opera 2tional Research ,2000,120(2000):63-80.[6] Shangyao Y an ,Chen M ing Huo.Optimization of multipleobjective gate assignments [J ].T ransportation Research A ,2001,35:413-432.[7] 康立山,谢云,尤矢勇,罗祖华.非数值并行算法(第一册)—模拟退火算法[M].北京:科学出版社,1997:53-55.[K ANG Li 2shan ,XIE Y un ,Y OU Shi 2y ong ,LUO Zu 2hua.N on 2numerical Parallel Alg orithms(1)—S imulated Annealing Alg orithm[M].Beijing :Sci 2ence Publication ,1997:53-55.][8] 常钢,魏生民.停机位分配问题优化技术[J ].中国民航学院学报,2006,24(2):25-29.[CH ANG G ang ,WEI Sheng 2min.Research on optimization of aircraft stands assignment problem [J ].Journal of Civil Aviation University of China ,2006,24(2):25-29.][9] 文军,孙宏,徐杰,梁志杰.基于排序算法的机场停机位分配问题的研究[J ].系统工程,2004,22(7):102-105.[WE N Jun ,S UN H ong ,LI ANG Zhi 2jie.Re 2search of airport gate assignment problem based on s orting alg orithm[J ].System Engineering ,2004,22(7):102-105.][10] Ding H ,Lim A ,R odrigues B ,Zhu Y.Aircraft and gatescheduling optimization at airports[C]ΠΠProceedings of the 37th Hawaii International C on ference on System Science -2004,2004.341第1期基于G S AA 的停机位指派优化问题的研究。
CDM机制下的机场停机位一体化实时分配算法
![CDM机制下的机场停机位一体化实时分配算法](https://img.taocdn.com/s3/m/165c7b0810a6f524ccbf85c3.png)
延误 时 的停 机 位 实 时分 配模 型 , 并 借 助 混 合 集 合规 划 ( m i x e d s e t p r o g r a m mi n g , MS P ) 进 行 建 模 与 求解 。该 模
型能够最d 、 化 航 空公 司 滑行 油耗 成 本 和 延 误 旅 客 的 中转 等 待 成 本 : 实现 各 航 空公 司 滑行 油耗 成 本 均衡 化 : 以及 在 不 影 响航 空公 司利 益 的情 况 下有 效 保 障 延 误 航 班 的 航 班 波衔 接 。 数 据 分析 表 明 : 该 机位 实 时指 派 方 法 能 够有 效 实现 机 场 与航 空公 司 的协 同决 策 ,并 能 在 节 省 算 法 运 行 时 间的 同时 降 低 延 误 产 生 的机 位 实 时 指 派成 本 , 对 机 场 与航 空公 司的 实 际 分 配算法
刘君 强, 张马 兰 , 陈鹏超 , 谢 吉伟 , 左洪福
( 南京航空航天大学 民航 学院 , 南京 2 1 0 0 1 6 )
摘 要 : 停机位是机 场的核 心资源 , 停 机位 实时分配算法是研 究的热点。 本研 究在协 同决策( c o 1 1 a b 0 r a t i v e d e c i s i o n ma k i n g , C D M) 机制下 , 建 立 了多主 体 ( 机场、 航 空公 司和 旅 客 ) 最 小延 误 费用 原 则 , 研 究 了航 班 发 生 小规 模
●
Ab s t r a c t :Ai r p o  ̄g a t e i s o n e o f t h e mo s t wi ma r y r e s o u r c e s o f a n a i r p o r t ,a n d r e a l - t i me g a t e a s s i g n me n t h a s b e e n p a i d mo r e a n d mo r e a t t e n t i o n . T o a c h i e v e a p p r o p ia r t e r e a l - t i me g a t e a s s i g n me n t u n d e r s ma l l - s c a l e l f i g h t d e l a y s ,a
