【技术实现步骤摘要】
本专利技术涉及机场规划，尤其涉及一种基于整数规化和深度学习的区域多机场选址方法。
技术介绍
1、民用机场选址方案则是整个民用机场工程建设中重要组成部分。机场选址方案的合理性在很大程度上能够决定机场未来的运营效率和发展空间。
2、在区域多机场选址过程中，为了实现机场资源的优化配置，应从多机场系统的角度对区域中机场建设进行合理规划，使区域内机场网络形成即能满足运输要求，又能实现运输资源优化配置。
3、区域多机场选址是在一个有多个城市群的区域内对多个待选机场进行优化选址。一般情况下把区域多机场选址提炼成一个优化问题，但这种优化问题过于复杂，大多只有理论上的意义，并且很难求出最优解。
技术实现思路
1、鉴于上述的分析，本专利技术实施例旨在提供一种基于整数规化和深度学习的区域多机场选址方法，用以解决现有选址方法计算复杂、计算量大而难以选择最优机场的问题。
2、本专利技术实施例提供了一种基于整数规化和深度学习的区域多机场选址方法，包括以下步骤：
3、s1...
【技术保护点】
1.一种基于整数规化和深度学习的区域多机场选址方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于整数规化和深度学习的区域多机场选址方法，其特征在于，所述区域多机场选址的目标函数是在满足约束条件的情况下以最小总费用为目标，所述总费用包括：各城市群到各选址机场的出行总费用和各选址机场的投资总费用，所述约束条件包括：每个城市群到所有选址机场的总人数均不小于对应城市群的航空出行需求人数，所有城市群到每个选址机场的总人数不大于对应选址机场的最大容纳人数。
3.根据权利要求2所述的基于整数规化和深度学习的区域多机场选址方法，其特征在于，所述根据...
【技术特征摘要】
1.一种基于整数规化和深度学习的区域多机场选址方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于整数规化和深度学习的区域多机场选址方法，其特征在于，所述区域多机场选址的目标函数是在满足约束条件的情况下以最小总费用为目标，所述总费用包括：各城市群到各选址机场的出行总费用和各选址机场的投资总费用，所述约束条件包括：每个城市群到所有选址机场的总人数均不小于对应城市群的航空出行需求人数，所有城市群到每个选址机场的总人数不大于对应选址机场的最大容纳人数。
3.根据权利要求2所述的基于整数规化和深度学习的区域多机场选址方法，其特征在于，所述根据选址数量和目标函数，利用混沌映射算子和邻域搜索得到多个个体数量相同的种群，包括：
4.根据权利要求2所述的基于整数规化和深度学习的区域多机场选址方法，其特征在于，所述根据个体的第一概率去除非最优个体，是通过以下公式计算出第一概率，从种群中目标函数值最大的非最优个体开始，当取的随机数大于第一概率时保留该非最优个体，否则去除该非最优个体：
5.根据权利要求2所述的基于整数规化和深度学习的区域多机场选址方法，其特征在于，所述根据个体的第二概率去除非最优个体，是通过以下公式计算出第二概率，从种群中目标函数值最小的非最优个体开始，当取的随机数小于第二概率时保留该非最优个体，否则去除该非...
【专利技术属性】
技术研发人员：朱熙，张天一，唐荻音，王振乾，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。