基于融合蚁群算法的机场地面滑行调度问题研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要工作 | 第13页 |
| 1.4 论文组织 | 第13-15页 |
| 第二章 机场地面滑行道调度问题的建模 | 第15-24页 |
| 2.1 基本概念 | 第15-16页 |
| 2.2 机场地面滑行道调度问题的描述 | 第16-23页 |
| 2.2.1 机场地面网络描述 | 第17-19页 |
| 2.2.2 机场地面滑行道调度问题的模型 | 第19-23页 |
| 2.3 问题复杂度分析 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 滑行道冲突探测与解脱研究 | 第24-30页 |
| 3.1 交叉冲突探测与解脱 | 第25-26页 |
| 3.2 超越冲突探测与解脱 | 第26-27页 |
| 3.3 对头冲突探测与解脱 | 第27-28页 |
| 3.4 机场网络模型的冲突探测与解脱 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 基于遗传算法的滑行道调度问题研究 | 第30-38页 |
| 4.1 遗传算法的原理 | 第30页 |
| 4.2 遗传算法的基本操作 | 第30-32页 |
| 4.3 遗传算法的优缺点 | 第32页 |
| 4.4 滑行道调度的遗传算法设计 | 第32-34页 |
| 4.5 算例的计算与分析 | 第34-37页 |
| 4.6 本章小结 | 第37-38页 |
| 第五章 融合蚁群算法在滑行道调度问题的应用 | 第38-54页 |
| 5.1 蚁群算法 | 第38-40页 |
| 5.1.1 蚁群算法的原理 | 第38页 |
| 5.1.2 蚁群算法的数学描述 | 第38-39页 |
| 5.1.3 蚁群算法的优缺点 | 第39-40页 |
| 5.2 滑行道调度的融合蚁群算法设计 | 第40-44页 |
| 5.2.1 滑行道调度中的遗传算法规则 | 第40-41页 |
| 5.2.2 滑行道优化调度的协同蚁群算法规则 | 第41-42页 |
| 5.2.3 融合蚁群算法流程 | 第42-44页 |
| 5.3 融合蚁群算法的具体规则 | 第44-48页 |
| 5.3.1 前期预处理 | 第44页 |
| 5.3.2 折返策略 | 第44-45页 |
| 5.3.3 算法数据结构 | 第45-47页 |
| 5.3.4 蚁群算法启发信息的构造 | 第47页 |
| 5.3.5 动态信息素更新策略 | 第47-48页 |
| 5.4 遗传算法和蚁群算法的衔接 | 第48-49页 |
| 5.5 实验结果 | 第49-53页 |
| 5.5.1 小规模航班实例 | 第49-50页 |
| 5.5.2 较大规模航班实例 | 第50-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第六章 结束语 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
