针对常用进港航班排序数学模型(总延迟时间最小和总延迟成本最小)中存在的问题,选取空中延误成本、旅客延误成本、后续延误成本以及环境污染成本4个指标综合建立一种改进的总延迟成本最小数学模型。在分析已有的基于模拟退火的粒子群算...针对常用进港航班排序数学模型(总延迟时间最小和总延迟成本最小)中存在的问题,选取空中延误成本、旅客延误成本、后续延误成本以及环境污染成本4个指标综合建立一种改进的总延迟成本最小数学模型。在分析已有的基于模拟退火的粒子群算法(SA-PSO:particle swarm optimization based on simulated annealing)优化进港航班排序时寻优能力不足、收敛速度慢的基础上,采用一种线性微分递减(LDD:linear differential decrease)的退火策略,从而可以有效地解决进港航班排序问题。实验结果表明,与FCFS(first come first serve)、PSO以及SA-PSO算法相比,LDD-SA-PSO算法在进港航班优化问题上具有较好的寻优能力和收敛速度,同时改进数学模型中参数选择对优化结果也具有明显影响。展开更多
文摘针对常用进港航班排序数学模型(总延迟时间最小和总延迟成本最小)中存在的问题,选取空中延误成本、旅客延误成本、后续延误成本以及环境污染成本4个指标综合建立一种改进的总延迟成本最小数学模型。在分析已有的基于模拟退火的粒子群算法(SA-PSO:particle swarm optimization based on simulated annealing)优化进港航班排序时寻优能力不足、收敛速度慢的基础上,采用一种线性微分递减(LDD:linear differential decrease)的退火策略,从而可以有效地解决进港航班排序问题。实验结果表明,与FCFS(first come first serve)、PSO以及SA-PSO算法相比,LDD-SA-PSO算法在进港航班优化问题上具有较好的寻优能力和收敛速度,同时改进数学模型中参数选择对优化结果也具有明显影响。