基于改进停机准则的SMO算法
![基于改进停机准则的SMO算法](https://img.taocdn.com/s3/m/b6ec1ee6312b3169a451a4f6.png)
基于改进停机准则的SMO算法韩顺成,马小晴,陈进东,潘丰【摘要】摘要:在序列最小优化(Sequential Minimal Optimization,SMO)算法训练过程中,采用标准的KKT(Karush-Kuhn-Tucker)条件作为停机准则会导致训练后期速度下降。
由最优化理论可知,当对偶间隙为零时,凸二次优化问题同样可以取得全局最优解。
因此本文将对偶间隙与标准KKT条件同时作为SMO算法的停机准则,从而提出了改进停机准则的SMO算法。
在保证训练精度的情况下,提高了SMO算法的训练速度。
通过对一维和二维函数的两个仿真实验,验证了改进SMO算法的有效性。
【期刊名称】计算机工程与应用【年(卷),期】2014(000)016【总页数】5【关键词】支持向量机回归;序列最小优化算法;对偶间隙;KKT条件;停机准则◎理论研究、研发设计◎1 引言支持向量机(Support Vector Machine,SVM)由V.Vapnik等人提出,是一种以统计学理论、结构风险最小原则和Wolfe对偶化理论为基础的机器学习方法[1]。
目前SVM已被广泛应用于模式识别、回归估计、概率密度估计等各个领域。
SVM可分为支持向量分类(Support Vector Classification,SVC)和支持向量回归(Support Vector Regression,SVR)[2]。
常见的SVM算法有选块算法、分解算法、SMO算法等,其中Platt提出的SMO算法[3]是目前SVM处理大规模数据较为有效的训练方法。
SMO算法起初主要用于模式分类问题,后来得到扩展并应用于回归问题,本文主要针对SMO算法在SVR训练中的问题展开。
在SVR训练过程中,SMO算法一般采用KKT条件作为停机准则[4]。
经研究发现,采用KKT条件作为停机准则,SMO算法在训练刚开始时目标函数变化很快,但训练后期则变化缓慢,从而导致了训练的速度下降[5-6]。
CDM机制下基于多航站楼运行模式的机场停机位实时分配算法
![CDM机制下基于多航站楼运行模式的机场停机位实时分配算法](https://img.taocdn.com/s3/m/8e5c5b0b4531b90d6c85ec3a87c24028915f8530.png)
CDM机制下基于多航站楼运行模式的机场停机位实时分配算
法
刘君强;张马兰;陈鹏超;谢吉伟;左洪福
【期刊名称】《武汉理工大学学报(交通科学与工程版)》
【年(卷),期】2014(038)005
【摘要】将多航站楼资源共享和航空公司时隙可互换作为前提,建立多方(机场、航空公司和旅客)最小延误费用原则,采用混合集合规划(MSP)进行建模与求解.该模型不仅能保证多航站楼停机位资源的有效共享,而且能充分优化油耗成本以及航班波扰动引起的旅客中转等待成本.实例表明,文中所提出的指派算法能有效地解决多航站楼模式下的机位实时分配问题.
【总页数】5页(P1050-1054)
【作者】刘君强;张马兰;陈鹏超;谢吉伟;左洪福
【作者单位】南京航空航天大学民航学院南京 210016;南京航空航天大学民航学院南京 210016;南京航空航天大学民航学院南京 210016;南京航空航天大学民航学院南京 210016;南京航空航天大学民航学院南京 210016
【正文语种】中文
【中图分类】U8
【相关文献】
1.CDM机制下的机场停机位一体化实时分配算法 [J], 刘君强;张马兰;陈鹏超;谢吉伟;左洪福
2.基于协同决策的多航站楼停机位实时分配算法 [J], 刘君强;张马兰;陈鹏超;谢吉伟;左洪福
3.A-CDM机制下基于空闲时隙优化的停机位分配模型研究 [J], 葛亚威;戴雨;孔建国;张军
4.基于机场协同决策机制下的停机位资源分配研究 [J], 刘畅;郝路;高峰;许幸;张文成;石丽娜
5.基于机场协同决策机制下的停机位资源分配研究 [J], 刘畅;郝路;高峰;许幸;张文成;石丽娜
因版权原因,仅展示原文概要,查看原文内容请购买。
A-CDM机制下基于空闲时隙优化的停机位分配模型研究
![A-CDM机制下基于空闲时隙优化的停机位分配模型研究](https://img.taocdn.com/s3/m/cb41a838da38376bae1fae13.png)
Research on the Allocation Model of Parking Spaces Based on Idle-time Slot Optimization under A-CDM
Mechanism
作者: 葛亚威[1,3];戴雨[2];孔建国[1];张军[3]
作者机构: [1]中国民用航空飞行学院空中交通管理学院,四川广汉618301 [2]中国民用航
空西南地区空中交通管理局重庆分局,重庆400000 [3]中国民用航空总局第二研究所,成都
