机场实际停机位使用

2019-09-02 1336

       这个问题的求解。根据MU730的预计到达时 刻为11:55,可以设置机位调配周期T为11:40~12:40,查询航班时刻表确定调配时间段里进入机场的航班及其到达时刻,该表的第8列和第9列还给出了该机场指挥中心的实际调配方案。调配时间段里机场实际停机位使用情况如所示,从中查询各机位前后两航班之间的时间间隔,把在调配时间段内空闲时间超过50min的停机位找出来,列在表2-17中,表中所列机位都可以在调配时间段内指派航班停靠,只要停靠航班的预计到达时刻和出发时刻在机位的空闲时间内即可。 

      可以计算出第8列给出的机场指挥处调配方案的目标函数值是38164m,比本例给出的解的目标函数多了10386m,多出了30%。比较这两个调配方案,发现只有两个航班指派的机位做了互换,将机场实际方案中的航班EZ307 的306号远机位与CZ6533的10号桥位做了互换。这两个航班的到达时刻非常 接近,从时间上来看,306号远机位和10号近机位对这两个航班都适合,这一调 换,将EZ307的B747调配到近机位,将CZ6533的A319调到了远机位,也就是将 大飞机调到近机位,小飞机调到远机位,当然减少了旅客和地面服务人员行走的总 距离,因此比机场执行的实际调配方案更优。 再进一步地采用遗传算法来解决本例问题,使用0-1编码,初始群有个体500 个,迭代了1000次,获得了本例最优解。

      在最后的种群中,可行解方案共有六个, 其中有几个解在迭代过程中保留了几十代到几百代,机场指挥处的实际调配方案 和上述启发式算法得到的优化解都在其中,如表2-19所示。表2-19中“出现次 数”是指该解在迭代1000次中出现的次数(保留的代数)。 给出的遗传算法的可行解有一个很有意思的特点,在1000次迭代中; 机场指挥处的方案出现了681次,概率为68%,而优化解方案出现的概率只有 1/250。这是否能说明人脑的思考与遗传算法的“进化”有某些相似之处?遗传算法 中出现概率最大的方案也是人脑最容易想到的方案,优化解出现的概率非常低,人 脑一般不易发现,而采用遗传算法和计算机求解不但代替了人脑思考,而且比人脑 “思考”的能力更强,很低概率的方案也能“想”出来。


电话咨询
咨询留言
在 线 客 服 X

QQ咨询

微信二维码

客户服务热线

18824138009