面向正常性的飞机排班优化算法

来源 :计算机工程与设计 | 被引量 : 0次 | 上传用户:dbsoldier
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对航班正常性问题,在飞机排班问题基础上,引入正常性约束,建立面向正常性的飞机排班模型,提出一种两阶段启发式算法进行求解。构建符合正常性要求的候选航班链集合,将排班问题转化为候选链对航班计划的集合覆盖问题。通过0-1整数规划求解集合覆盖问题,得到满足正常性约束的最小飞机数量排班方案。松弛正常性约束减小飞机使用数量,满足飞机数量约束。通过迭代搜索寻求正常性与飞机数量平衡的最优排班方案。实验结果表明,该方法可以有效提升航班计划的正常性期望。
其他文献
为实现室内机器人自身精准定位,提出一种由粗匹配到精定位相融合的视觉定位方法。利用搭载在机器人上方的1台相机观测室内天花板、水平方向的4台相机观测周边环境,得到当前环
在数字化过程中,如何将不同时期不同风格的未署名画作快速分类成为一个难题。针对以上问题,提出一种通过迁移学习的卷积神经网络的识别分类方法。Res Net-50神经网络模型在ImageN et数据集上完成预训练,通过迁移学习的方式将特征参数迁移到WikiArt数据集上处理选取的23位画家的400幅画作(总共9200幅)。通过迁移学习ResNet-50和DenseNet-201两个神经网络模型对比,发现
目的研究类不平衡是否会给基因表达数据的类别预测带来额外挑战,通过公开数据集评估7种分类器在不同类平衡比例数据上的表现,旨在为后续研究提供理论基础。方法在真实数据集
目的集成学习是近年来机器学习领域中被广泛应用的一种新的、用来提高学习精度的算法。本文旨在介绍基于super learner算法的集成学习方法在纵向删失数据预测建模中的应用及
针对答案排序问题,提出并构建融合多种神经网络与多特征的答案排序模型。将问题和候选答案的词向量送入使用Leaky Relu激活函数的卷积神经网络进行学习,得到的学习结果与词汇
为保证机载系统研制过程中人为分配的功能研制保证等级是合理的,提出一种机载系统功能研制保证等级的验证方法。考虑不同架构设计对系统功能研制保证等级分配的影响,结合模型
针对深度学习目标检测算法移植到嵌入式平台上精度与速度不均衡的问题,提出一种基于改进SSD (single shot multi-box detector)的架空线路关键部件实时检测算法多尺度并行融合检测MSPF-DN (multi-scale parallel fusion detection network)。通过不同倒残差块和不同激活函数的组合结构,设计更高效的特征提取网络,同时设计一种轻量级
在仿真指定机型空速控制律时,因缺乏其飞行数据包,导致控制参数难以确定的问题,为此提出一种利用快速存取记录器(QAR)数据训练的变论域模糊PID控制方法。在传统模糊PID控制基
人脸识别易受到光照变化、遮挡等影响,降低了识别准确率,为此提出一种基于相对边缘方向幅值模式(relative patterns of oriented edge magnitudes,RPOEM)与尺度不变特征变换(scale-invariant feature transform,SIFT)的人脸识别算法。检测脸部的关键点,利用k-均值对这些特征点进行聚类;为消除光照变化的干扰,计算图像的相对梯