基于改进粒子群算法机位分配问题研究.docVIP

基于改进粒子群算法机位分配问题研究 　　摘要：为提高机场的运营效率和保证客户的满意度需要合理进行停机位分配工作。经详细分析机位分配问题的要素和约束条件，以停机位使用最均衡以及旅客的行走距离最短为目标建立分配模型，选定粒子群算法对其初始化及迭代步骤进行改进，对模型进行求解，编码设计出可拖拽的机位分配系统，采用模拟数据方式证明本改进算法提高了分配效率。 　　关键词：计算机应用技术；粒子群算法；机位分配模型；图形化系统 　　中图分类号：V351.11 　　文献标识码：A 　　0 引言 　　随着经济发展对航空业业务量和服务质量要求越来越高，机场的基础设施容量不足逐渐成为发展的掣肘，而对核心资源停机位的最大化利用的研究也就刻不容缓。从长远发展的角度，解决停机位资源紧缺最简单的办法是增加硬件设施投入，但考虑到开销较大，周期较长，影响因素较多，需要充分调研，不能解决于一朝一夕。而结合现有停机位并未充分利用的现象，当前的最实用策略，就是最大化挖掘潜力，通过智能化信息化方法合理分配停机位使用，确保机场的高效运转，提高旅客的满意度，此研究具有重要的现实意义。 　　机位分配问题是一个NP问题，同时具有复杂的约束条件，问题规模较为庞大，很难找到精确的最优解。对于此问题，国外目前的研究主要分为数学规划，计算机仿真和专家系统三个方向。Bailey提出了一个最小化旅客到达相关航班的时间的方案，采用启发式禁忌搜索办法，模拟成混合0-1规划问题，取得较好序列。而S.GHamzwawi采用计算机仿真的方法，模拟机场环境，得到机位预分配方案。此外，G.D Gosling等学者进一步考虑各种约束条件，各自建立了改进效率的专家系统。国内学者张晨等也从航班延迟，容量计算等不同角度扩展了问题研究思路。本文在其基础上，探讨了改进算法的运行效率，以及现实使用性等，分析机位分配问题因素，结合改进粒子群算法建立分配模型，最终设计出机位分配系统，并进行数据模拟验证。 　　1 问题分析及模型构建 　　1.1问题分析 　　停机位分配问题是将航班时刻表，停机位资源情况，航班情况等综合考虑，为未来一段时间内到达的航班预分配好适当的停机位，保证机场的稳定高效运转以及旅客的安全平稳进出。本文选取旅客行走时间最短与机位均衡使用为优先目标，设计出高效的分配算法，实现可实时自动分配机位的系统，确保机场运营效率和旅客体验双标准。 　　机位分配问题中的约束是由航班和停机位两者相互影响产生的。航班影响分配结果的属性主要有，一是航班号，确定航班唯一ID。二是航班的路线，可分为国内，国际，地区航线等。三是航班的机型，目前按大小主要分为A-F六类飞机，本文简化为大，中，小三种机型。四是航班的到港和离港时间，考虑旅客上下机，加油，进出机位多种时间因素，一般大机型停留时间较长，小机型比较快捷。而停机位的主要属性包括，一是停机位唯一标识。二是根据距离航站楼远近分为近机位和远机位，近机位服务质量高，由廊桥即可进入，远机位需摆渡车接送乘客，体验较差。三是停机位的大小，依据航班的标准，也分为大中小三种。四是机位的启用情况，只有已启用机位方可使用。 　　本文模型在以下假设前提下进行了抽象，选取最主要问题进行剖析。一是选取有限时间范围，因停机位分配是个连续的过程，本文只考察某段时间内分配情况，对问题并无影响。二是假设机场容量充分，假设停机位及其配套设施足以满足航班进离港的需求。三是航班配对假设，即一个到港航班必对应一个离港航班，使用配对的航班号。 　　可以分析出这是一个多目标多约束的模型，具有复杂的求解特性，有解时具有巨大的解空间，随着停机位及航班序列的增长，问题难度会成阶乘级增长。传统的数学规划等方法很难高效的求解问题，而本文设计的改进粒子群算法收敛快，遍历范围广，很适合求解机位分配问题。 　　2.2.3更新策略 　　用以上适应度函数即可求得每个粒子的适应度值，进而比较出个体极值pbest和全局极值gbest。因机位分配问题设计中采用离散编码，对于连续性的速度位置更新策略很难表示。本文引入遗传算法的交叉，变异策略，将变异看成对保持本身速度惯性的改变，将交叉看成粒子对个体极值与全局极值的靠拢程度。 　　在变异操作中，从粒子的分配序列中，随机选择一个变异点h1，从它的可分配机位集合Availablei中随机选择一个可用机位。如果没有可用机位的话，选择不变异，保证该粒子依旧满足约束。 　　在交叉操作中，需要将每个粒子分别于其个体极值和总的全局极值进行交互，符合粒子群算法追踪最靠近最优解的粒子来寻找最优解的特性。从粒子中随机选择两个变异位置c1和c2，将其间的序列片段与个体极值和全局极值分别进行交互。 　　在交叉操作后，改进算法设计一种调整策略，对交叉产生的不可行解调整成可行解，同时也扩大了搜索