群集智能优化算法及其在机场停机位分配中的应用9787030697493
正版图书，可开发票，请放心购买。
￥ 77.42 7.9折 ￥ 98 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者邓武[等]著
出版社科学出版社
ISBN9787030697493
出版时间2021-09
装帧平装
开本16开
定价98元
货号11267924
上书时间2024-12-18
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
目录
目录 前言 第1章 绪论 1 1.1 停机位分配问题的研究背景和意义 1 1.2 机场停机位分配问题 2 1.3 停机位分配问题的研究现状 3 1.3.1 停机位静态分配问题的研究现状 3 1.3.2 多目标停机位分配问题的研究现状 4 1.3.3 具有鲁棒性的停机位分配问题研究现状 5 1.3.4 不正常航班停机位动态分配问题的研究现状 6 1.4 本书的结构及主要内容 7 1.5 本章小结 8 参考文献 8 第2章 机场停机位分配问题的分析、模型与方法 13 2.1 机场停机位分配问题分析 13 2.1.1 民航机场系统 13 2.1.2 机场停机位特性 15 2.1.3 机场航班特性 16 2.1.4 机场停机位分配特性 17 2.1.5 机场停机位分配规则 18 2.1.6 机场停机位分配约束条件 19 2.1.7 机场停机位实时分配 20 2.1.8 机场停机位与航班之间关系 20 2.2 停机位分配问题域的分析 21 2.2.1 复杂网络流模型 21 2.2.2 假设条件 22 2.2.3 数据定义 23 2.2.4 复杂网络流模型构建 23 2.3 机场停机位分配的优化目标函数分析 24 2.3.1 旅客总行走距离之和*短 24 2.3.2 各停机位空闲时间*均衡 25 2.3.3 远机位停靠航班数量*少 25 2.3.4 停机位占用效率*大 25 2.3.5 航班-机位匹配差异度*小 26 2.3.6 飞机地面滑行油耗*小 26 2.4 停机位分配问题的研究方法 27 2.4.1 精确求解方法 27 2.4.2 近似求解方法 27 2.5 多目标优化问题描述 29 2.6 本章小结 29 参考文献 29 第3章 多策略蚁群优化算法求解机场停机位分配问题 33 3.1 基本蚁群优化算法 33 3.1.1 蚁群优化算法原理 33 3.1.2 蚁群优化算法流程 34 3.1.3 蚁群优化算法优缺点 36 3.2 多策略蚁群优化算法 36 3.2.1 信息素初始浓度的改进方法 36 3.2.2 转移概率的改进方法 37 3.2.3 挥发系数的改进方法 37 3.2.4 PSVACO算法的实现 37 3.2.5 PSVACO算法的数值验证 39 3.3 机场停机位分配多目标优化模型的建立 42 3.3.1 优化目标函数的构建 42 3.3.2 多目标优化模型的无量化 43 3.4 多策略蚁群优化算法求解停机位分配优化模型 44 3.4.1 机场停机位分配优化方法 44 3.4.2 机场停机位分配流程 44 3.5 算例分析 45 3.5.1 实验数据 45 3.5.2 实验环境与参数设置 46 3.5.3 实验结果与分析 46 3.5.4 结果比较与分析 48 3.6 本章小结 49 参考文献 50 第4章 协同进化蚁群优化算法求解机场停机位分配问题 52 4.1 协同进化算法 52 4.1.1 协同进化算法概述 52 4.1.2 协同进化算法的分类 52 4.1.3 协同进化算法的框架 56 4.1.4 协同进化算法动力学描述 56 4.2 自适应蚁群优化算法 58 4.2.1 信息素更新策略 58 4.2.2 信息素更新约束范围 59 4.3 协同进化蚁群优化算法 59 4.3.1 协同进化蚁群优化算法思想 59 4.3.2 SCEACO算法模型 59 4.3.3 SCEACO算法描述 60 4.3.4 SCEACO算法求解TSP 61 4.4 SCEACO算法参数自适应调整与协作策略 65 4.4.1 参数自适应调整策略 65 4.4.2 参数协作策略 65 4.5 机场停机位分配多目标优化模型的建立 66 4.5.1 优化目标函数的构建 66 4.5.2 多目标优化模型的无量化 66 4.6 SCEACO算法求解停机位分配优化模型 66 4.6.1 机场停机位分配优化方法 66 4.6.2 机场停机位分配流程 67 4.6.3 机场停机位分配步骤 67 4.7 算例分析 68 4.7.1 实验数据 68 4.7.2 实验环境与参数设置 69 4.7.3 实验结果与分析 70 4.7.4 结果比较与分析 72 4.8 本章小结 75 参考文献 75 第5章 多策略差分进化算法求解机场停机位分配问题 78 5.1 差分进化算法 78 5.1.1 差分进化算法原理 78 5.1.2 差分进化算法的优缺点 80 5.2 CPOMSDE算法 80 5.2.1 CPOMSDE算法的思想 80 5.2.2 小波基函数改进缩放因子 81 5.2.3 正态分布改进交叉概率 82 5.2.4 *优变异策略 82 5.2.5 CPOMSDE算法模型 84 5.2.6 CPOMSDE算法步骤 85 5.3 数值实验与分析 85 5.3.1 标准测试函数 85 5.3.2 实验环境与参数设置 86 5.3.3 实验结果与分析 87 5.3.4 结果比较与分析 95 5.4 机场停机位分配多目标优化模型的建立 96 5.4.1 优化目标函数的构建 96 