CN111563636A - 一种三阶段元启发式停机位分配优化方法 - Google Patents

一种三阶段元启发式停机位分配优化方法 Download PDF

Info

Publication number
CN111563636A
CN111563636A CN202010666353.0A CN202010666353A CN111563636A CN 111563636 A CN111563636 A CN 111563636A CN 202010666353 A CN202010666353 A CN 202010666353A CN 111563636 A CN111563636 A CN 111563636A
Authority
CN
China
Prior art keywords
flight
heuristic
meta
stage
solution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010666353.0A
Other languages
English (en)
Other versions
CN111563636B (zh
Inventor
赵伟
李瑞瑞
金楚欣
马勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Futong Oriental Technology Co ltd
Original Assignee
Beijing Futong Oriental Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Futong Oriental Technology Co ltd filed Critical Beijing Futong Oriental Technology Co ltd
Priority to CN202010666353.0A priority Critical patent/CN111563636B/zh
Publication of CN111563636A publication Critical patent/CN111563636A/zh
Application granted granted Critical
Publication of CN111563636B publication Critical patent/CN111563636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种三阶段元启发式停机位分配优化方法，具体按照以下步骤实施：对数据进行预处理，得到航班与机位的映射关系；根据航班与机位的映射关系建立停机位分配模型；采用三阶段元启发式最优解搜索，获得机位分配方案。本发明解决了现有技术中在多约束条件下，大规模航班分配停机位分配时间过长，分配结果优化指标不理想的问题，并且在机场大规模、多约束条件下能够快速得到高质量的停机位分配方案，靠桥率、廊桥率、分配满意度等核心指标较传统方法有较大提升，且在不断变化的业务场景下有良好的适应性。

Description

一种三阶段元启发式停机位分配优化方法
技术领域
本发明属于航空技术领域，具体涉及一种三阶段元启发式停机位分配优化方法。
背景技术
随着中国民航运输业近年来快速发展，航班数量的不断增加，维持机场的有序高效运作已成为一项挑战。在机场停机位资源有限的条件下，对其进行科学的分配成为提升机场保障能力和服务水平的关键之一。为了在满足机场特定约束的条件下优化停机位的分配，例如某机型只能停在指定机位，如何有序高效的进行大规模的分配并且提升关键优化指标成为停机位分配的关键问题。
在机位分配的过程中，需要考虑多种约束条件和优化目标，其中，约束条件可以分为硬约束与软约束。硬约束是机位分配过程中必须满足的条件，包括：时间冲突约束、机型约束、用户自定义的强制类型约束。软约束是指在某些情况下可以违反的一些约束条件，通常为用户自定义的软约束，反映的是对机位分配方案的附加要求。
在现有的机位分配方法中，需要对问题进行建模，目标函数通常为靠桥率，廊桥率、分配满意度等。约束条件为硬约束及软约束，是一个多目标规划问题，通常使用遗传算法、分支定界、禁忌搜索、模拟退火等方法进行求解。这类方法在大规模分配的场景下，求解用时较长，难以满足多种复杂的业务需求，在不断变化的业务场景中，机场高效的运行要求无法得到保证。例如航班发生大面积延误，需要重新分配。再例如，某机场有多条用户自定义的业务规则，如某航空公司飞机优先停在指定机位。现有技术无法在短时间内得到满足多条约束并且优化目标较为理想的结果。
对于停机位分配问题，国内外采用的研究方法有遗传算法、分支定界、禁忌搜索、模拟退火等。停机位分配问题本质上是一个CSPs (Constraint Satisfaction Problems，多约束满足问题)，将靠桥率，廊桥率，旅客步行距离等作为目标函数，将时间冲突约束，机型约束等硬约束作为约束条件，是一个多目标规划问题。停机位分配问题也是一个NP问题(Non-deterministic Polynomial，NP完全问题)，在大规模的飞机及停机位分配问题中，求解时间呈现指数级增长。现有算法存在以下缺陷：（1）约束条件数量增加时，求解时间明显增加，效率较低。（2）处理大规模航班时，得到结果时间较长。当发生紧急场景，如大规模航班延误时，无法快速进行批量分配。