610000
出版物刊名: 科技和产业
页码: 131-134页
年卷期: 2017年 第8期
主题词: 机场协同决策 空闲时隙 停机位分配 禁忌搜索算法
摘要:通过对目前国内外A-CDM机场协同决策的应用与发展,将航空公司空闲时隙的充分利用作为前提,建立停机位的空闲时间分布更均衡,停机位利用率更高的停机位分配模型,在满足航班可接受延误水平下,寻求延误成本最低、空闲时间利用率最高的停机位分配方案,采用混合集合规划(MSP)与禁忌搜索算法相结合的算法进行设计求解。
该模型保证了一定时间范围内,不仅能保证停机位资源的实时共享,而且充分利用了停机位的空闲时隙,提升了停机位资源的利用效率。
基于航班延误成本的停机位分配建模仿真优化研究
![基于航班延误成本的停机位分配建模仿真优化研究](https://img.taocdn.com/s3/m/86f9f44e68eae009581b6bd97f1922791688beae.png)
随着我国各地大型枢纽机场航班不断增多、旅客吞吐量屡创新高,各大机场的航班保障能力也面临着愈加严峻的考验。
机场所拥有的停机位是航空器在地面停靠的场所,也是地面作业正常运转的前提条件。
因此,加大停机位合理分配的研究,对全部民航产业的发展提升有着举足轻重的作用。
1 构建停机位再分配初级模型1.1 初级模型的建立假设该机场有M个廊桥停机位,每个停机位的位置坐标用它相对机场中心的位置坐标表示;一天内所有共有N个过站航班,其中所有延误的过站航班集合为H yw ={H ywk │k =1,2,...,h }(h ≤N ),延误的过站航班的预计延误时间用JYWk ={JYW k │k =1,2,...,h }表示,在发生延误后实际延误时间用JYWyw k ={JYW ywk │k =1,2,...,h }表示,预分配的停机位用dk ={dk │k =1,2,...,h }表示,延误后程序再分配的停机位为dyw k ={dyw k │k =1,2,...,h }。
则构建的停机位再分配的模型为:f =min ∑{α(JYW ywk -JYW k )+β(dyw k -d k )} (1)α、β分别表示延误的时间成本和距离成本的权重系数,具体系数值的设定要视程序运行情况而定。
1.2 初级模型矩阵参数的确定建立模型参数矩阵:列为停机位编号,且包含其坐标D j ;行共分为48行,每一行代表的时间为30min,第一行开始为8点。
按照进港航班的进港时间进行编号,再把过站航班n 的计划在港时间,占用几个时间单位、预分配停机位m 填到数据矩阵中。
2 基于遗传算法的模型求解算法设计2.1 编码每一航班都有对应的航班编号,从小到大依次排列,对应数字序号上的数字i 则为该编号的计划进港航班在进港时能选择的满足要求的整个停机位集合中的第i 个停机位,把所有航班进行编码,就组成了初始的个体。
染色体的长度为航班的数量。
2.2 初始化种群首先,按照所有过站航班的计划进港时间进行排序,一天时间内共有N 个过站航班。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
最小化航班调整前后增加的滑行时间来实现.
∑∑ min fi =
Xij ×COi × (CTD′i -CTDi )
i∈N j∈M
式中:(CTD′i -CTDi)为 航 班i增 加 的 滑 行 时 间.三
中 图 法 分 类 号 :F560
doi:10.3963/j.issn.2095-3844.2012.06.023
0 引 言
停 机 位 是 机 场 的 重 要 资 源 ,高 效 、合 理 的 分 配 停机位是提高机 场 运 行 效 率 的 重 要 途 径 之 一.关 于停机位分配问 题,国 内 外 很 多 学 者 已 经 做 了 很 多研究.主要有两方 面 内 容:(1)停 机 位 预 分 配 问 题 ;(2)停 机 位 实 时 分 配 问 题 .
停机位实时分 配 的 研 究 还 比 较 少,大 部 分 研 究都是通过模型和算法达到高效合理利用资源的 目的 .然 [8-12] 而,从延误油 耗 和 从 航 空 公 司 相 同 机 型所承担延误油耗均衡的角度来考虑停机位实时 分配问题的文章 还 未 曾 发 现.航 空 运 输 业 是 一 个 高 风 险 、高 投 入 的 资 金 密 集 型 行 业 ,平 均 利 润 只 有 3%~6%,降 低 成 本 对 于 每 个 航 空 公 司 都 具 有 非 常重要的意义,而 飞 机 的 油 耗 成 本 占 到 总 成 本 的 1/3左右.由于航空公司规 模 各 不 相 同,并 且 各 航 空公司在某一段时间内涉及的航班架次和机型大 小也各不相同,不 能 笼 统 的 要 求 各 航 空 公 司 的 耗 油均衡,因此本文 建 立 了 以 延 误 油 耗 最 低 和 各 航 空公司相同机型所承担延误耗油均衡为目标的停 机 位 适 时 调 整 模 型 ,采 用 遗 传 算 法 进 行 求 解 ,所 得 结果表明此模型和算法在停机位实时分配中是合 理而可行的.