5.4.2 多目标优化模型的无量化 97 5.5 CPOMSDE算法求解停机位分配优化模型 98 5.5.1 机场停机位分配优化方法 98 5.5.2 机场停机位分配流程 98 5.5.3 机场停机位分配步骤 99 5.6 算例分析 99 5.6.1 实验数据与实验环境 99 5.6.2 实验结果与分析 101 5.6.3 结果比较与分析 104 5.7 本章小结 104 参考文献 105 第6章 自适应粒子群优化算法求解机场停机位分配问题 108 6.1 粒子群优化算法 108 6.1.1 粒子群优化算法原理 108 6.1.2 粒子群优化算法的优缺点 109 6.2 分数阶微分和Alpha稳定分布理论 110 6.2.1 分数阶微分理论 110 6.2.2 Alpha稳定分布理论 111 6.3 自适应粒子群优化算法 112 6.3.1 ADFCAPO算法思想 112 6.3.2 均匀初始化粒子策略 112 6.3.3 Alpha稳定分布随机函数策略 112 6.3.4 基于动态分数阶微分的速度计算策略 114 6.3.5 ADFCAPO算法流程 115 6.4 机场停机位分配多目标优化模型的建立 115 6.4.1 优化目标函数的构建 115 6.4.2 多目标优化函数的无量化 116 6.5 基于ADFCAPO算法的机场停机位分配优化方法 117 6.6 算例分析 118 6.6.1 实验数据与参数设置 118 6.6.2 实验结果与分析 120 6.6.3 结果比较与分析 123 6.7 本章小结 125 参考文献 125 第7章 多策略量子进化算法求解机场停机位分配问题 127 7.1 进化算法 127 7.1.1 进化算法概述 127 7.1.2 进化算法原理 127 7.1.3 进化算法特点 128 7.2 量子计算 129 7.2.1 量子计算概述 129 7.2.2 量子计算原理 129 7.2.3 量子门 130 7.2.4 量子旋转门 131 7.3 量子进化算法 136 7.3.1 量子进化算法概述 136 7.3.2 量子遗传算法 137 7.4 多策略量子进化算法 139 7.4.1 NCPQEA思想 139 7.4.2 基于小生境进化策略的QEA种群初始化 140 7.4.3 PSO学习因子的动态确定策略 140 7.4.4 基于改进PSO的量子旋转门更新策略 141 7.4.5 NCPQEA模型 142 7.4.6 NCPQEA步骤 142 7.5 数值实验与分析 143 7.5.1 标准测试函数 143 7.5.2 实验环境与参数设置 144 7.5.3 实验结果与比较 144 7.6 机场停机位分配多目标优化模型的建立 150 7.6.1 优化目标函数的构建 150 7.6.2 多目标优化模型的无量化 151 7.7 基于NCPQEA的机场停机位分配优化方法 151 7.7.1 机场停机位分配优化方法 151 7.7.2 机场停机位分配流程 151 7.7.3 机场停机位分配步骤 151 7.8 算例分析 152 7.8.1 实验数据 152 7.8.2 实验环境与参数设置 154 7.8.3 实验结果与分析 154 7.8.4 结果比较与分析 159 7.9 本章小结 162 参考文献 162 第8章 两阶段优化算法求解机场延误航班停机位分配问题 166 8.1 遗传算法 166 8.1.1 遗传算法概述 166 8.1.2 遗传算法原理 166 8.1.3算法定理及其收敛性 167 8.1.4 遗传算法的优缺点 168 8.2 两阶段优化算法 168 8.2.1 两阶段优化算法思想 168 8.2.2 两阶段优化算法流程 169 8.2.3 两阶段优化算法步骤 169 8.3 数值实验与分析 170 8.3.1 TSP问题描述 170 8.3.2 实验环境与参数设置 171 8.3.3 实验结果与分析 171 8.4 延误航班停机位再分配优化模型的建立 173 8.4.1 航班延误分析 174 8.4.2 停机位再分配描述与分析 174 8.4.3 优化目标函数的构建 176 8.4.4 多目标优化模型的无量化 177 8.5 基于两阶段优化算法的延误航班停机位再分配方法 177 8.5.1 延误航班停机位再分配方法 177 8.5.2 延误航班停机位再分配流程 178 8.6 延误航班停机位再分配实现过程 178 8.6.1 延误航班停机位再分配第一阶段的实现 178 8.6.2 延误航班停机位再分配第二阶段的实现 186 8.7 实例分析 190 8.7.1 实验数据 190 8.7.2 实验环境与参数设置 191 8.7.3 实验结果与分析 192 8.7.4 结果比较与分析 195 8.8 本章小结 200 参考文献 200
精彩内容
本书综述了机场停机位分配问题的国内外研究现状和发展动态，阐述了停机位分配问题的基本概念、特性和理论；分别介绍了群集智能优化算法中的蚁群优化算法、差分进化算法、粒子群优化算法、量子进化算法等改进算法和协同进化蚁群优化算法在机场停机位分配中的应用，通过机场停机位的实际数据验证了所提方法的可行性与有效性。针对机场延误航班停机位再分配问题，论述了基于GA-AO两阶段优化算法的机场延误航班停机位再分配方法，并对其进行了有效性验证。本书可作为计算机科学与技术、控制科学与工程、管理科学与工程、交通运输工程等专业研究生及教学科研人员的参考用书，也可供民航相关领域的研究人员和工程技术人员学习、参考。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价