发明内容
本发明的目的是提供一种三阶段元启发式停机位分配优化方法，解决了现有技术中在多约束条件下，大规模航班分配停机位分配时间过长、分配结果优化指标不理想的问题。
本发明所采用的技术方案是，一种三阶段元启发式停机位分配优化方法，包括：
对数据进行预处理，得到航班与机位的映射关系；
根据航班与机位的映射关系建立停机位分配模型；
采用三阶段元启发式最优解搜索，获得机位分配方案。
进一步的，所述数据包括：航班约束规则、机位约束规则；
所述约束规则包括代表约束规则重要程度的权重值；
所述航班约束规则包括：航班号，机型，进港时间，离港时间，vip等级，航线，任务类型，航空公司，所属航站楼，乘客人数；
所述机位约束规则包括：是否为近机位，所属航站楼，机位编号，机位类别，可容纳机型集合；
所述机位类别包括：非组合机位，组合机位中的父机位，组合机位中的子机位；
进一步的，所述对数据进行预处理，得到航班与机位的映射关系，包括：
根据所述航班约束规则、机位约束规则，得到每个航班对应的可分配机位集合；
将每个航班不能停放的机位进行过滤，得到每个航班对应可分配的机位集合
Figure 961615DEST_PATH_IMAGE001
；
根据所述航班约束规则、机位约束规则得到每个航班停在对应的可分配机位的权重 值，在所述每个航班对应可分配的停机位集合
Figure 183649DEST_PATH_IMAGE002
中添加每个航班对应的可分配 机位的权重值，得到每个航班与机位的映射关系。
进一步的，所述根据航班与机位的映射关系建立停机位分配模型，包括：
建立优化指标，其中，优化指标包括靠桥率
Figure 783126DEST_PATH_IMAGE003
、廊桥率
Figure 168715DEST_PATH_IMAGE004
、分配满意度
Figure 287980DEST_PATH_IMAGE005
；
设置硬约束；
将所述优化指标及所述硬约束联立，得到停机位分配模型。
进一步的，所述建立优化指标，包括：
根据各个优化指标对应的权重，对优化指标进行加权求和，得到优化目标函数，优化目标函数为：
Figure 664604DEST_PATH_IMAGE006
（1）；
其中，α、β、γ分别为靠桥率
Figure 236531DEST_PATH_IMAGE003
、廊桥率
Figure 491057DEST_PATH_IMAGE004
、分配满意度
Figure 730408DEST_PATH_IMAGE005
的权重系数，各个优化指标对 应的权重系数α、β、γ为非负数，且权重系数之和等于1，即：
Figure 543512DEST_PATH_IMAGE007
（2）；
所述靠桥率
Figure 868315DEST_PATH_IMAGE003
是根据某个分配结果中分配在近机位的航班占所有可靠桥航班的比 例，计算公式为：
Figure 923602DEST_PATH_IMAGE008
（3）；
所述廊桥率
Figure 79777DEST_PATH_IMAGE004
是根据某个分配结果中分配在近机位的航班乘客人数占所有可靠桥航 班乘客人数的比例，计算公式为：
Figure 814515DEST_PATH_IMAGE009
（4）；
所述分配满意度
Figure 610301DEST_PATH_IMAGE005
是根据某个分配结果中的权重值scoreik计算得到，公式为：
Figure 721477DEST_PATH_IMAGE010
（5）；
其中Maxscore和Minscore为常数，是在满足一个航班只能分配一个停机位的情况下，分别通过以下公式计算得到：
Figure 92677DEST_PATH_IMAGE011
（10）；
Figure 982005DEST_PATH_IMAGE012
（11）。
航班
Figure 281399DEST_PATH_IMAGE013
，F为待分配航班集合，机位
Figure 258582DEST_PATH_IMAGE014
，G为机位集合，nf为待分配航班数 量，ng为机位数量；
scoreik的意义为航班i停靠在机位k上对应的权重值；
si为航班i上的乘客人数；
xik的意义为若航班i停靠在机位k，则为1，否则为0；
Figure 832694DEST_PATH_IMAGE015
为可靠桥航班标识，若航班i为可靠桥航班，则为1，否则为0，且非可靠航班不能 停放在近机位；
Figure 174813DEST_PATH_IMAGE016
的意义为若机位k为近机位，则为1，否则为0。
进一步的，所述硬约束包括：
唯一性约束：一个航班必须且仅能停靠一个机位；
Figure 945192DEST_PATH_IMAGE017
（6）；
独占性约束：同一时间，同一机位上最多可停放一个航班；
