《群集智慧型最佳化算法及其在機場停機位分配中的套用》是2021年科學出版社出版的圖書。
基本介紹
- 中文名：群集智慧型最佳化算法及其在機場停機位分配中的套用
- 作者：鄧武
- 類別：算法
- 出版社：科學出版社
- 出版時間：2021年9月
- 開本：16 開
- 裝幀：平裝
- ISBN：9787030697493
內容簡介,圖書目錄,
內容簡介
《群集智慧型最佳化算法及其在機場停機位分配中的套用》綜述了機場停機位分配問題的國內外研究現狀和發展動態，闡述了停機位分配問題的基本概念、特性和理論；分別介紹了群集智慧型最佳化算法中的蟻群最佳化算法、差分進化算法、粒子群最佳化算法、量子進化算法等改進算法和協同進化蟻群最佳化算法在機場停機位分配中的套用，通過機場停機位的實際數據驗證了所提方法的可行性與有效性。針對機場延誤航班停機位再分配問題，論述了基於GA-ACO兩階段最佳化算法的機場延誤航班停機位再分配方法，並對其進行了有效性驗證。
圖書目錄
目錄
前言
第1章 緒論 1
1.1 停機位分配問題的研究背景和意義 1
1.2 機場停機位分配問題 2
1.3 停機位分配問題的研究現狀 3
1.3.1 停機位靜態分配問題的研究現狀 3
1.3.2 多目標停機位分配問題的研究現狀 4
1.3.3 具有魯棒性的停機位分配問題研究現狀 5
1.3.4 不正常航班停機位動態分配問題的研究現狀 6
1.4 本書的結構及主要內容 7
1.5 本章小結 8
參考文獻 8
第2章 機場停機位分配問題的分析、模型與方法 13
2.1 機場停機位分配問題分析 13
2.1.1 民航機場系統 13
2.1.2 機場停機位特性 15
2.1.3 機場航班特性 16
2.1.4 機場停機位分配特性 17
2.1.5 機場停機位分配規則 18
2.1.6 機場停機位分配約束條件 19
2.1.7 機場停機位實時分配 20
2.1.8 機場停機位與航班之間關係 20
2.2 停機位分配問題域的分析 21
2.2.1 複雜網路流模型 21
2.2.2 假設條件 22
2.2.3 數據定義 23
2.2.4 複雜網路流模型構建 23
2.3 機場停機位分配的最佳化目標函式分析 24
2.3.1 旅客總行走距離之和短 24
2.3.2 各停機位空閒時間均衡 25
2.3.3 遠機位停靠航班數量少 25
2.3.4 停機位占用效率 25
2.3.5 航班-機位匹配差異度小 26
2.3.6 飛機地面滑行油耗小 26
2.4 停機位分配問題的研究方法 27
2.4.1 精確求解方法 27
2.4.2 近似求解方法 27
2.5 多目標最佳化問題描述 29
2.6 本章小結 29
參考文獻 29
第3章 多策略蟻群最佳化算法求解機場停機位分配問題 33
3.1 基本蟻群最佳化算法 33
3.1.1 蟻群最佳化算法原理 33
3.1.2 蟻群最佳化算法流程 34
3.1.3 蟻群最佳化算法優缺點 36
3.2 多策略蟻群最佳化算法 36
3.2.1 信息素初始濃度的改進方法 36
3.2.2 轉移機率的改進方法 37
3.2.3 揮發係數的改進方法 37
3.2.4 PSVACO算法的實現 37
3.2.5 PSVACO算法的數值驗證 39
3.3 機場停機位分配多目標最佳化模型的建立 42
3.3.1 最佳化目標函式的構建 42
3.3.2 多目標最佳化模型的無量化 43
3.4 多策略蟻群最佳化算法求解停機位分配最佳化模型 44
3.4.1 機場停機位分配最佳化方法 44
3.4.2 機場停機位分配流程 44
3.5 算例分析 45
3.5.1 實驗數據 45
3.5.2 實驗環境與參數設定 46
3.5.3 實驗結果與分析 46
3.5.4 結果比較與分析 48
3.6 本章小結 49
參考文獻 50
第4章 協同進化蟻群最佳化算法求解機場停機位分配問題 52
4.1 協同進化算法 52
4.1.1 協同進化算法概述 52
4.1.2 協同進化算法的分類 52
4.1.3 協同進化算法的框架 56
4.1.4 協同進化算法動力學描述 56
4.2 自適應蟻群最佳化算法 58
4.2.1 信息素更新策略 58
4.2.2 信息素更新約束範圍 59
4.3 協同進化蟻群最佳化算法 59
4.3.1 協同進化蟻群最佳化算法思想 59
4.3.2 SCEACO算法模型 59
4.3.3 SCEACO算法描述 60
4.3.4 SCEACO算法求解TSP 61
4.4 SCEACO算法參數自適應調整與協作策略 65
4.4.1 參數自適應調整策略 65
4.4.2 參數協作策略 65
4.5 機場停機位分配多目標最佳化模型的建立 66
4.5.1 最佳化目標函式的構建 66
4.5.2 多目標最佳化模型的無量化 66
4.6 SCEACO算法求解停機位分配最佳化模型 66
4.6.1 機場停機位分配最佳化方法 66
4.6.2 機場停機位分配流程 67
4.6.3 機場停機位分配步驟 67
4.7 算例分析 68
4.7.1 實驗數據 68
4.7.2 實驗環境與參數設定 69
4.7.3 實驗結果與分析 70
4.7.4 結果比較與分析 72
4.8 本章小結 75
參考文獻 75
第5章 多策略差分進化算法求解機場停機位分配問題 78
5.1 差分進化算法 78
5.1.1 差分進化算法原理 78
5.1.2 差分進化算法的優缺點 80
5.2 CPOMSDE算法 80