离港时刻
09:55 10:10 10:30 10:30 10:50 10:45 11:00 11:10 11:25 11:40 11:40 11:45 12:00 12:10 12:00 12:20 12:20 12:30 12:35 12:55 12:45 13:00
机型大小 小 中 大 中 中 小 大 大 中 中 中 小 中 大 小 大 小 中 中 大 小 大
(5)
j = 1,2,… ,N
烆 i = 1,2,… ,n 式中:n 为目标 函 数 个 数;N 为 种 群 个 体 总 数;Xj
为种群的第j 个个 体;Ri(Xj)为 种 群 所 有 个 体 对
目标i 优 劣 排 序 后 个 体j 在 序 列 中 的 序 号;
Fi(Xj)为 Xj 对目 标i 所 得 的 适 应 度;k 为 (1,2)
区间的常数,用于 加 大 个 体 的 函 数 值 表 现 最 优 时
的适应度.
2.3 遗 传 操 作 1)基 于 航 班 交 换 的 变 异 :采 用 交 换 变 异 的 方
式 ,对 航 班 基 因 串 进 行 变 异 :即 在 航 班 基 因 串 中 随
机 选 择 两 位 置 ,交 换 该 位 置 处 的 两 航 班 基 因 . 2)Pareto 最 优 解 更 新 策 略 .算 法 执 行 过 程 中
各航空公司的油耗变化基本均衡. 1.1 模 型 的 数 据 定 义
Pmn 为n 公司m 型飞机油 耗 变 化 占 所 有 公 司 m 型飞机油 耗 变 化 的 百 分 比;COi 为 航 班i 每 分 钟的耗油量;CTi 为 飞 机 滑 行 到 停 机 位i 所 消 耗 的时间;COmn 为n 公司m 型飞机的耗 油 量;Bmn 为 n 公司m 型飞机分配到的停机 位 集 合;Xij 的 意 义 为,若航班i分 配 到 停 机 位j 则 Xij 为 1,否 则 Xij 为0;Rij 为 航 班 到 达 停 机 位 时 间;Lij 航 班 离 开 停 机位时间;K1i为 停 机 位i 空 闲 的 开 始 时 间;K2i为 停机位i 空闲 的 结 束 时 间;Gj 为 停 机 位;Qi 为 航 班机型;Di 为 航 班i 初 始 分 配 到 的 停 机 位;D′i 为 航班调 整 后 的 停 机 位;ΔT 为 同 一 停 机 位 2 架 航 班的最小间隔. 1.2 模 型 的 目 标 分 析
(4)
约 束 条 件 :式 (1)是 每 个 航 班 都 只 分 配 一 个 停
机 位 ;式 (2)满 足 停 机 位 与 机 型 相 匹 配 ;式 (3)表 示
停 机 位 的 空 闲 时 间 大 于 最 低 安 全 时 间 ;式 (4)表 示
停机位空闲的开始时间要早于航班的到港时间并
且空闲的结束时间要晚于航班离港时间.
基于延误油耗优化原则的停机位实时分配算法*
刘君强 陈鹏超 夏洪山
(南 京 航 空 航 天 大 学 民 航 学 院 南 京 210016)
摘要:停机位的实时动态调整在机场 运 行 过 程 中 具 有 重 要 的 研 究 意 义 .文 中 研 究 了 在 航 班 发 生 延 误时,通 过 合 理 的 停 机 位 调 整,降 低 由 于 航 班 延 误 增 加 的 滑 行 油 耗 ,达 到 降 低 运 营 成 本 的 目 的 .考
2.2 适 应 度 函 数 的 设 计 采 用 基 于 目 标 优 劣 表 现 的 排 序 法 确 [12] 定 个
体 适 应 度 .适 应 度 计 算 如 式 (5)所 示 .
烄(N -Ri(Xj))2,Ri(Xj)>1 kN2 ,Ri(Xj)= 1;
n
∑ Fi(Xj)= 烅 F(Xj)= Fi(Xj), i=1
采用 Pareto最优解作为选择 判 断 条 件,最 终 得 到
多目标优化问题的最优解集.