Figure 132591DEST_PATH_IMAGE018
（7）；
组合机位约束：同一时间，组合机位中父机位和子机位不能同时使用，但子机位之间可以同时使用；
Figure 806280DEST_PATH_IMAGE019
（8）；
安全性约束：分配至同一机位上的两架连续航班之间应有必要的安全时间间隔，以保障前一架飞机的安全离开和后一架飞机的安全进入；
Figure 53722DEST_PATH_IMAGE020
（9）；
其中，G为停机位集合，k为机位，
Figure 514659DEST_PATH_IMAGE021
，F为待分配航班集合，i为航班，
Figure 771328DEST_PATH_IMAGE013
，ng为停 机位数量；
xik的意义为若航班i停靠在机位k，则为1，否则为0；
xjk的意义为若航班j停靠在机位k，则为1，否则为0；i≠j；
Nij的意义为若航班i和航班j存在时间冲突则为1，否则为0；
Cew为组合机位，则为1，否则为0；
若e为父机位，w为子机位，xie的意义为若航班i停靠在父机位e，则为1，否则为0；
xjw意义为若航班j停靠在子机位w，则为1，否则为0；
ETAi为航班i的预计到达时间，ETDi为航班i的预计离开时间，Tbuffer为同一机位最小安全时间间隔；
ETAj为航班j的预计到达时间，ETDj为航班j的预计离开时间。
进一步的，所述三阶段元启发式最优解搜索包括：
启发式阶段：在违背硬约束个数最少且优化目标函数最大的情况下，使用贪婪算法为每个航班分配机位，得到一个初始解X0；
元启发式I阶段：在满足所有硬约束且禁忌表长度较短的情况下，使用延迟-禁忌搜索算法得到一个局部最优解，其中延迟-禁忌搜索算法包括一个延迟接受表；
元启发式II阶段：使用禁忌-模拟退火算法，在元启发式I阶段的基础上，扩大搜索范围，跳出局部最优解，在更大的范围内搜索到接近全局最优的结果，其中，禁忌-模拟退火算法包括一个禁忌表；
所述禁忌表用于记录历史最优解来指导算法搜索的方向。
进一步的，所述元启发式I阶段包括：
(a)初始化禁忌表M1，延迟接受表N，迭代参数m、n为0，设定搜索终止次数a，元启发式I 阶段终止次数b，初始解X0，历史最优解X*= X0，解集S 为空集
Figure 876687DEST_PATH_IMAGE022
；
(b)采用一种随机策略，得到新解并将其加入解集S，m=m+1；
(c)判断迭代参数m是否大于a：若是，选择解集S中的最优解，更新历史最优解X*、禁忌表M1、延迟接受表N；否则回到步骤（b）；
(d)判断迭代次数n是否大于b：若是，算法结束，输出X1=X*，否则n=n+1，解集S=
Figure 42833DEST_PATH_IMAGE022
，重置 m=0并回到步骤（b）。
进一步的，所述元启发式II阶段包括：
(a)初始化禁忌表M2，迭代参数m为0，设定搜索终止次数c，初始解X1，温度控制参数r，Tf 为终止温度，历史最优解X*=X1，解集S 为空集
Figure 538536DEST_PATH_IMAGE022
，元启发式II阶段终止条件为温度T<Tf，温 度T的初始值为T0；
(b)采用一种随机策略，得到新解并将其加入S，m=m+1。
(c)判断迭代参数m是否大于c；若是，选择S中最优解，更新X*、M2；否则回到步骤(b)；
(d)判断是否满足元启发式II阶段终止条件：若是，输出最优解X2=X*，X2为满足所有硬 约束且优化目标函数的最大值最接近全局最优的解，算法结束；否则T=T*r，解集S=
Figure 785847DEST_PATH_IMAGE022
，置迭 代参数m=0并跳转到步骤(b)。
本发明的有益效果是：相对于现有算法，本发明一种三阶段元启发式停机位分配优化方法，在机场大规模、多约束条件下能够快速得到高质量的停机位分配方案，靠桥率、廊桥率、分配满意度等核心指标较传统方法有较大提升，且在不断变化的业务场景下有良好的适应性。
附图说明
图1是本发明一种三阶段元启发式停机位分配优化方法的原理图；
图2是本发明一种三阶段元启发式停机位分配优化方法的分解示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种三阶段元启发式停机位分配优化方法，具体按照以下步骤实施：
步骤1，对数据进行预处理，得到航班与机位的映射关系，具体按照以下步骤实施：
其中，数据包括航班约束规则、机位约束规则，且每一条约束规则都有一个代表该约束规则重要程度的权重值；
航班约束规则包括：航班号，机型，进港时间，离港时间，vip等级，航线，任务类型，航空公司，所属航站楼，乘客人数；
机位约束规则包括：是否为近机位，所属航站楼，机位编号，机位类别，可容纳机型集合；
机位类别包括：组合机位中的父机位、子机位、非组合机位；
步骤1.1，根据航班约束规则、机位约束规则，得到每个航班对应的可分配机位集合；
将每个航班不能停放的机位进行过滤，得到每个航班对应可分配的机位集合
Figure 417816DEST_PATH_IMAGE002
