航班著陸調(diào)度的智能優(yōu)化方法研究.pdf

1、作為終端區(qū)空中交通流量管理(Air Traffic Flow Management，ATFM)的核心內(nèi)容之一，航班著陸調(diào)度(Aircraft Landing Scheduling，ALS)旨在為待降落的航班給出有效的著陸調(diào)度方案，保證每架航班能夠安全地依次著陸。研究航班著陸調(diào)度問(wèn)題對(duì)確保飛行安全及提高飛行效益具有重大的意義。先來(lái)先服務(wù)是一種最簡(jiǎn)單快速的調(diào)度方法，但在航班較密集的情況下該算法可能無(wú)法給出一個(gè)合理的調(diào)度方案。目前解決航班著陸

2、調(diào)度問(wèn)題的優(yōu)化調(diào)度算法大致可以分為兩大類：線性規(guī)劃算法和計(jì)算智能算法。線性規(guī)劃算法具有高效性和正確性，但缺乏全局搜索能力，在某些情況下很難找到最優(yōu)解。而計(jì)算智能算法不僅具有強(qiáng)大的全局搜索能力，而且能夠處理非線性的復(fù)雜約束及目標(biāo)函數(shù)，因此近年來(lái)用計(jì)算智能算法解決航班著陸調(diào)度問(wèn)題成為一個(gè)研究熱點(diǎn)。然而計(jì)算智能算法容易產(chǎn)生大量的計(jì)算負(fù)擔(dān)，特別是在較為繁忙的機(jī)場(chǎng)終端區(qū)，所以它需要結(jié)合有效的啟發(fā)式方法才能更好的解決航班著陸調(diào)度問(wèn)題。 本文

3、針對(duì)機(jī)場(chǎng)終端區(qū)的航班著陸調(diào)度優(yōu)化問(wèn)題，構(gòu)建了一個(gè)航班著陸調(diào)度模型，并在該模型基礎(chǔ)上提出了一個(gè)基于滾動(dòng)時(shí)域控制和免疫克隆選擇算法的優(yōu)化算法(Hybrid Algorithm of Clonal Selection Algorithm and Receding Horizon Control)，簡(jiǎn)稱CSA-RHC算法。 在CSA-RHC算法中，針對(duì)航班著陸調(diào)度問(wèn)題多約束的特點(diǎn)，設(shè)計(jì)了有效的約束處理策略。該約束處理策略包括帶約束處理的

4、編碼策略和基于不可行度的免疫算子的設(shè)計(jì)。帶約束處理的編碼策略可以將原問(wèn)題的約束量級(jí)從O(n2)降低到O(n)，有效的減少了約束數(shù)量。在解的不可行度的基礎(chǔ)上，重新設(shè)計(jì)了針對(duì)性的免疫克隆選擇算法中的克隆，變異和選擇算子。本文提出的約束處理策略取得了令人滿意的優(yōu)化結(jié)果，顯示了該策略處理約束的能力。 在CSA-RHC算法中，為進(jìn)一步加快算法的搜索速度，提出了優(yōu)秀基因片段傳播(ExcellentGeneSegmentSpread，EGSS