下载文档原格式
第39卷第9期 2017年9月系统工程与电子技术Systems Engineering and ElectronicsV ol. 39 No. 9September 2017文章编号：1001-506X(2017)09-1985-07 网址：www. sys-ele. com 基于混合遗传粒子群算法的相控阵雷达调度方法张浩为\谢军伟\张昭建\宗彬锋2，盛川1(1.空军工程大学防空反导学院，陕西西安710051; 2.中国人民解放军94710部队，江苏无锡214000)摘要：针对相控阵雷达中的任务调度问题，提出一种融合了粒子群算法、遗传算法和启发式交错调度算法的混合算法。
采用混沌理论优化粒子群算法的飞行参数，设计递减的动态惯性权重，以及引入遗传算法中的交叉、变异操作，使得算法能够快速收敛，并跳出局部最优实现全局最优。
在智能算法的框架下，提出一种启发式的任务交错算法，使得雷达任务中等待期的时间资源进一步得到利用。
仿真结果表明，相比于遗传算法，所提算法的收敛速度更快，结果更优；相比于传统的启发式算法，所提算法的调度成功率提升了 42%，时间利用率提升了40%，实现价值率提升了 33%，时间偏移率减少了 73%。
关键词：相控阵雷达；调度；粒子群算法；遗传算法中图分类号：TTN 954+. 2 文献标志码：A DOI：10. 3969/j.issn. 1001-506X. 2017. 09. 11Scheduling based on the hybrid genetic particle swarmalgorithm for the phased array radarZ H A N G H a o w e i1，X IE J u n w e i1，Z H A N G Z h ao jia n1，ZO N G B in fe n g2，S H E N G C h u an1(1.A i r a n d M i s s i l e D e f e n s e C o l l e g e^A i r F o r c e E n g i n e e r i n g U n i v e r s i t y ^X i y a n710051, C h i n a',2.U n i t94710o f t h e P L A,W u x i214000, C h i n a)Abstract：A hybrid algorithm,which integrates the particle swarm algorithm,the genetic algorithm and the heuristic interleaving algorithm,is proposed to solve the task scheduling problem in the phased array radar.In the proposed algorithm,the chaos theory is adopted to modulate the velocity parameters in the particle swarm algorithm,the diminishing dynamic inertia weight is designed and the crossover operation and the mutation operation in the genetic algorithm are introduced to enhance the efficiency and the global exploration ability of the algorithm.In addition,the heuristic interleaving algorithm is put forward under the frame of the intelligence algorithm.It can further utilize the time resource between the transmitting duration and receiving duration in radar tasks.The simulation results demonstrate that the proposed algorithm possesses the merits of the quicker convergence and better results compared with the genetic algorithm.In addition,the proposed algorithm improves the successfully scheduling ratio by 42%,time utilization ratio by 40%,high value ratio by 33%,and decreases the average time shift ratio by 73%compared with the heuristic algorithm.Keywords：phased array radar；scheduling；particle swarm algorithm；genetic algorithm〇引言相控阵雷达可以在微秒量级内改变波束指向，使得其可以同时完成多种功能，如空域搜索、多目标跟踪以及导弹制导等，实现多部常规雷达的功能。
基于粒子群算法的航班降落调度方法设计随着航空车流量的增加，航班降落调度系统已成为实现航空交通高效、安全和可持续的关键组成部分。
在这个系统中，航班的降落调度需要考虑许多因素，如气象条件、飞行器性能、空域和机场情况等。
为了解决这些问题，现有的降落调度方法中大多依靠经验和规则，难以充分利用信息和优化策略，因此需要更有效的调度算法。
本文提出了一种新的航班降落调度方法，以粒子群算法为基础，结合航班、机场和空域的特性，实现了对航班降落调度的优化。