；例如，A类机型航班只能停放在远机位机位集合，B类机型航班只能停放在近 机位机位集合；
步骤1.2，根据航班约束规则、机位约束规则得到每个航班停在对应的可分配机位的权 重值，在步骤1.1中得到的每个航班对应可分配的停机位集合
Figure 23372DEST_PATH_IMAGE002
中添加每个航班 对应的可分配机位的权重值，得到每个航班与机位的映射关系；例如，航班p1优先分配在机 位m1上，权重值为100；
步骤2，根据步骤1得到的映射关系建立停机位分配模型，具体按照以下步骤实施：
步骤2.1，建立优化指标，其中，优化指标包括靠桥率
Figure 334268DEST_PATH_IMAGE003
、廊桥率
Figure 932739DEST_PATH_IMAGE004
、分配满意度
Figure 871746DEST_PATH_IMAGE005
；
根据各个优化指标对应的权重，对优化指标进行加权求和，得到优化目标函数，优化目标函数为：
Figure 163050DEST_PATH_IMAGE006
（1）；
公式（1）中，α、β、γ分别为靠桥率
Figure 695662DEST_PATH_IMAGE003
、廊桥率
Figure 580048DEST_PATH_IMAGE004
、分配满意度
Figure 186610DEST_PATH_IMAGE005
的权重系数，各个优化 指标对应的权重系数α、β、γ为非负数，且权重系数之和等于1，即：
Figure 632504DEST_PATH_IMAGE007
（2）；
靠桥率
Figure 324516DEST_PATH_IMAGE003
是根据某个分配结果中分配在近机位的航班占所有可靠桥航班的比例，计 算公式为：
Figure 953206DEST_PATH_IMAGE008
（3）；
所述廊桥率
Figure 679853DEST_PATH_IMAGE004
是根据某个分配结果中分配在近机位的航班乘客人数占所有可靠桥航 班乘客人数的比例，计算公式为：
Figure 296648DEST_PATH_IMAGE009
（4）；
所述分配满意度
Figure 538274DEST_PATH_IMAGE005
是根据某个分配结果中的权重值scoreik计算得到，公式为：
Figure 16660DEST_PATH_IMAGE010
（5）；
式（5）中，航班
Figure 611196DEST_PATH_IMAGE013
，F为待分配航班集合，机位
Figure 87308DEST_PATH_IMAGE014
，G为机位集合，nf为待分配航 班数量，ng为机位数量，scoreik的意义为航班i停靠在机位k上对应的权重值；
其中Maxscore和Minscore为常数，是在满足一个航班只能分配一个停机位的情况下，分别通过以下公式计算得到：
Figure 3180DEST_PATH_IMAGE023
（10）
Figure 19677DEST_PATH_IMAGE024
（11）
其中，某个分配结果是指某一次解搜索，得到的分配结果，即每一个航班都分配了一个机位；
航班
Figure 206070DEST_PATH_IMAGE013
，F为待分配航班集合，机位
Figure 915400DEST_PATH_IMAGE014
，G为机位集合，nf为待分配航班数量，ng 为机位数量；
si为航班i上的乘客人数；
xik的意义为若航班i停靠在机位k，则为1，否则为0；
Figure 318569DEST_PATH_IMAGE015
为可靠桥航班标识，若航班为可靠桥航班，则为1，否则为0，且非可靠航班不能停 放在近机位；
Figure 466653DEST_PATH_IMAGE025
的意义为若机位k为近机位，则为1，否则为0。
步骤2.2，设置硬约束，包括：
（1）唯一性约束：一个航班必须且仅能停靠一个机位；
Figure 756820DEST_PATH_IMAGE017
（6）；
（2）独占性约束：同一时间，同一机位上最多可停放一个航班；
Figure 384854DEST_PATH_IMAGE018
（7）；
（3）组合机位约束：同一时间，组合机位中父机位和子机位不能同时使用，但子机位之间可以同时使用；
Figure 26051DEST_PATH_IMAGE019
（8）；
（4）安全性约束：分配至同一机位上的两架连续航班之间应有必要的安全时间间隔，以保障前一架飞机的安全离开和后一架飞机的安全进入；
Figure 633619DEST_PATH_IMAGE020
（9）；
其中， G为停机位集合，k为机位，
Figure 247134DEST_PATH_IMAGE014
，F为待分配航班集合，i为航班，
Figure 48999DEST_PATH_IMAGE013
，ng为 停机位数量；
xik的意义为若航班i停靠在机位k，则为1，否则为0；
xjk的意义为若航班j停靠在机位k，则为1，否则为0；i≠j；
Nij的意义为若航班i和航班j存在时间冲突则为1，否则为0；
Cew为组合机位，则为1，否则为0；
若e为父机位，w为子机位，xie的意义为若航班i停靠在父机位e，则为1，否则为0；
