機場終端區(qū)航班排序調度系統自適應遺傳算法與分析

摘要：在本文中，對目前現有的各種排序模型進行對比，并結合我國空中管理實際提出新的算法，建立以時隙分配為機場飛行排序的模型，以解決國內大型機場多跑道現狀下，有限的機場容量資源對航班的跑道分配。

關鍵詞：空中交通流量管理；終端區(qū)航班排序；自適應遺傳算法；時隙分配

中圖分類號：G642.41 文獻標志碼：A 文章編號：1674-9324（2013）17-0202-02

一、引言

我國目前是世界第二大民航國，依然保持快速發(fā)展事態(tài)。在現有的狀態(tài)下，機場航班的延誤現象愈發(fā)嚴重，特別在惡劣天氣等不可抗拒因素下，機場容量減小造成了大量的飛機延誤現象。當頻繁出現這些情況時會對社會產生巨大的交通問題及經濟損失，同時頻發(fā)的延誤問題對空中航路的安全帶來極大的隱患。在我國，優(yōu)化空中交通流量管理目前能有效解決延誤時間及延誤航班次數。

二、空中交通流量管理的構成

根據我國對空中交通流量管理的劃分，航空器在整個飛行過程中會經歷七個階段：準備起飛、飛離機場、飛離終端區(qū)、加入航線、到達終端區(qū)、進近管制、到達機場，其中航空器飛行中要經歷四個層次的流量管理。對這四層的管理就是終端區(qū)流量控制的主要任務，這是在機場一定的空間中對航空器進行流量管理，主要的措施是在機場范圍內對進出航班進行調度優(yōu)化。

三、自適應遺傳算法

為了使新算法不產生局部最優(yōu)，在不使種群數量變大的情況下，保留個體數最大的多樣性，這是本文在原有的基礎上將采用的新的算法。

在1994年，由Srinivas等人提出由交叉概率Pc和變異概率Pm建立的自適應遺傳算法。十二年后任子武等人在Srinivas等現有的公式算法上，創(chuàng)建新的自適應遺傳算法即IAGA。該算法公式如下：

Pc=P■-■ f≥f■ P■ f

Pm=P■-■ f≥f■ P■ f

其中fmax為種群最大的適應度函數值；favg為每代種群的平均適應度函數值；f`為交叉算子中配對的兩個個體中較大的適應度函數值；f為變異算子中的個體適應度函數值； Pc1=0.9，Pc2=0.6，Pm1=0.1，Pm2=0.001。

種群中當個體較發(fā)散時，出現Pc變大，Pm減小，使得種群有一定程度的收斂；種群中當個體較收斂時，出現Pc減小，Pm變大，使之能夠產生新的模式，減小陷入局部最優(yōu)解的可能。

由此看出，所統計種群中的個體適應度函數值的發(fā)散和收斂的程度，是本文中自適應遺傳算法中計算變異概率和動態(tài)交叉概率的必要條件。計算種群的個體空間分布方差和種群的熵的計算量為o（n2），所以采用△`來表示種群的“早熟”程度：△`=Ftmax-Ftmax （1-3）

Ftmax表示第t次進化后種群的最大適應度函數值；Ftmax表示第t次進化后適應度函數值大于平均適應度函數值的個體平均適應度函數值。

式（1-2）的計算量為O（2n），可以看出當種群有巨大數量時，其運算量大大低于種群的熵，同時也低于個體空間分布方差。從而在本質上不會對計算△時由較差個體產生的負面效應，直觀的反映種群中當前適應度最大的那些個體之間的趨同程度。

對于以上的闡述，在種群“早熟”程度所產生的現象，提出以下新的方法：

Pc=■（1-4）

Pm=1-■（1-5）

其中a、b、k1、k2均為常數。令Pc∈[0.5，0.8），則有

Pc=■（1-6）

令Pc∈[0.08，1.5），則有Pm=1-■（1-7）

四、仿真結果及分析

仿真結果中傳統和本文算法的比較，總提前時間為251秒對比617秒，起飛延誤時間為433秒對比341秒，降落延誤時間為691秒對比479秒。可以看出采用新方法調整后，總延誤時間縮短144秒，其中在地面等待延誤時間縮短了92秒。

跑道時隙分配圖（*表示本場降落的航班，#表示本場起飛的航班，時間格式為“分：秒”）：

根據上圖并對照時刻表，采用傳統先來先服務的方法使7架次本場起飛的航班，9架次本場降落的航班延誤，共計16架次的航班延誤；采用本文的方法調整后，有5架次本場起飛的航班，5架次本場降落的航班延誤，僅10架次的航班產生延誤。

五、結語

綜上所述，根據本文的算法在繁忙時自動分配航班到其他的跑道上，減少延誤的航班時間及次數，使社會和旅客的經濟時間得到了有效的保障，并在一定程度上提升了航班運行的安全系數。

參考文獻：

[1]潘衛(wèi)軍.空中交通管理基礎[M].成都：西南交通大學出版社，2005：165-187.

[2]彭莉娟，等.基于可變優(yōu)先級的GHP時隙分配優(yōu)化模型[J].系統仿真學報出版社，2010，22（1）：25-28.