南京航空航天大学学报

作者：冯小荣，张帅，丘东林，王兴隆

单位：中国民航大学空中交通管理学院，天津 300300;民航飞联网重点实验室，天津 300300；,中国民航大学空中交通管理学院，天津 300300;民航飞联网重点实验室，天津 300300；,中国民航大学空中交通管理学院，天津 300300；,中国民航大学空中交通管理学院，天津 300300;民航飞联网重点实验室，天津 300300；

关键词：航班着陆调度;时间窗约束;动态规划;遗传算法;粒子群算法

基金：国家自然科学基金面上项目（62173332）；国家自然科学基金重点项目（U2133207）；中央高校基本科研业务费-自然科学重点项目（3122023050）；中央高校基本科研业务费专项基金项目（3122020051）。

航空运输需求持续增长与枢纽终端区空域资源紧张的情况日益凸显，本文提出了一种限界优化的动态规划方法（Dynamic programming approach to limit optimization，DPALO）求解终端区航班着陆调度问题（Arrived landing problem， ALP）。首先建立了时间窗约束的航班着陆调度的离散化数学模型，推导了固定顺序下求解ALP的递推公式，并结合ALP问题特点，限界优化航班时间窗，并证明了所提方法不影响模型最优值的求解。其次，运用精英遗传算法、粒子群算法、线性循环交换和线性循环插空等方法调整航班序列，以期求得较优解。最后在 OR-Library 数据集进行验证，实验结果表明，采用精英遗传算法调整航班着陆序列，DPALO的计算结果优于已知最优解（（Best known values，BKV）、仿生算法（Bionic algorithm，BA）和位移决策算法（Displacement decision algorthm， DDA），与细胞自动机优化方法（Cellular automaton optimization，CAO）、紧致子序列算法（Compact subsequence algorithm，CSA）和滚动时域-混合粒子群优化-局部搜索算法（Rolling horizon framework hybrid particle swarm optimization local search algorithm， RH-HPSO-LS）的结果相近；DPALO的时间效率在小样本数据集上时间效率达到毫秒级，在大样本数据集上相较于CSA、CAO和RH-HPSO-LS分别提升了76.88%、89.11%和78.28%。

来源：2024年第6期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2024年第6期