xjw意义为若航班j停靠在子机位w，则为1，否则为0；
ETAi为航班i的预计到达时间，ETDi为航班i的预计离开时间，Tbuffer为同一机位最小安全时间间隔；
ETAj为航班j的预计到达时间，ETDj为航班j的预计离开时间。
步骤2.3，将步骤2.1得到的优化目标函数及步骤2.2设置的硬约束联立，即得到停机位分配模型；
步骤3，三阶段元启发式最优解搜索，获得机位分配方案，具体按照以下步骤实施：
步骤3.1，启发式阶段：在违背硬约束个数最少且优化目标函数最大的情况下，使用贪婪算法为每个航班分配机位，得到一个初始解X0；
步骤3.2，元启发式I阶段：在满足所有硬约束且禁忌表长度较短的情况下，使用延迟-禁忌搜索算法得到一个局部最优解，其中延迟-禁忌搜索算法包括一个延迟接受表，具体为：
步骤3.2.1，初始化禁忌表M1，延迟接受表N，迭代参数m、n为0，设定搜索终止次数a，元 启发式I阶段终止次数b，初始解X0，历史最优解X*= X0，解集S为空集
Figure 911913DEST_PATH_IMAGE022
；
步骤3.2.2，采用一种随机策略，得到新解并将其加入解集S，m=m+1；
步骤3.2.3，判断迭代参数m是否大于a：若是，选择解集S中的最优解，更新历史最优解X*、禁忌表M1、延迟接受表N；否则回到步骤3.2.2；
步骤3.2.4，判断迭代次数n是否大于b：若是，算法结束，输出X1=X* ，否则n=n+1，解集S =
Figure 323172DEST_PATH_IMAGE022
，回到步骤3.2.2并重置m=0；
元启发式I阶段能够纠正启发式阶段中使用贪婪算法得到的违背硬约束的初始解；
传统的TS（Tabu Search，禁忌搜索）算法为提高全局搜索能力一般会使用一个相对较短的禁忌表，但是这样是以牺牲局部搜索能力为代价而获得的全局搜索能力，为提高算法的全局搜索能力，使用延迟接受去改进传统的禁忌搜索算法，为TS算法加入一个延迟接受表来提高TS算法的搜索能力，当前阶段的输入为启发式阶段获得的局部最优解，输出为当前阶段搜索到的局部最优解及其对应的目标函数值；
步骤3.3，元启发式II阶段：使用禁忌-模拟退火算法，在元启发式I阶段的基础上，扩大搜索范围，跳出局部最优解，在更大的范围内搜索到接近全局最优的结果，其中，禁忌-模拟退火算法包括一个禁忌表，用于记录历史最优解来指导算法搜索的方向，具体为：
步骤3.3.1：初始化禁忌表M2，迭代参数m为0，设定搜索终止次数c，初始解X1，温度控制 参数r，Tf为终止温度，历史最优解X*=X1，解集S为空集
Figure 915827DEST_PATH_IMAGE022
，元启发式II阶段终止条件为温度T <Tf，温度T的初始值为T0；
步骤3.3.2：采用一种随机策略，得到新解并将其加入解集S，m=m+1。
步骤3.3.3：判断迭代参数m是否大于c；若是，选择解集S中最优解，更新X*、M2；否则回到步骤3.3.2；
步骤3.3.4：判断是否满足元启发式II阶段终止条件：若是，输出最优解X2=X*，X2为满足 所有硬约束且优化目标函数的最大值最接近全局最优的解，算法结束；否则T=T*r，S=
Figure 137861DEST_PATH_IMAGE022
，回 到步骤3.2.2并置迭代参数m=0。
其中步骤3.2.2与步骤3.3.2的随机策略为：产生一个随机数，该随机数的数值属于区间[0,1]；随机数的生成，可以符合正态分布、均匀分布；若该随机数大于或大于等于固定的概率值，该固定的概率值为预先设定的数值，该数值属于区间(0,1)，则采用swap算子，swap算子为：从航班集合中随机选择两个或多个航班，将所选航班分配的机位进行两两交换，来产生一个新解；若该随机数小于等于或小于固定的概率值，则采用change算子，change算子为：从航班集合中随机选择一个航班，在该航班对应的可分配停机位集合中随机分配另一个机位，来产生一个新解。
SA（Simulated Annealing，模拟退火）算法具有迭代搜索效率高和在一定程度上可以跳出局部最优解的优势，并且已被证明是一种收敛于全局最优解的全局优化算法。在求解时间有限的情况下，为提高SA算法的局部搜索能力，通常设置一个较小的温度控制系数，并且在同一温度下进行多步搜索，但是这样SA算法的全局搜索能力会降低。针对这一问题，为SA算法引入一个禁忌表，记录历史最优解来指导算法搜索的方向。当前阶段的输入是上一阶段的最优解，输出是历史最优解及其对应的目标函数。
元启发式I阶段目的是为了快速找到一个满足所有硬约束的解，禁忌表长度较小，所得的结果是一个局部最优解。元启发式II阶段目的是为了在元启发式I的基础上，扩大搜索范围，跳出局部最优解，在更大的范围内搜索到接近全局最优的结果。
上述三阶段元启发式停机位分配优化方法， 在机场大规模、多约束条件下能够快速得到高质量的停机位分配方案，靠桥率、廊桥率、分配满意度等核心指标较传统方法有较大提升，且在不断变化的业务场景下有良好的适应性。
