admin

  基本上确定了航空公司的传统制冷存储计划模型,但实际上,航班通常受各种因素和不确定的延误的影响。本文中,考虑到随机因素,优化存储单元计划的耦合将具有最低成本和最高乘客满意度的多功能随机机会约束规划模型集成在一起。立了智能混合算法以找到最佳解决方案。例研究结果表明,该模型和算法对于优化冷藏库的配对是可行的。于民航业和竞争的特点,航空公司的飞行控制迫切需要运筹学的许多理论和方法,尤其是优化技术。营控制系统使用辅助决策系统和各种现代优化技术来建立基于现实世界的调度模型,并使用高效的算法和软件来快速生成调度方案。国内外文献中,LOO [1]通过重新定义起飞时间,建立了一个由多目标遗传算法(MOGA)求解的多目标优化模型。献[2]引入了惩罚函数来模拟实际的运营成本,冷凝器价格以研究不确定环境中冷藏存储单元的规划问题。Zhang Yingnan等[3]介绍了机会约束,该模型考虑了成本,飞行操作的安全性和随机乘客需求,构建了存储和冷库分配调度模型。德义等。

不确定环境中单元计划问题的计划模型和算法_no.409

  献[4]提出了冷库机组延迟概率的概念,给出了冷库机组的延迟概率的计算公式和方法,并利用Matlab进行了匹配问题的计算。库单元。Yen [5]一方面解决了人员分配问题,冷凝器价格另一方面解决了惩罚函数来描述延迟问题。件[6]说明了确定性冷库计划的详细分析。于基本冷库的耦合,本文研究了实际操作并考虑了不确定环境中的随机变量。航班约束和机会成本约束条件下,建立了多目标机会约束模型,采用混合智能算法求解并结合观测值进行求解。义[8]:假设x是决策向量,ξ是随机向量,是目标函数,并且(j = 1,2,…,p)是不给出a的随机约束函数。些可行的合奏。寸决策向量,目标函数和系统约束在哪里。
  划冷藏库的问题是航空公司航班时刻表的重要组成部分。配模型后,每种模型的飞机都会配备相应的冷藏存储人员,以确保飞行的飞行计划。每种型号找到合适的冷库不仅可以提高飞行效率和成本,而且可以保证飞行安全。库的规划问题分为两部分:冷库的配对和冷库的移动。库之间的孪生在于找到合适的冷库。当前的空中作业中,由主管人员操作冷藏库很容易,而耦合冷藏库的过程也非常复杂,并且涉及机场,城市,基地等的限制。此,该文件涉及冷藏存储单元的耦合。冷藏人员分配一条合理的路线。文档将航班的到达时间定义为一个随机变量,并将总成本和客户满意度定义为随机机会约束。文涉及的指标,参数,集合以及上下变量的实际含义,其中时间计量单位是分钟,成本计量单位是元。i =飞行指标变量。:如果对j是解决方案的一部分,则为1,否则为0。标功能:航班延误等频繁事件可能会导致乘客满意度降低。果,鉴于综合的飞行成本和乘客满意度,该模型具有总飞行成本和客户满意度的客观功能。束1:航班的到达时间在乘客可接受的小时范围内。行计划的固定性质与随机干扰因素相互作用,导致航班延误。束2:飞行罩。个与冷藏库相匹配的候选人都涵盖一定数量的航班,我们必须确保每个航班仅覆盖一次。样,所有航班都可以上面的形式表示。模型将随机性约束集成到基于整数的编程中。
  骤4:使用混合智能算法模拟输入和输出数据,形成神经元等。施第一个约束。模型的第3步和第4步均由Matlab编程实现。《航空运营案例规划和管理》一书中,我们使用了B757-200机队制冷存储单元的耦合。1列出了该模型的所有飞行津贴。
  据Ultimate Air对制冷机组进行配对的要求(每次飞行协助不能超过8小时,部署的最长持续时间为两天,制冷机组的永久基地为在肯尼迪国际机场,等待时间的上限和下限分别为10分钟和3小时。我们可以生成28对合法冷藏库,即表2。班延误是指航班的着陆时间延迟超过30分钟或在计划的着陆时间(航班时刻表上的时间)取消航班的时间。此,我们为预定的着陆时间前后30分钟(即表3)定义了可接受的客户到达时间窗口。们将这两个约束条件下的总成本降至最低,并最大程度地提高了满意度我们的客户。能混合算法用于求解最优值。骤2根据生成的输入和输出数据训练神经网络以近似不确定函数。骤3初始化pop_size染色体,并使用训练有素的神经元网络测试该染色体的可行性。骤4通过突变突变来更新染色体,并使用经过训练的神经网络来计算所有染色体的目标值。骤5根据目标值计算每个染色体的适应度。

不确定环境中单元计划问题的计划模型和算法_no.469

  骤6通过旋转游戏轮选择染色体,步骤7重复步骤4至7,直到完成指定的循环次数。骤8给出了最佳染色体作为最佳解决方案。先,使用随机模拟生成不确定函数的输入和输出函数,然后根据训练样本训练神经网络以近似不确定函数。后,我们整合遗传算法中形成的神经元网络,以生成混合智能算法。

不确定环境中单元计划问题的计划模型和算法_no.1113

  
  过运行智能混合算法,我们得到表4。不确定的环境中,设计了一种以成本最低,乘客满意度最高的多目标机会约束的编程模型,以优化客运量。

不确定环境中单元计划问题的计划模型和算法_no.207

  划存储单元,并使用智能混合算法找到最佳解决方案。最低的成本,允许旅客在合理的时间内降落在机场。旦将飞行中的所有冷藏存储单元配对,就可以使用Matlab编程获得最佳解决方案。例表明,该模型和算法对优化冷藏库的配对是可行的。
  本文转载自
  冷凝器价格 http://www.china-iceage.com