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.

[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]	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.
[4]	王堃, 李少波, 何玲, 周鹏. 基于改进北方苍鹰优化随机配置网络的网络流量预测模型[J]. 计算机工程与科学, 2024, 46(07): 1245-1255.
[5]	张永智, 何可人, 戈珏. 改进YOLOv7网络在低空遥感图像目标检测中的应用[J]. 计算机工程与科学, 2024, 46(07): 1269-1277.
[6]	徐慧玲, 刘升, 李安东. 基于双向局部开发和黄金正弦的异构导向的鲸鱼优化算法[J]. 计算机工程与科学, 2024, 46(06): 1128-1140.
[7]	王颍超. 鲸鱼优化算法研究与应用进展[J]. 计算机工程与科学, 2024, 46(05): 881-896.
[8]	卢明妤, 李陶深, 吕品. 无线携能通信下mmWave协作通信小单元的能效最优策略[J]. 计算机工程与科学, 2024, 46(04): 626-634.
[9]	梁昔明, 史兰艳, 龙文. 基于混合策略改进的蛇优化算法及其应用[J]. 计算机工程与科学, 2024, 46(04): 693-706.
[10]	刘向举, 李金贺, 方贤进, 王宇. 移动边缘计算中计算卸载与资源分配联合优化策略[J]. 计算机工程与科学, 2024, 46(03): 416-426.
[11]	刘振超, 苑迎春, 王克俭, 何晨. 融合特征权重与改进粒子群优化的特征选择算法[J]. 计算机工程与科学, 2024, 46(02): 282-291.
[12]	李雨恒, 高尚, 孟祥宇. 基于精英引导的改进哈里斯鹰优化算法[J]. 计算机工程与科学, 2024, 46(02): 363-373.
[13]	季俊豪, 张玉书, 赵若宇, 温文媖, 董理. 基于智能进化算法的可见水印对抗攻击[J]. 计算机工程与科学, 2024, 46(01): 63-71.
[14]	李中华, 袁杰, 郭振宇. 基于信息启发的目标导向Bi-RRT机器人路径规划[J]. 计算机工程与科学, 2023, 45(12): 2237-2245.
[15]	许文俊, 王锡淮. 基于变尺度黑洞和种群迁徙的粒子群优化算法[J]. 计算机工程与科学, 2023, 45(11): 2036-2046.