• <tr id="vjmrm"><label id="vjmrm"><menu id="vjmrm"></menu></label></tr>
  • <table id="vjmrm"></table>
  • <tr id="vjmrm"><label id="vjmrm"></label></tr>
    ?

    機場實際停機位使用

    2019-09-02 871

           這個問題的求解。根據MU730的預計到達時 刻為11:55,可以設置機位調配周期T為11:40~12:40,查詢航班時刻表確定調配時間段里進入機場的航班及其到達時刻,該表的第8列和第9列還給出了該機場指揮中心的實際調配方案。調配時間段里機場實際停機位使用情況如所示,從中查詢各機位前后兩航班之間的時間間隔,把在調配時間段內空閑時間超過50min的停機位找出來,列在表2-17中,表中所列機位都可以在調配時間段內指派航班???,只要??亢桨嗟念A計到達時刻和出發時刻在機位的空閑時間內即可。 

          可以計算出第8列給出的機場指揮處調配方案的目標函數值是38164m,比本例給出的解的目標函數多了10386m,多出了30%。比較這兩個調配方案,發現只有兩個航班指派的機位做了互換,將機場實際方案中的航班EZ307 的306號遠機位與CZ6533的10號橋位做了互換。這兩個航班的到達時刻非常 接近,從時間上來看,306號遠機位和10號近機位對這兩個航班都適合,這一調 換,將EZ307的B747調配到近機位,將CZ6533的A319調到了遠機位,也就是將 大飛機調到近機位,小飛機調到遠機位,當然減少了旅客和地面服務人員行走的總 距離,因此比機場執行的實際調配方案更優。 再進一步地采用遺傳算法來解決本例問題,使用0-1編碼,初始群有個體500 個,迭代了1000次,獲得了本例最優解。

          在最后的種群中,可行解方案共有六個, 其中有幾個解在迭代過程中保留了幾十代到幾百代,機場指揮處的實際調配方案 和上述啟發式算法得到的優化解都在其中,如表2-19所示。表2-19中“出現次 數”是指該解在迭代1000次中出現的次數(保留的代數)。 給出的遺傳算法的可行解有一個很有意思的特點,在1000次迭代中; 機場指揮處的方案出現了681次,概率為68%,而優化解方案出現的概率只有 1/250。這是否能說明人腦的思考與遺傳算法的“進化”有某些相似之處?遺傳算法 中出現概率最大的方案也是人腦最容易想到的方案,優化解出現的概率非常低,人 腦一般不易發現,而采用遺傳算法和計算機求解不但代替了人腦思考,而且比人腦 “思考”的能力更強,很低概率的方案也能“想”出來。

    ?
    電話咨詢
    Q Q
    咨詢留言
    在 線 客 服 X

    QQ咨詢

    微信二維碼

    客戶服務熱線

    18824138009

    陪酒女一个月能挣多少钱,一次接30个客人的感受,接了一个又大又长的客人