· 1198 ·
武 汉 理 工 大 学 学 报 (交 通 科 学 与 工 程 版 )
2012 年 第 36 卷
3 实验分析
采用首都机场实际运行的22个航班数据(见表 1).涉及到国航、东航、南航和海航4个航空公司.根 据实际操 作,得 到 大 型 飞 机 耗 油 46kg/min,中 型 飞 机耗油28kg/min,小型飞机耗油12kg/min.
Yu等 针 [5] 对航 班 大 面 积 延 误 时 进 行 实 时 调 整,并采用了遗传算法进行求解.朱世群 设 [6] 计 了 以旅客和机场地面服务人员的移动总距离最短为 目标,并采用遗传 算 法 进 行 求 解 的 停 机 位 实 时 调
整策略.Tang[7]研究了 停 机 位 短 缺 和 航 班 随 机 延 误下的停机位实时调整.
项 相 乘 的 结 果 为 延 误 增 加 的 油 耗 ,求 其 最 小 值 即 可
满足延误增加的总油耗最低的目标. 2)延 误 油 耗 均 衡 要 求 各 航 空 公 司 相 同 机
型油耗的均衡.通 过 最 小 化 各 公 司 相 同 机 型 油 耗 变化的百分比与平均值之间的差距来实现延误油
第36卷 第6期 2012 年 12 月
武 汉 理 工 大 学 学 报 (交 通 科 学 与 工 程 版 )
Journal of Wuhan University of Technology (Transportation Science & Engineering)
Vol.36 No.6 Dec.2012
表 1 航 班 信 息 表
航班号
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
进港时刻
09:00 09:10 09:25 09:30 09:35 09:45 09:55 10:05 10:20 10:35 10:40 10:50 10:55 11:00 11:05 11:10 11:25 11:25 11:30 11:40 11:45 11:50
的空闲开始时间,使 该 停 机 位 的 空 闲 开 始 时 间 等
于该航班的离港时间.
3)对 于 第 二 个 航 班 ,重 新 调 整 其 可 停 靠 的 停 机 位 集 合 ,然 后 从 中 选 取 某 一 停 机 位 ,更 新 停 机 位
空 闲 开 始 时 间 ,若 无 进 停 机 位 可 分 ,跳 转 到 2). 4)以 此 类 推 ,输 出 可 行 解 .
差距.参数α 使2个目标所占比例因子相等,不会
偏重某一个目标.
3)多 目 标 优 化 模 型
min f = min f{f1,f2}
∑ s.t. Xij =1 i∈ N j∈M
∑ Xij(Gj -Qi)>0 i∈ N j∈M
Lij +ΔT -Rkj ≤0
(1) (2) (3)
Rij -K1i >0,Lij -K2 <0
1 模型描述
延误油耗优化 原 则:降 低 由 于 航 班 延 误 所 产
收 稿 日 期 :2012-08-25 刘君强(1978- ):男,博士,讲师,主要研究领域为民航信息集成、交通信息控制及工程 * 国家自然科学基金项目(批准号:60573095)、南京航空航天大学青年科技创新基金项目(批准号:NS2012059)资助
第6期
刘 君 强 ,等 :基 于 延 误 油 耗 优 化 原 则 的 停 机 位 实 时 分 配 算 法
· 1197 ·
生的延误油耗,并 使 各 航 空 公 司 相 同 机 型 所 承 担
的延误油耗基本 均 衡.由 于 调 整 之 后 个 别 航 班 延 误 油 耗 可 能 有 增 有 减 ,因 此 ,在 降 低 油 耗 的 同 时 使
Babic等 建 [1] 立了 以 离 港 旅 客 和 进 港 旅 客 的 总步行距离最短为优化目标的停机位分配模型, 对模型的求 解 采 用 了 分 枝 定 界 法.文 军 等 将 [2] 停 机位分配抽象成为 排 序 问 题,采 用 “先 到 先 服 务” 规则通过标号算 法 进 行 求 解,通 过 模 型 优 化 提 高 了停机位使 用 效 率.王 力 等 提 [3] 出 了 以 旅 客 登 转 机 时 间 、机 型 与 停 机 位 类 型 匹 配 为 优 化 目 标 ,同 时 考 虑 航 班 性 质 、航 班 数 量 与 密 度 、停 机 时 间 的 多 目 标停机位分配的 数 学 模 型,并 设 计 求 解 模 型 的 禁 忌搜索算法.熊 杰 等 在 [4] 考 虑 跑 道 和 滑 行 道 的 基 础 上 ,建 立 了 飞 机 油 耗 总 和 最 小 的 分 配 目 标 .