多跑道飞机调度优化：Memetic算法的应用

"这篇论文是2011年发表在《西南交通大学学报》上的科研成果，由孟祥伟、张平和李春锦合作完成。研究主要关注多跑道系统中的到场飞机排序及调度问题，旨在提升遗传算法解决此类问题的局部搜索能力。通过建立混合整数0-1二次规划模型，作者证明了同类型飞机应按预计到达时间的先后顺序在每条跑道上着陆，以此为基础设计了一种结合遗传算法和局部优化算法的Memetic算法。实验结果显示，该算法在10次运行中的最差解也优于其他遗传算法的最佳解，并且在处理5条跑道、20架飞机的情况下，求解时间仅为0.17秒，满足了实时应用的需求。关键词包括空中交通管制、排序及调度、多跑道系统、遗传算法和二次规划。" 这篇论文详细探讨了机场多跑道系统中飞机到达排序和调度的问题。传统的遗传算法在解决这类复杂优化问题时，可能会遇到局部最优解的困境，即算法容易陷入局部最优而无法找到全局最优解。为了改善这一情况，研究者提出了一种新的解决方案——Memetic算法。这种算法结合了遗传算法的全局搜索能力和局部优化算法的精细搜索特性，旨在增强算法的搜索效率。 首先，研究者构建了一个混合整数0-1二次规划模型来描述这个问题，这是一种数学优化方法，能够处理包含整数和连续变量的复杂优化问题。模型考虑了飞机的到达时间、跑道可用性等因素，以确保调度的合理性。 接着，他们证明了一个关键命题：相同类型的飞机应当按照预估到达跑道的时间顺序进行着陆。这个命题对于设计有效的调度策略至关重要，因为它确保了公平性和效率。 基于这个命题，研究者设计的Memetic算法融合了遗传算法的种群进化机制和局部优化算法的深度探索能力。遗传算法用于生成初始解并进行全局搜索，而局部优化算法则用于在遗传算法得到的解基础上进行微调，以提高解的质量。 实验部分，研究者对比了Memetic算法与其他遗传算法的性能。通过模拟5条跑道和20架飞机的情况，发现Memetic算法在10次运行中每次都能得到不劣于其他算法最好解的结果，而且求解速度极快，仅需0.17秒。这表明Memetic算法不仅在解的质量上具有优势，还能满足实际应用中对实时性的要求。 这项工作为空中交通管制领域的飞机到达排序和调度问题提供了新的解决思路，通过优化算法的设计提高了问题的解决效率，对于提升机场运行效率和安全性具有重要的理论与实践意义。