改进的蚁群算法在飞行路径模型中的应用

J4 ›› 2012, Vol. 34 ›› Issue (6): 137-139.

改进的蚁群算法在飞行路径模型中的应用

牟德一，刘金凤

(中国民航大学理学院，天津 300300）

收稿日期:2011-03-25 修回日期:2011-06-30 出版日期:2012-06-25 发布日期:2012-06-25
基金资助:
中央高校基本科研业务费资助项目（GRANT：ZXH2011C008）;中国民航大学校级科研项目（2011kys003）

An Improved Ant Colony Algorithm for Aircraft Routing

MOU Deyi，LIU Jinfeng

(School of Science，Civil Aviation University of China，Tianjin 300300,China)

Received:2011-03-25 Revised:2011-06-30 Online:2012-06-25 Published:2012-06-25

摘要/Abstract

摘要：

为了保障飞机安全地运行，FAA规定每架飞机在飞行一定时间后都要进行周期性检修。通常考虑到检修成本，任一种检修都要在指定的机场完成，因此要求飞机每飞行一定的小时数后都要返回到指定的维护基地进行定期检修。如何合理地进行飞机飞行路径的调度以使飞机周期性地返回指定检修机场进行检修是本文研究的关键。为了问题简化，本文主要针对单检修基地、单机型的检修路径调度问题进行研究。本文结合经典蚁群算法，对现有算法参数的设置及信息的更新等方面进行改进后应用到飞行路径模型中，并运用Matlab对该算法编程，运用具体数据进行计算实现，确保了飞机周期性返回检修机场，实现周期性检修。

关键词: 飞行路径, 蚁群算法, 信息素, 优化

Abstract:

It is prescribed that all the aircraft will undergo maintenance after a certain hours to make sure the safety of the aircraft. Every maintenance should be completed in a certain airport when the maintenance cost is considered. How to schedule a reasonable maintenance routing making sure that the aircraft can come back to the certain airport periodically is the key to this study.For simplicity,this paper describes this problem for one maintenance base and single type of aircraft. Ant colony algorithm is introduced to the problem and improved in parameter setting, and pheromone update. The results of the simulation indicate the proposed algorithm has better efficiency and optimization performance.

Key words: flying routing;ant colony algorithm;pheromone;optimization

牟德一，刘金凤. 改进的蚁群算法在飞行路径模型中的应用[J]. J4, 2012, 34(6): 137-139.

MOU Deyi，LIU Jinfeng. An Improved Ant Colony Algorithm for Aircraft Routing[J]. J4, 2012, 34(6): 137-139.

编辑推荐

Metrics

阅读次数

全文

163

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	163

来源	本网站	其他网站

次数	136	27
比例	83%	17%

摘要

最新录用	在线预览	正式出版

0	0	65

	来源	本网站

	次数	65
	比例	100%

[1]	陈侨安1，李峰1，曹越1，龙明盛1,2. 基于运行数据分析的Spark任务参数优化[J]. J4, 20160101, 38(01): 11-19.
[2]	周兰凤1，赵鹏飞1，彭俊杰2. 基于云环境下一种小文件传输策略研究[J]. J4, 20160101, 38(01): 20-27.
[3]	沈洁, 龙标, 黄春, 唐滔, 彭林. 面向向量部件的指数和对数函数优化方法[J]. 计算机工程与科学, 2025, 47(01): 18-26.
[4]	章政, 夏小云, 陈泽丰, 向毅. 融合强化学习的分阶段策略求解旅行背包问题[J]. 计算机工程与科学, 2025, 47(01): 140-149.
[5]	高纪元, 刘杰, 陈昌盛, 李伟, 刘影, 杨靖, . 混合策略改进的蜣螂优化算法[J]. 计算机工程与科学, 2025, 47(01): 171-179.
[6]	陈小文, 芮志超, 朱麒瑾, 董羽, 孟宇, . 高精度两步分支混合CORDIC算法设计及FPGA实现[J]. 计算机工程与科学, 2024, 46(12): 2099-2108.
[7]	王强, 孙彦洁, 齐星云, 徐佳庆. Bowtie 2-NUMA:具有NUMA体系结构适应性的基因序列比对应用#br#[J]. 计算机工程与科学, 2024, 46(12): 2117-2127.
[8]	沈凡凡, 汤星译, 张军, 徐超, 陈勇, 何炎祥. 基于改进萤火虫算法和长短期记忆网络的恶意行为检测方法[J]. 计算机工程与科学, 2024, 46(12): 2158-2170.
[9]	申晓宁, 徐继勇, 毛鸣健, 陈文言, 宋丽妍, . 基于双指标分组学习粒子群算法的动态敏捷软件项目调度[J]. 计算机工程与科学, 2024, 46(10): 1793-1806.
[10]	乔珍, 尹传忠, 仇鑫. 基于改进蚁群算法的长航程无人船路径规划[J]. 计算机工程与科学, 2024, 46(10): 1835-1842.
[11]	王坤, 刘杰, 李伟, 谭伟, 覃涛, 杨靖, . 多策略改进的猎人猎物优化算法[J]. 计算机工程与科学, 2024, 46(10): 1875-1887.
[12]	曹博钧, 钱入意, 徐远超. 一种面向计算图的及时内存重用算法[J]. 计算机工程与科学, 2024, 46(09): 1539-1546.
[13]	安园园, 马晓宁. 改进遗传算法与多目标优化模型的航班路径规划[J]. 计算机工程与科学, 2024, 46(09): 1660-1666.
[14]	陈心怡, 张孟健, 王德光. 基于Fuch映射的改进白鲸优化算法及应用[J]. 计算机工程与科学, 2024, 46(08): 1482-1492.
[15]	施禹, 董攀, 张利军. 一种不规则稀疏矩阵的SpMV方法[J]. 计算机工程与科学, 2024, 46(07): 1175-1184.