5.2.1 CPOMSDE算法的思想 80
5.2.2 小波基函式改進縮放因子 81
5.2.3 常態分配改進交叉機率 82
5.2.4 變異策略 82
5.2.5 CPOMSDE算法模型 84
5.2.6 CPOMSDE算法步驟 85
5.3 數值實驗與分析 85
5.3.1 標準測試函式 85
5.3.2 實驗環境與參數設定 86
5.3.3 實驗結果與分析 87
5.3.4 結果比較與分析 95
5.4 機場停機位分配多目標最佳化模型的建立 96
5.4.1 最佳化目標函式的構建 96
5.4.2 多目標最佳化模型的無量化 97
5.5 CPOMSDE算法求解停機位分配最佳化模型 98
5.5.1 機場停機位分配最佳化方法 98
5.5.2 機場停機位分配流程 98
5.5.3 機場停機位分配步驟 99
5.6 算例分析 99
5.6.1 實驗數據與實驗環境 99
5.6.2 實驗結果與分析 101
5.6.3 結果比較與分析 104
5.7 本章小結 104
參考文獻 105
第6章 自適應粒子群最佳化算法求解機場停機位分配問題 108
6.1 粒子群最佳化算法 108
6.1.1 粒子群最佳化算法原理 108
6.1.2 粒子群最佳化算法的優缺點 109
6.2 分數階微分和Alpha穩定分布理論 110
6.2.1 分數階微分理論 110
6.2.2 Alpha穩定分布理論 111
6.3 自適應粒子群最佳化算法 112
6.3.1 ADFCAPO算法思想 112
6.3.2 均勻初始化粒子策略 112
6.3.3 Alpha穩定分布隨機函式策略 112
6.3.4 基於動態分數階微分的速度計算策略 114
6.3.5 ADFCAPO算法流程 115
6.4 機場停機位分配多目標最佳化模型的建立 115
6.4.1 最佳化目標函式的構建 115
6.4.2 多目標最佳化函式的無量化 116
6.5 基於ADFCAPO算法的機場停機位分配最佳化方法 117
6.6 算例分析 118
6.6.1 實驗數據與參數設定 118
6.6.2 實驗結果與分析 120
6.6.3 結果比較與分析 123
6.7 本章小結 125
參考文獻 125
第7章 多策略量子進化算法求解機場停機位分配問題 127
7.1 進化算法 127
7.1.1 進化算法概述 127
7.1.2 進化算法原理 127
7.1.3 進化算法特點 128
7.2 量子計算 129
7.2.1 量子計算概述 129
7.2.2 量子計算原理 129
7.2.3 量子門 130
7.2.4 量子旋轉門 131
7.3 量子進化算法 136
7.3.1 量子進化算法概述 136
7.3.2 量子遺傳算法 137
7.4 多策略量子進化算法 139
7.4.1 NCPQEA思想 139
7.4.2 基於小生境進化策略的QEA種群初始化 140
7.4.3 PSO學習因子的動態確定策略 140
7.4.4 基於改進PSO的量子旋轉門更新策略 141
7.4.5 NCPQEA模型 142
7.4.6 NCPQEA步驟 142
7.5 數值實驗與分析 143
7.5.1 標準測試函式 143
7.5.2 實驗環境與參數設定 144
7.5.3 實驗結果與比較 144
7.6 機場停機位分配多目標最佳化模型的建立 150
7.6.1 最佳化目標函式的構建 150
7.6.2 多目標最佳化模型的無量化 151
7.7 基於NCPQEA的機場停機位分配最佳化方法 151
7.7.1 機場停機位分配最佳化方法 151
7.7.2 機場停機位分配流程 151
7.7.3 機場停機位分配步驟 151
7.8 算例分析 152
7.8.1 實驗數據 152
7.8.2 實驗環境與參數設定 154
7.8.3 實驗結果與分析 154
7.8.4 結果比較與分析 159
7.9 本章小結 162
參考文獻 162
第8章 兩階段最佳化算法求解機場延誤航班停機位分配問題 166
8.1 遺傳算法 166
8.1.1 遺傳算法概述 166
8.1.2 遺傳算法原理 166
8.1.3算法定理及其收斂性 167
8.1.4 遺傳算法的優缺點 168
8.2 兩階段最佳化算法 168
8.2.1 兩階段最佳化算法思想 168
8.2.2 兩階段最佳化算法流程 169
8.2.3 兩階段最佳化算法步驟 169
8.3 數值實驗與分析 170
8.3.1 TSP問題描述 170
8.3.2 實驗環境與參數設定 171
8.3.3 實驗結果與分析 171
8.4 延誤航班停機位再分配最佳化模型的建立 173
8.4.1 航班延誤分析 174
8.4.2 停機位再分配描述與分析 174
8.4.3 最佳化目標函式的構建 176
8.4.4 多目標最佳化模型的無量化 177
8.5 基於兩階段最佳化算法的延誤航班停機位再分配方法 177
8.5.1 延誤航班停機位再分配方法 177
8.5.2 延誤航班停機位再分配流程 178
8.6 延誤航班停機位再分配實現過程 178
8.6.1 延誤航班停機位再分配**階段的實現 178
8.6.2 延誤航班停機位再分配第二階段的實現 186
8.7 實例分析 190
8.7.1 實驗數據 190
8.7.2 實驗環境與參數設定 191
8.7.3 實驗結果與分析 192
8.7.4 結果比較與分析 195
8.8 本章小結 200
參考文獻 200
