| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要工作和内容安排 | 第12-14页 |
| 1.3.1 本文的主要工作 | 第12-13页 |
| 1.3.2 本文的内容安排 | 第13-14页 |
| 第二章 终端区航班着陆调度模型与方法 | 第14-25页 |
| 2.1 空中交通管制 | 第14-16页 |
| 2.1.1 空中交通管制 | 第14-15页 |
| 2.1.2 航班的飞行过程 | 第15-16页 |
| 2.2 航班着陆调度问题 | 第16-22页 |
| 2.2.1 航班着陆调度的定义 | 第16-17页 |
| 2.2.2 航班着陆调度的模型描述 | 第17-21页 |
| 2.2.3 动态航班着陆调度问题的特点 | 第21-22页 |
| 2.3 航班着陆调度的典型方法 | 第22-24页 |
| 2.3.1 先来先服务 | 第22页 |
| 2.3.2 基于CPS的线性规划法 | 第22-23页 |
| 2.3.3 智能方法 | 第23页 |
| 2.3.4 航班着陆调度典型方法的分析 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于MPS约束改进遗传算法的航班着陆优化方法 | 第25-31页 |
| 3.1 基于MPS约束的改进遗传算法框架 | 第25-26页 |
| 3.2 基于MPS约束的改进遗传算法 | 第26-30页 |
| 3.2.1 遗传算法的基本思想 | 第26页 |
| 3.2.2 种群多样性定义 | 第26-27页 |
| 3.2.3 编码方案 | 第27页 |
| 3.2.4 适应度函数 | 第27页 |
| 3.2.5 初始种群选择 | 第27-28页 |
| 3.2.6 遗传算子 | 第28-29页 |
| 3.2.7 约束条件的处理 | 第29-30页 |
| 3.3 算法描述 | 第30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于免疫粒子群算法的航班着陆优化方法 | 第31-45页 |
| 4.1 基于免疫粒子群算法基本思路及框架 | 第31-32页 |
| 4.1.1 算法改进的基本思路 | 第31-32页 |
| 4.1.2 算法框架 | 第32页 |
| 4.2 粒子群算法 | 第32-36页 |
| 4.2.1 标准粒子群算法 | 第32-33页 |
| 4.2.2 离散粒子群算法 | 第33-35页 |
| 4.2.3 粒子群的缺陷 | 第35-36页 |
| 4.3 免疫算法 | 第36-39页 |
| 4.3.1 自然免疫学的基本原理 | 第36-38页 |
| 4.3.2 人工免疫系统 | 第38页 |
| 4.3.3 免疫算法的流程 | 第38-39页 |
| 4.4 改进免疫粒子群算法 | 第39-44页 |
| 4.4.1 改进算法的计算过程 | 第39-41页 |
| 4.4.2 算法的简单描述 | 第41-42页 |
| 4.4.3 改进算法有效性验证 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 基于动态航班着陆模型的调度仿真系统 | 第45-55页 |
| 5.1 系统综述 | 第45-47页 |
| 5.1.1 系统的开发背景 | 第45页 |
| 5.1.2 系统简介 | 第45页 |
| 5.1.3 系统基础数据选择 | 第45-47页 |
| 5.1.4 系统开发环境和开发工具 | 第47页 |
| 5.2 系统总体设计 | 第47-51页 |
| 5.2.1 系统模块 | 第47-48页 |
| 5.2.2 算法模块 | 第48-49页 |
| 5.2.3 数据库设计 | 第49-50页 |
| 5.2.4 功能模块设计 | 第50-51页 |
| 5.3 仿真界面 | 第51-54页 |
| 5.3.1 主界面 | 第51-52页 |
| 5.3.2 遗传算法参数设置界面 | 第52页 |
| 5.3.3 免疫粒子群算法参数设置界面 | 第52-53页 |
| 5.3.4 仿真结果显示 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 致谢 | 第57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表学术论文的情况 | 第61页 |