该算法通过优化降落时间序列，使得每个航班的降落时间最小，并满足所有航班的销售容量要求和机场的安全和容量管理要求。
首先，我们将降落计划划分为多个阶段，每个阶段都有不同的目标和约束条件。
在每个阶段中，我们利用粒子群算法来优化降落时间序列，通过不断地更新粒子的位置和速度，使得降落时间逐渐趋向最优值，并且满足所有约束条件。
具体而言，算法首先根据每个航班的预计降落时间构建误差函数，以此为目标函数进行优化。
在每一次迭代中，根据当前粒子的状态和历史最优值，更新每个粒子的速度和位置，直到达到一定的终止条件为止。
其次，我们根据不同的阶段设置不同的约束条件来保证降落调度的有效性和安全性。
在第一个阶段中，焦点是保证降落时间满足航班的销售容量和机场的NDMA(Nightly Demand Management Arrangements)要求，同时要保证机场交通流畅。
在第二个阶段中，我们根据机场停机位的使用情况和飞行器的性能特点，进一步优化降落时间，以实现更高的机场容量利用率。
最后，我们通过仿真实验测试了该方法的可行性和有效性。
实验结果显示，该方法能够实现航班降落调度的最优化，使得机场的容量利用率得到了显著提升，同时满足了所有的约束条件。
综上所述，本文提出了一种基于粒子群算法的航班降落调度方法，该方法具有较高的可行性和有效性，能够满足航班调度的需求和安全要求。
未来研究可以进一步优化该方法，使得精度更高，调度效率更优。
基于改进粒子群算法的机场多航班多服务调度策略
高原;王新茹;丁建立
【期刊名称】《航空计算技术》
【年(卷),期】2008(038)003
【摘要】机场加油、行李和配餐等多项地面服务是航班正常运行的关键,也是机场大面积航班延误快速恢复过程重点考虑的问题.在对多航班多服务调度目标和约束条件分析的基础上,提出了多航班多服务调度模型,定义了粒子的二维表示方法,设计了一种改进粒子群算法来生成航班调度方案,并针对国内某机场的航班数据进行了仿真实验,结果表明,该算法与基本粒子群算法、进化策略相比,有明显优势,可极大地提高多航班多服务调度水平和机场地面服务效率.
【总页数】5页(P5-9)
【作者】高原;王新茹;丁建立
【作者单位】北京首都国际机场股份有限公司,信息技术管理部,北京,100621;中国民航大学,计算机科学与技术学院,天津,300300;中国民航大学,计算机科学与技术学院,天津,300300
【正文语种】中文
【中图分类】V355
【相关文献】
1.延误航班机场场面滑行优化调度策略研究 [J], 柳青;李春玲;宋祥波
2.基于FS-MOPSO的多机场终端区协同航班调度策略 [J], 王湛;吴艺
3.基于改进多目标粒子群算法的微网双层优化调度策略 [J], 李雪松;滕欢;郭宁;梁梦可;吴泽穹
4.基于改进粒子群算法的虚拟机调度策略研究 [J], 高玉娇
5.基于改进的粒子群算法的云资源调度策略 [J], 蔡晓丽;钱诚
因版权原因，仅展示原文概要，查看原文内容请购买。
航空行业航班智能调度系统实施方案第一章引言 (3)1.1 项目背景 (3)1.2 项目目标 (3)1.3 实施原则 (3)第二章系统设计 (4)2.1 系统架构 (4)2.1.1 总体架构 (4)2.1.2 系统组件 (4)2.2 功能模块设计 (4)2.2.1 航班调度模块 (5)2.2.2 航班监控模块 (5)2.2.3 航班分析模块 (5)2.3 技术选型 (5)2.3.1 数据库技术 (5)2.3.2 分布式计算技术 (6)2.3.3 人工智能技术 (6)第三章数据采集与处理 (6)3.1 数据源分析 (6)3.2 数据采集方式 (7)3.3 数据处理方法 (7)第四章智能调度算法 (7)4.1 算法概述 (7)4.2 算法实现 (8)4.2.1 遗传算法 (8)4.2.2 蚁群算法 (8)4.2.3 粒子群算法 (8)4.2.4 神经网络算法 (9)4.3 算法优化 (9)第五章系统开发与实施 (9)5.1 系统开发流程 (9)5.1.1 需求分析 (9)5.1.2 系统设计 (9)5.1.3 编码与实现 (10)5.1.4 系统集成与调试 (10)5.1.5 系统优化与升级 (10)5.2 系统测试与验收 (10)5.2.1 单元测试 (10)5.2.2 集成测试 (10)5.2.3 系统测试 (10)5.2.4 用户验收 (10)5.3 系统部署与维护 (10)5.3.2 系统培训 (10)5.3.3 系统维护 (10)第六章项目管理 (11)6.1 项目计划与进度管理 (11)6.1.1 项目计划的制定 (11)6.1.2 项目进度的监控与调整 (11)6.2 项目成本管理 (11)6.2.1 成本预算的制定 (11)6.2.2 成本控制与审计 (11)6.3 项目风险管理 (12)6.3.1 风险识别 (12)6.3.2 风险评估与应对 (12)6.3.3 风险监控与报告 (12)第七章人员培训与推广 (12)7.1 培训对象与内容 (12)7.1.1 培训对象 (12)7.1.2 培训内容 (12)7.2 培训方式与效果评估 (13)7.2.1 培训方式 (13)7.2.2 效果评估 (13)7.3 推广策略 (13)7.3.1 制定推广计划 (13)7.3.2 开展内部宣传 (13)7.3.3 建立激励机制 (13)7.3.4 加强与技术支持 (13)7.3.5 组织交流与分享 (14)第八章系统评价与优化 (14)8.1 评价指标体系 (14)8.2 系统评价方法 (14)8.3 系统优化建议 (14)第九章法规与政策支持 (15)9.1 相关法规政策分析 (15)9.1.1 国家层面法规政策 (15)9.1.2 地方层面法规政策 (15)9.2 政策建议与实施 (15)9.2.1 政策建议 (15)9.2.2 政策实施 (15)9.3 政策效果评估 (15)9.3.1 法规政策实施情况评估 (16)9.3.2 政策对企业的影响评估 (16)9.3.3 政策对社会的影响评估 (16)9.3.4 政策可持续性评估 (16)第十章总结与展望 (16)10.2 项目成果与价值 (16)10.3 未来发展展望 (17)第一章引言1.1 项目背景我国经济的快速发展，航空行业作为国民经济的重要组成部分，其市场需求和业务规模持续扩大。
