优化进港航班排序：人工鱼群-粒子群混合算法

"人工鱼群—粒子群混合算法优化进港航班排序 (2014年)" 本文探讨的是空中交通管理中的一个关键问题——进港航班排序优化，旨在减少航班延误，提升机场运营效率。作者提出了一种创新的混合算法，即人工鱼群-粒子群混合算法（AFPSO），它结合了人工鱼群算法（AFSA）和粒子群优化算法（PSO）的优点。AFPSO首先利用AFSA的全局搜索能力寻找潜在的最优解域，随后采用PSO的局部搜索能力在这些解域中快速找到更精确的解决方案，从而提高算法的收敛速度和搜索精度。 空中交通管理中的进港航班排序是一个复杂的问题，涉及到众多因素，如航班到达时间、跑道可用性、飞机大小等。传统的调度方法，如先来先服务（FCFS）调度，可能无法有效地最小化总的延误时间。AFPSO算法则通过智能优化技术对这个问题进行了改进。 在实际仿真测试中，AFPSO算法在单跑道和双跑道的情况下，相比于FCFS调度方法，分别减少了20.9%和34.4%的航班队列总延误时间。同时，与基础的AFSA算法相比，AFPSO也显示出了更好的性能，减少了3.2%和3.5%的延误时间。这表明AFPSO算法在解决进港航班排序问题上具有显著的优势，能够为自动化空中交通管理系统提供更高效的决策支持。 该研究由2012年的国家“863”计划资助，作者包括袁野、杨红雨、羽翼和王世豪，他们分别来自四川大学的视觉合成图形图像技术国防重点学科实验室和计算机学院。研究结果不仅对空中交通管理领域有着重要的理论价值，也为实际操作提供了实用的优化工具。 关键词涉及空中交通管理、进港航班排序、FCFS调度方法、人工鱼群算法、粒子群优化算法以及人工鱼群-粒子群混合算法。文章发表于2014年，具有一定的时效性和学术价值，反映了智能算法在解决复杂优化问题上的潜力。