动态飞机着陆调度及其经验粒子群算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要内容及结构安排 | 第14-15页 |
| 第二章 相关理论知识介绍 | 第15-28页 |
| 2.1 飞机着陆调度问题描述 | 第15-16页 |
| 2.2 飞机着陆调度问题的数学模型 | 第16-18页 |
| 2.2.1 简化版飞机着陆调度问题的数学模型 | 第16-17页 |
| 2.2.2 经典版飞机着陆调度问题数学模型 | 第17-18页 |
| 2.3 飞机着陆调度问题的类比 | 第18-19页 |
| 2.4 粒子群优化算法基本理论 | 第19-22页 |
| 2.4.1 粒子群优化算法的发展 | 第19页 |
| 2.4.2 粒子群优化算法的原理 | 第19-20页 |
| 2.4.3 粒子群优化算法的流程 | 第20-21页 |
| 2.4.4 标准粒子群优化算法 | 第21-22页 |
| 2.5 粒子群优化算法的几类改进 | 第22-24页 |
| 2.5.1 基于初始化的改进 | 第22页 |
| 2.5.2 基于邻域拓扑的改进 | 第22-23页 |
| 2.5.3 基于参数设置的改进 | 第23-24页 |
| 2.5.4 基于混合策略的改进 | 第24页 |
| 2.6 粒子群算法解决离散问题 | 第24-27页 |
| 2.6.1 粒子群算法的离散形式 | 第24-26页 |
| 2.6.2 离散问题连续化 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第三章 飞机着陆调度问题的经验粒子群算法 | 第28-45页 |
| 3.1 飞机着陆调度问题的粒子群算法设计 | 第28-30页 |
| 3.1.1 编码与解码设计 | 第28页 |
| 3.1.2 适应度函数设计 | 第28-29页 |
| 3.1.3 罚函数设计 | 第29-30页 |
| 3.2 粒子群算法解决ALS的特点 | 第30-31页 |
| 3.2.1 解空间连续化后的形式 | 第30页 |
| 3.2.2 粒子群算法设计的优势 | 第30-31页 |
| 3.3 经验粒子群算法 | 第31-34页 |
| 3.3.1 经验粒子群算法的基本原理 | 第31-32页 |
| 3.3.2 飞机着陆调度问题的粒子经验一 | 第32-34页 |
| 3.3.3 飞机着陆调度问题的粒子经验二 | 第34页 |
| 3.4 实验及结果分析 | 第34-44页 |
| 3.4.1 实验环境 | 第34页 |
| 3.4.2 公共数据集介绍 | 第34-36页 |
| 3.4.3 算法的参数选择 | 第36-39页 |
| 3.4.4 算法性能对比 | 第39-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 飞机着陆调度问题的动态模型设计 | 第45-58页 |
| 4.1 静态模型的不足 | 第45页 |
| 4.2 动态模型 | 第45-47页 |
| 4.2.1 动态模型描述 | 第45-46页 |
| 4.2.2 诱发约束 | 第46-47页 |
| 4.3 滚动时域控制策略 | 第47-51页 |
| 4.3.1 滚动时域控制的基本概念 | 第47-48页 |
| 4.3.2 滚动时域控制的排序窗口划分 | 第48-51页 |
| 4.4 RHC与动态模型的结合 | 第51-54页 |
| 4.4.1 RHC与动态模型的关系 | 第51-53页 |
| 4.4.2 动态模型流程图 | 第53-54页 |
| 4.5 实验及结果分析 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 总结及展望 | 第58-60页 |
| 5.1 本文主要工作及特色 | 第58页 |
| 5.2 下一步研究方向 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |
