[发明专利]基于改进ACO算法的枢纽机场停机位的优化分配方法

说明书

本发明公开了基于改进ACO算法的枢纽机场停机位的优化分配方法，涉及机场资源分配技术领域，在分析国内机场停机位配置情况和机场运行管理方式的基础上，针对现有停机位分配问题考虑的目标较单一和求解算法精度和效率不高的问题，综合考虑以旅客步行总距离最短、停机位空闲时间最均衡以及停机坪数量最少的优化目标，建立一种停机位多目标优化分配模型，并采用改进的蚁群优化算法对其进行求解，使航班能够在停机位上得到合理有效的分配。

技术领域

本发明涉及机场资源分配技术领域，特别是涉及基于改进ACO算法的枢纽机场停机位的优化分配方法。

背景技术

停机位是机场有限的重要资源，它是实现航班快速安全地停靠，保证航班之间的有效衔接，提高整个机场综合运营效益的一个最关键因素。机场停机位分配是指在考虑停机位布局、航空器类型、航班进离港时刻等因素的情况下，在一定时限范围内，由机场指挥中心为到港和离港航班指定合适的登机口，保证航班正常、不延误。机场停机位分配合理与否，不仅关系机场场面运行的安全与流畅，而且对保证航班计划的正常实现、降低运输成本、为旅客提供优良服务等有着重大的影响。因此，研究机场停机位分配，具有重要的理论意义和实际应用价值。

目前，停机位分配问题被广泛深入研究，并获得较好的分配结果。Andeatta和Romanin首次试图通过建立数学模型，解决了地面等待时间分配的问题。在所建立的模型中，用动态规划分配了在一个时间段内从多个机场起飞，飞向同一个机场的多架航空器的地面等待时间，优化目标是所有航空器总的延误损失最小。随后，地面等待策略的静态多机场进行了深入的研究，一些启发式算法被提出来求解这些问题。Takashi等人提出了一种一维停机位分配问题的求解新方法。原始最小化问题被转化为一个受限制的问题，然后使用一个启发式算法进行求解。Cheng提出了一种基于知识的机场停机位分配系统，提供了在一个合理的计算时间内满足静态和动态情况下的解决方案。Haghani等人提出了一种新的停机位分配问题整数规划模型，并利用一个有效的启发式求解方法进行求解。Luo等人提出了一种基于离散事件系统的单机场地面保持问题模型。根据机场容量的各种特点，讨论了确定性和随机性的情况以及相应的算法。Yan等人提出了一个多目标模型，帮助机场当局有效和高效地解决停机位分配问题。该模型被称为多目标0-1整数规划。Yan等人提出了一个仿真框架，不仅能够分析随机航班延误对静态停机位分配的影响，而且也能评估灵活的缓冲时间和实时停机位分配规则。Yan和Tang提出了一种嵌入在框架中的启发式方法，旨在帮助机场当局解决随机航班延误的机场停机位分配。Drexl和Nikulin提出了一种以最小未分配航班、总步行距离最短、最大限度地提高停机位分配偏好为多目标的机场停机位分配模型。等人提出一种基于启发式方法和随机搜索方法的混合算法，用于求解机场停机位分配问题。Yin等人提出了机场停机位分配的DNA计算模型。通过分析飞机分配问题，将停机位分配问题转化为顶点着色模型。Zhao等人提出了混合整数模型来设计机场停机位分配问题，并采用了蚁群算法求解该模型。Prem Kumar等人提出了基于乘客连接收入最大、使用成本最小和鲁棒性最强的数学模型。这些现有的停机位分配模型和求解方法可以归纳为以下几种类型。专家系统是建立在配置原则和考虑非定量标准的基础上的知识库系统。这种方法由于搜索范围的限制，忽略了关键因素，导致不理想的配置结果。数学规划方法选择优化目标函数，探索0-1整数规划的可行性配置。这种方法的主要问题是选择目标函数。由于停机位分配的影响因素很多，如何考虑各种因素提出符合实际的优化目标函数，设计一个快速有效的求解算法。人工智能算法用于分配停机位，求解结果往往是局部最优解。当航班数达到数千时，很难满足实时分配的要求。

蚁群优化(ant colony optimization，ACO)算法是一种典型的群智能优化算法，信息素在蚂蚁间的相互协作中起着重要的作用，蚂蚁能够在它所经过的路径上留下信息素，并根据信息素的浓度来选择行走路径。它通过信息素较好地控制群体的多样性，避免算法陷入早熟停滞，具有较强的空间勘探能力。然而，由于传统的ACO算法采用固定的信息素增减来进行信息素更新，使得容易出现收敛速度慢、陷入局部最优、运算时间长等现象。

发明内容