【摘要】：機(jī)群保障問(wèn)題是組合優(yōu)化的經(jīng)典問(wèn)題之一,同時(shí)在實(shí)際生活生產(chǎn)中也有廣泛的應(yīng)用場(chǎng)景。對(duì)民營(yíng)機(jī)場(chǎng)來(lái)說(shuō),高效的機(jī)群保障作業(yè)不僅能夠節(jié)省機(jī)場(chǎng)的運(yùn)營(yíng)成本,還能提高乘客對(duì)出行服務(wù)的滿意程度;對(duì)于作戰(zhàn)飛機(jī)而言,更高的機(jī)群保障效率意味著飛機(jī)出動(dòng)效率的提升,從而使得戰(zhàn)爭(zhēng)能夠獲得更大的獲勝概率。本文首先對(duì)機(jī)群保障問(wèn)題進(jìn)行數(shù)學(xué)建模,將飛機(jī)在地面的保障過(guò)程主要分為兩個(gè)階段,第一階段是為飛機(jī)選擇合理的保障位,屬于停機(jī)位分配問(wèn)題;第二階段是在停機(jī)位上進(jìn)行保障作業(yè)調(diào)度,屬于資源限制下的項(xiàng)目調(diào)度問(wèn)題。并以形式化的語(yǔ)言對(duì)所建模型進(jìn)行了描述。此外,本文針對(duì)地面機(jī)群保障問(wèn)題,提出了一個(gè)全新的求解方案,將整體的問(wèn)題拆解成停機(jī)位分配問(wèn)題和作業(yè)調(diào)度與資源匹配問(wèn)題上下兩層,通過(guò)分別求解這兩個(gè)問(wèn)題最終達(dá)到求解地面機(jī)群保障問(wèn)題的目的。具體采用強(qiáng)化學(xué)習(xí)中的Q-learning算法來(lái)求解上層的停機(jī)位分配問(wèn)題,為了提高求解的效率,在上層問(wèn)題求解最終方案時(shí)會(huì)同時(shí)考慮下層的調(diào)度問(wèn)題,而對(duì)調(diào)度問(wèn)題的求解則采用一種貪心算法,期望能對(duì)上層算法進(jìn)行快速可靠的評(píng)估。另外本文還采用了根據(jù)實(shí)際問(wèn)題設(shè)計(jì)的算例對(duì)提出的基于強(qiáng)化學(xué)習(xí)的機(jī)群保障算法進(jìn)行測(cè)試,并與其他算法在同樣的算例上進(jìn)行求解的效果對(duì)比,證明了本文所提出算法的有效性和優(yōu)越性。
【圖文】：

中 科 技 大 學(xué) 碩 士 學(xué) 位 論 2 基本理論關(guān)理論題是典型的組合優(yōu)化問(wèn)題，而組合（最）優(yōu)化問(wèn)題 OP(優(yōu)化問(wèn)題的一類，并且有許多的應(yīng)用場(chǎng)景。而最優(yōu)化問(wèn)具有連續(xù)變量的優(yōu)化問(wèn)題，另一類更為復(fù)雜的是具有離散變量的優(yōu)化問(wèn)題，，稱之為組合優(yōu)化問(wèn)題[28]。見(jiàn)問(wèn)題化問(wèn)題通�？擅枋鰹槿�元組( )，其中 是一個(gè)給定是需要滿足一系列約束條件的可行解。求解的目標(biāo)是在中找到全局最優(yōu)的解，使目標(biāo)函數(shù)最大或者最小[29]。

圖 2-2 待求解的有向圖 G求得：圖 2-3 有向圖 G 的最小生成樹解無(wú)向連通圖的最小生成樹問(wèn)題：求 的最小生成樹為所有頂點(diǎn)所用邊 的最小集合[31]。所周知的組合優(yōu)化問(wèn)題就是調(diào)度問(wèn)題。給定￠道工序需對(duì)每道工序 ，處理工序的時(shí)間記為 ，在不同的機(jī)器上
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP181;V35

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周曉寧;王凱;趙志奇;李杰;;基于航空排放的機(jī)場(chǎng)停機(jī)位分配優(yōu)化[J];科學(xué)技術(shù)與工程;2019年30期

2 楊子瑜;唐衛(wèi)貞;Q煤

本文編號(hào)：2616793