智能算法在机场停机位分配-南京航空航天大学-周蔷博士.pptVIP

南 京 航 空 航 天 大 学 南 京 航 空 航 天 大 学 南 京 航 空 航 天 大 学 * 智能算法在机场停机位分配 及优化问题中的应用 姓名：周蔷 E-mail:zhouqiang2000@ 2009年6月11日 南 京 航 空 航 天 大 学 * 研究背景 （一）机场实际运营的需要 在日益繁忙的干线机场和中枢机场，原来的简单调度方式已经不适应民航整体事业发展的需要，比如根据2002年某国内机场调查结果表明，由机场调度引起的航班延误占所有航班延误的15.45% 1.资源调度的优化可以提高运营效益 2.现代化的管理需要先进的技术手段 3.停机位分配问题是站坪控制的核心 4.提高机场的安全保障能力和服务质量 南 京 航 空 航 天 大 学 * 研究背景 （二）传统优化理论升级的需要 传统实际问题的特点 连续性问题——主要以微积分为基础，且问题规模较小 传统的优化方法 追求准确——精确解 理论的完美——结果漂亮 主要方法：线性与非线性规划、动态规划、多目标规划、整数规划、排队论、库存论、对策论、决策论等。 传统的评价方法 算法收敛性（从极限角度考虑） 收敛速度（线性、超线性、二次收敛等） 南 京 航 空 航 天 大 学 * 研究背景 （二）传统优化理论升级的需要 现代问题的特点 离散性问题——主要以组合优化（针对离散问题）理论为基础 不确定性问题——随机性数学模型 半结构或非结构化的问题——计算机模拟、决策支持系统 大规模问题——并行计算、大型分解理论、近似理论 现代优化方法 追求满意——近似解 实用性强——解决实际问题 现代优化算法的评价方法 算法复杂性 南 京 航 空 航 天 大 学 * 研究背景 （二）传统优化理论升级的需要 现代优化(启发式)方法: 禁忌搜索（Tabu Search,TS） 模拟退火（Simulated Anealing,SA） 遗传算法（Genetic Algorithms,GA） 蚁群算法（Ant Colony Algorithms,ACA） 粒子群算法（Particle Swarm Optimization, PSO ） 南 京 航 空 航 天 大 学 *  问题的提出如何改进智能算法并将其与停机位指派问题进行深层次的融合 以繁忙机场停机位分配和优化的实际问题为背景,着手应用智能算法来解决此类问题,并提出智能化系统模式。如何使用适当的算法策略与方法进行优化,是机场运行中有待研究的重要课题。 南 京 航 空 航 天 大 学 * 研究依据 （一）国内外研究现状分析 近年来，国内外学者在蚁群算法的模型改进和应用方面做了大量的工作,其共同目的是在合理时间复杂度的限制条件下,尽可能提高蚁群算法在一定空间复杂度下的寻优能力,从而改善蚁群算法的全局收敛性，并拓宽蚁群算法的应用领域[1].蚁群算法是一种概率搜索算法，从数学上对其正确性与可靠性进行证明比确定性算法困难.自w.J.Gutjahr最先从有向图论的角度对一种改进蚁群算法的收敛性进行理论证明至今,人们在其收敛性研究方面已经取得了相当丰富的理论研究成果，但是这些理论成果基本上都是针对一些改进蚁群算法的理论分析. 南 京 航 空 航 天 大 学 * 研究依据 （一）国内外研究现状分析 例如w.J.Gutjahr[2 3]对一类GBAS,GBAS/tdev及GBAS/tdlb算法的收敛性进行了证明,T.Sttlezle和M.Dorigo[4]对ACO(gb,r.min)算法的收敛性进行