基于最小成本的航班时刻表优化设计与系统实现

doi:10.3969/j.issn.1006-2475.2017.01.021

计算机与现代化

基于最小成本的航班时刻表优化设计与系统实现

(1.南京航空航天大学民航学院交通控制系，江苏南京 211106; 2.南京市特种设备安全监督检验研究院，江苏南京 210002)

收稿日期:2016-06-20 出版日期:2017-01-12 发布日期:2017-01-11
作者简介:冯鑫(1989-)，男，江苏宝应人，南京航空航天大学民航学院交通控制系硕士研究生，研究方向：交通信息工程及控制; 夏洪山(1952-)，男，江苏姜堰人，教授，学士，研究方向：航空运输系统建模与仿真; 冯月贵(1968-)，男，南京市特种设备安全监督检验研究院研究员级高级工程师，硕士，研究方向：机电控制综合技术。
基金资助:
国家自然科学基金资助项目(60672167); 国家质检总局科技计划项目(2014QK094)

Optimization Design and System Implementation of Flight Schedules Based on Least Cost

(1. Traffic Control Department, College of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China;
2. Nanjing Special Equipment Inspection Institute, Nanjing 210002, China)

Received:2016-06-20 Online:2017-01-12 Published:2017-01-11

摘要/Abstract

摘要： 为降低航空公司的运营成本，从航线长度、航班总次数、乘客数量、航班间隔、票价、机组人数、人员薪金、飞行油耗8个关键因素考虑，设计航班时刻优化的数学模型，利用遗传算法求解该模型，并借助Java平台开发出可视化系统。实验表明该系统具有很好的鲁棒性，能有效降低航空公司的运营成本，提高利润值。

关键词: 关键因素, 航班时刻表, 算法设计, 遗传算法, 系统实现

Abstract: To reduce the airline’s cost, this article designs an optimized mathematic model for flight schedule by considering eight key factors, such as the length of air route, total number of flights, number of passengers, intervals of flights, price of tickets, number of crewmen, personnel salary and fuel consumption. We solve the model with genetic algorithm and develop a visualized system with the Java platform. Experiments results show that the system is of good robustness and could reduce the operation cost of airlines and increase the profits effectively.

Key words: key factors, flight schedule, algorithm design, genetic algorithm, system implementation

中图分类号:

TP391

冯鑫1，夏洪山1，冯月贵2. 基于最小成本的航班时刻表优化设计与系统实现[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.01.021.

FENG Xin1, XIA Hong-shan1, FENG Yue-gui2. Optimization Design and System Implementation of Flight Schedules Based on Least Cost[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.01.021.

参考文献

[1] 朱星辉,朱金福,高强. 基于动态列生成算法的飞机排班问题研究[J]. 数学的实践与认识, 2014,44(19):23-30.

[2] 吴东华,夏洪山. 基于航空公司成本最小化的飞机排班问题模型与算法[J]. 交通运输系统工程与信息, 2014,14(1):109-116.

[3] 高强,严俊,朱金福. CDM机制下航空公司时隙分配优化决策[J]. 交通运输系统工程与信息, 2011,11(5):94-98.

[4] 张荣,胡明华,张洪海. 协同式地面等待程序中时隙公平分配研究[J]. 交通与计算机, 2008,26(5):62-65.

[5] 李丽娟. 飞机排班模型及算法研究[D]. 南京:南京航空航天大学, 2008.

[6] 李耀华,秦如如. 基于混合遗传算法的航班串优化模型研究[J]. 中国民航大学学报, 2010,28(6):31-34.

[7] Weide O, Ryan D, Ehrgott M. An iterative approach to robust and integrated aircraft routing and crew scheduling[J]. Computer & Operations Research, 2010,37(5):833-844.

[8] 肖东喜,朱金福. 飞机路线问题中航班环的动态构建方法研究[C]// 2007第三届中国智能交通年会论文集. 2007:106-113.

[9] 刘山,郝立东,张林玲,等. 航班环上的飞机尾号分配问题[J]. 中国民航大学学报, 2013,31(2):57-62.

[10] 中国民用航空局发展计划司. 从统计看民航2014[M]. 北京:中国民航出版社, 2014.

[11] 余胜威. MATLAB优化算法案例分析与应用[M]. 北京:清华大学出版社, 2015.

[12] 周琨,夏洪山. 基于启发式遗传算法的航班勤务编排算法[J]. 信息与控制, 2010,39(3):361-366.

[13] 王宝宝,王瑞峰. 基于遗传算法的追踪列车节能操纵优化研究[J]. 城市轨道交通研究, 2013,16(11):67-70.

[14] 马永杰,云文霞. 遗传算法研究进展[J]. 计算机应用研究, 2012,29(4):1201-1206.

[15] 胡锡伟,殷伟凤. MATLAB与Java的联合应用研究[J]. 微计算机信息, 2006,22(6):265-267.

[16] 王薇,杨丽萍. Java和Matlab混合编程及其应用[J]. 长春大学学报, 2012,22(10):1186-1189.

基于最小成本的航班时刻表优化设计与系统实现

Optimization Design and System Implementation of Flight Schedules Based on Least Cost

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	林启钊, 彭志平, 郭棉, 崔得龙. 基于双向多步预测的炉管温度场重构方法[J]. 计算机与现代化, 2024, 0(01): 53-58.
[2]	刘显茁, 邓韦斯, 谢恩彦. 考虑分布式发电并网的配电网自适应保护系统[J]. 计算机与现代化, 2023, 0(09): 120-126.
[3]	张志霞, 谢宝强. 基于FCGA-LSTM与迁移学习的天然气负荷预测[J]. 计算机与现代化, 2023, 0(07): 7-12.
[4]	汪敏, 徐英豪, 朱习军. 基于改进遗传算法优化BP神经网络的糖尿病并发症预测模型#br#[J]. 计算机与现代化, 2022, 0(11): 69-74.
[5]	王扬, 陈梅, 李晖. FOCoR:一种基于特征选择优化的课程推荐技术[J]. 计算机与现代化, 2022, 0(10): 1-7.
[6]	冉昊杰, 王宏智. 基于改进模拟退火算法的生鲜农产品配送中心选址[J]. 计算机与现代化, 2022, 0(10): 36-40.
[7]	战俊伟, 庄毅. 基于能耗与延迟优化的移动边缘计算任务卸载模型及算法[J]. 计算机与现代化, 2022, 0(08): 86-93.
[8]	吴代漾, 赵洁, 梁家铭, 董振宁, 梁周扬. C2C在线短租跨平台房东匹配算法[J]. 计算机与现代化, 2022, 0(06): 43-48.
[9]	徐胜超, 熊茂华. 基于遗传算法的容器云资源配置优化[J]. 计算机与现代化, 2022, 0(01): 108-112.
[10]	徐明, 张剑铭, 陈松航, 陈豪. 柔性作业车间调度问题的多目标优化算法[J]. 计算机与现代化, 2021, 0(12): 1-6.
[11]	张林鹏, 汪西原, 李强. 基于双池化特征加权结构CNN的图像分类[J]. 计算机与现代化, 2021, 0(11): 67-71.
[12]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[13]	杨晓东. 基于遗传算法的会计资源共享管理风险评估模型[J]. 计算机与现代化, 2021, 0(06): 24-28.
[14]	刘军, 彭慧娴, 黄斌, 托尼·谢伊. 基于BP-GamysBoost的乳腺癌诊断模型[J]. 计算机与现代化, 2021, 0(04): 8-14.
[15]	徐胜超. 利用遗传算法完成虚拟机放置策略的优化[J]. 计算机与现代化, 2020, 0(12): 25-31.