以上结合实施例对本发明进行了详细说明，本领域中普通技术人员可根 据上述说明对本发明做出种种变化例。凡在本发明的精神和原则之内，所作 的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。因而， 实施例中的某些细节不应构成对本发明的限定，本发明将以所附权利要求书 界定的范围作为本发明的保护范围。

Claims (9)

1.一种三阶段元启发式停机位分配优化方法，其特征在于，包括：
对数据进行预处理，得到航班与机位的映射关系；
根据航班与机位的映射关系建立停机位分配模型；
采用三阶段元启发式最优解搜索，获得机位分配方案。
2.根据权利要求1所述的一种三阶段元启发式停机位分配优化方法，其特征在于，所述数据包括：航班约束规则、机位约束规则;
所述约束规则包括代表约束规则重要程度的权重值；
所述航班约束规则包括：航班号，机型，进港时间，离港时间，vip等级，航线，任务类型，航空公司，所属航站楼，乘客人数；
所述机位约束规则包括：是否为近机位，所属航站楼，机位编号，机位类别，可容纳机型集合；
所述机位类别包括：非组合机位，组合机位中的父机位，组合机位中的子机位。
3.根据权利要求2所述的一种三阶段元启发式停机位分配优化方法，其特征在于，所述对数据进行预处理，得到航班与机位的映射关系，包括：
根据所述航班约束规则、机位约束规则，得到每个航班对应的可分配机位集合；
将每个航班不能停放的机位进行过滤，得到每个航班对应可分配的机位集合
Figure 345577DEST_PATH_IMAGE001
；
根据所述航班约束规则、机位约束规则得到每个航班停在对应的可分配机位的权重 值，在所述每个航班对应可分配的停机位集合
Figure 934822DEST_PATH_IMAGE001
中添加每个航班对应的可分配 机位的权重值，得到每个航班与机位的映射关系；
其中，nf为待分配航班数量。
4.根据权利要求1所述的一种三阶段元启发式停机位分配优化方法，其特征在于，所述根据航班与机位的映射关系建立停机位分配模型，包括：
建立优化指标，其中，优化指标包括靠桥率
Figure 665624DEST_PATH_IMAGE002
、廊桥率
Figure 998516DEST_PATH_IMAGE003
、分配满意度
Figure 999839DEST_PATH_IMAGE004
；
设置硬约束；
将所述优化指标及所述硬约束联立，得到停机位分配模型。
5.根据权利要求4所述的一种三阶段元启发式停机位分配优化方法，其特征在于，所述建立优化指标，包括：
根据各个优化指标对应的权重，对优化指标进行加权求和，得到优化目标函数，优化目标函数为：
Figure 759985DEST_PATH_IMAGE005
（1）；
公式（1）中，α、β、γ分别为靠桥率
Figure 715434DEST_PATH_IMAGE002
、廊桥率
Figure 852017DEST_PATH_IMAGE003
、分配满意度
Figure 707846DEST_PATH_IMAGE004
的权重系数，各个优化指 标对应的权重系数α、β、γ为非负数，且权重系数之和等于1，即：
Figure 638893DEST_PATH_IMAGE006
（2）；
所述靠桥率
Figure 78708DEST_PATH_IMAGE002
是根据某个分配结果中分配在近机位的航班占所有可靠桥航班的比例， 计算公式为：
Figure 815720DEST_PATH_IMAGE007
（3）；
所述廊桥率
Figure 276789DEST_PATH_IMAGE003
是根据某个分配结果中分配在近机位的航班乘客人数占所有可靠桥航 班乘客人数的比例，计算公式为：
Figure 893584DEST_PATH_IMAGE008
（4）；
所述分配满意度
Figure 72892DEST_PATH_IMAGE004
是根据某个分配结果中的权重值scoreik计算得到，公式为：
Figure 36431DEST_PATH_IMAGE009
（5）；
其中Maxscore和Minscore为常数，是在满足一个航班只能分配一个停机位的情况下，在分别通过以下公式计算得到：
Figure 617585DEST_PATH_IMAGE010
（10）；
Figure 139702DEST_PATH_IMAGE011
（11）；
航班
Figure 806307DEST_PATH_IMAGE012
，F为待分配航班集合，机位
Figure 570607DEST_PATH_IMAGE013
，G为机位集合，nf为待分配航班数量，ng 为机位数量；
scoreik的意义为航班i停靠在机位k上对应的权重值；
si为航班i上的乘客人数；
xik的意义为若航班i停靠在机位k，则为1，否则为0；
Figure 6268DEST_PATH_IMAGE014
为可靠桥航班标识，若航班为可靠桥航班，则为1，否则为0，且非可靠航班不能停 放在近机位；
Figure 964866DEST_PATH_IMAGE015
的意义为若机位k为近机位，则为1，否则为0。
6.根据权利要求4所述的一种三阶段元启发式停机位分配优化方法，其特征在于，所述硬约束包括：