优先出版 计 算 机 应 用 研 究 第32卷--------------------------------作者简介：马英钧(1987-)，男，河南西峡人，硕士研究生，主要研究方向为智能算法(601282170@)；孙晓娜(1990-)，女，河南镇平人，硕士研究生，主要研究方向为概率论；赵东方(1958-)，男，硕导，教授，主要研究方向为运筹学与控制论．基于改进粒子群算法的航班降落调度问题研究马英钧1，孙晓娜2，赵东方3(华中师范大学 数学与统计学学院，武汉 430079)摘 要：航班降落调度是多约束的整数规划问题，也是组合优化中的典型NP 难题之一.针对传统粒子群算法易陷入局部最优和求组合优化问题能力不强的缺点，提出改进策略。
改进的算法通过禁忌搜索策略生成初始粒子群以满足航班调度多约束的限制，引入遗传算法的交叉变异等操作以增强粒子群间信息交流能力，重新定义惯性权重和加速度因子，以增强粒子的多样性和收敛性，加入进化交叉算子以增强粒子的局部寻优能力。
最后，通过与修补遗传算法、罚函数遗传算法经过多次运行后得到的调度方案进行对比，其结果表明，提出的改进算法的局部搜素能力和全局搜素能力都得到增强，同时也验证了算法的可行性和有效性。
关键词：粒子群算法；航班降落调度；禁忌搜索策略；惯性权重；加速度因子；修补算子；进化交叉算子 中图分类号：TP301.6Research of flight landing scheduling problem based onimproved particle swarm optimizationMA Ying-jun 1, SUN Xiao-na 2, ZHAO Dong-fang 3(School of Mathematics & Statistics, Huazhong Normal University, Wuhan 430079, China)Abstract: Flight landing scheduling is a more constrained integer programming problem . It is also one of the typical NP problems in combinatorial optimization . In view of the problem that traditional particle swarm optimization (PSO) algorithm is easy to fall into local optimum and the ability of combinatorial optimization problem is not strong , it proposes the improved strategies . The improved algorithm generates the initial particle swarm to satisfy the constraint of flight scheduling constraints through the tabu search strategy. And it introduces the operations , such as the crossover mutation of genetic algorithm , to enhance the capacity of information exchange between the particle swarms . It also enhances the diversity of particles and convergence through redefining the inertia weight and acceleration factor . And at the same time , it enhances the local optimization ability of the particles through adding evolution to the crossover operator . In the end , through operating repair genetic algorithm and penalty function genetic algorithm repeatedly and then comparing the scheduling schemes with the improved ones , the result shows that the improved algorithm enhances the local search ability and the global search ability . And it also verifies the feasibility and validity of the algorithm at the same time.Key Words: Particle Swarm Algorithm; Flight Landing Scheduling; Tabu search strategy; Inertia Weight; Acceleration Factor; Repair Operator; Evolution Crossover Operator0 引言航班降落调度直接影响机场和航空公司的运营效率，合理的航班降落调度方案对保证机场的秩序，减少早到或者晚到造成的经济损失，提高机场的运行效率以及飞行效益具有重大意义[1]。