唯一性约束：一个航班必须且仅能停靠一个机位；
Figure 853187DEST_PATH_IMAGE016
（6）；
独占性约束：同一时间，同一机位上最多可停放一个航班；
Figure 424108DEST_PATH_IMAGE017
（7）；
组合机位约束：同一时间，组合机位中父机位和子机位不能同时使用，但子机位之间可以同时使用；
Figure 714275DEST_PATH_IMAGE018
（8）；
安全性约束：分配至同一机位上的两架连续航班之间应有必要的安全时间间隔，以保障前一架飞机的安全离开和后一架飞机的安全进入；
Figure 656823DEST_PATH_IMAGE019
（9）；
其中， G为停机位集合，k为机位，
Figure 281709DEST_PATH_IMAGE013
，F为待分配航班集合，i为航班，
Figure 640009DEST_PATH_IMAGE020
，ng为 停机位数量；
xik的意义为若航班i停靠在机位k，则为1，否则为0；
xjk的意义为若航班j停靠在机位k，则为1，否则为0；i≠j；
Nij的意义为若航班i和航班j存在时间冲突则为1，否则为0；
Cew为组合机位，则为1，否则为0；
若e为父机位，w为子机位，xie的意义为若航班i停靠在父机位e，则为1，否则为0；
xjw意义为若航班j停靠在子机位w，则为1，否则为0；
ETAi为航班i的预计到达时间，ETDi为航班i的预计离开时间，Tbuffer为同一机位最小安全时间间隔；
ETAj为航班j的预计到达时间，ETDj为航班j的预计离开时间。
7.根据权利要求1所述的一种三阶段元启发式停机位分配优化方法，其特征在于，所述三阶段元启发式最优解搜索包括：
启发式阶段：在违背硬约束个数最少且优化目标函数最大的情况下，使用贪婪算法为每个航班分配机位，得到一个初始解X0；
元启发式I阶段：在满足所有硬约束且禁忌表长度较短的情况下，使用延迟-禁忌搜索算法得到一个局部最优解，其中延迟-禁忌搜索算法包括一个延迟接受表；
元启发式II阶段：使用禁忌-模拟退火算法，在元启发式I阶段的基础上，扩大搜索范围，跳出局部最优解，在更大的范围内搜索到接近全局最优的结果，其中禁忌-模拟退火算法包括一个禁忌表。
8.根据权利要求7所述的一种三阶段元启发式停机位分配优化方法，其特征在于，所述元启发式I阶段包括：
(a)初始化禁忌表M1，延迟接受表N，迭代参数m、n为0，设定搜索终止次数a，元启发式I阶 段终止次数b，初始解X0，历史最优解X*=X0，解集S为空集
Figure 798064DEST_PATH_IMAGE021
；
(b)采用一种随机策略，得到新解并将其加入解集S，m=m+1；
(c)判断迭代参数m是否大于a：若是，选择解集S中的最优解，更新历史最优解X*、禁忌表M1以及延迟接受表N；否则回到步骤（b）；
(d)判断迭代次数n是否大于b：若是，算法结束，输出X1=X0，否则n=n+1，解集S=
Figure 849197DEST_PATH_IMAGE021
，重置m =0并回到步骤（b）。
9.根据权利要求7所述的一种三阶段元启发式停机位分配优化方法，其特征在于，所述元启发式II阶段包括：
(a)初始化禁忌表M2，迭代参数m为0，设定搜索终止次数c，初始解X1，温度控制参数r，Tf 为终止温度，历史最优解X*=X1，解集S为空集
Figure 961378DEST_PATH_IMAGE021
，元启发式II阶段终止条件为温度T<Tf，温 度T的初始值为T0 ；
(b)采用一种随机策略，得到新解并将其加入解集S，m=m+1；
(c)判断迭代参数m是否大于c；若是，选择解集S中最优解，更新X*、M2；否则回到步骤(b)；
(d)判断是否满足元启发式II阶段终止条件：若是，输出最优解X2=X*, X2为满足所有硬 约束且优化目标函数的最大值最接近全局最优的解，算法结束；否则T=T*r，解集S=
Figure 123369DEST_PATH_IMAGE021
，置 迭代参数m=0并跳转到步骤(b)。
CN202010666353.0A 2020-07-13 2020-07-13 一种三阶段元启发式停机位分配优化方法 Active CN111563636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010666353.0A CN111563636B (zh) 2020-07-13 2020-07-13 一种三阶段元启发式停机位分配优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010666353.0A CN111563636B (zh) 2020-07-13 2020-07-13 一种三阶段元启发式停机位分配优化方法

Publications (2)

Publication Number Publication Date
CN111563636A true CN111563636A (zh) 2020-08-21
CN111563636B CN111563636B (zh) 2020-11-06

Family

ID=72075412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010666353.0A Active CN111563636B (zh) 2020-07-13 2020-07-13 一种三阶段元启发式停机位分配优化方法

Country Status (1)

Country Link
CN (1) CN111563636B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111739350A (zh) * 2020-08-27 2020-10-02 北京富通东方科技有限公司 一种机位分配***及方法
CN112330145A (zh) * 2020-11-04 2021-02-05 中国人民大学 一种降低航班道口冲突率的机位分配方法和***
CN112633562A (zh) * 2020-12-10 2021-04-09 厦门兆翔智能科技有限公司 一种机场停机位智能调度方法
CN112950101A (zh) * 2021-05-13 2021-06-11 北京富通东方科技有限公司 一种基于产量预测的汽车工厂混流线排产方法
CN113111523A (zh) * 2021-04-21 2021-07-13 西南交通大学 求解多约束双层过道智能布局的元启发方法
CN113570247A (zh) * 2021-07-28 2021-10-29 南京航空航天大学 一种基于资源受限条件下的停机位分配多目标优化方法
CN115239026A (zh) * 2022-09-22 2022-10-25 珠海翔翼航空技术有限公司 停机位分配优化方法、***、设备及介质
CN117592730A (zh) * 2023-11-29 2024-02-23 中国东方航空股份有限公司 用于分配机场的停机位的方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005045901A (ja) * 2003-07-28 2005-02-17 Chugoku Electric Power Co Inc:The 架空配電線最適自動設計システムおよびその方法
CN110288857A (zh) * 2019-06-26 2019-09-27 中国民航大学 一种基于时空间维度分解的机场停机位快速调度方法
CN110705798A (zh) * 2019-10-09 2020-01-17 四川大学 仓配装一体化产品配送路线和技术人员调度优化方法
CN111047915A (zh) * 2019-12-13 2020-04-21 中国科学院深圳先进技术研究院 停机位分配方法、装置及终端设备
CN111369090A (zh) * 2018-12-25 2020-07-03 顺丰科技有限公司 货运航班停机位分配方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005045901A (ja) * 2003-07-28 2005-02-17 Chugoku Electric Power Co Inc:The 架空配電線最適自動設計システムおよびその方法
CN111369090A (zh) * 2018-12-25 2020-07-03 顺丰科技有限公司 货运航班停机位分配方法、装置、设备及存储介质
CN110288857A (zh) * 2019-06-26 2019-09-27 中国民航大学 一种基于时空间维度分解的机场停机位快速调度方法
CN110705798A (zh) * 2019-10-09 2020-01-17 四川大学 仓配装一体化产品配送路线和技术人员调度优化方法
CN111047915A (zh) * 2019-12-13 2020-04-21 中国科学院深圳先进技术研究院 停机位分配方法、装置及终端设备

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111739350A (zh) * 2020-08-27 2020-10-02 北京富通东方科技有限公司 一种机位分配***及方法
CN111739350B (zh) * 2020-08-27 2021-01-05 北京富通东方科技有限公司 一种机位分配***及方法
CN112330145A (zh) * 2020-11-04 2021-02-05 中国人民大学 一种降低航班道口冲突率的机位分配方法和***
CN112330145B (zh) * 2020-11-04 2023-07-21 中国人民大学 一种降低航班道口冲突率的机位分配方法和***
CN112633562A (zh) * 2020-12-10 2021-04-09 厦门兆翔智能科技有限公司 一种机场停机位智能调度方法
CN112633562B (zh) * 2020-12-10 2024-04-16 厦门兆翔智能科技有限公司 一种机场停机位智能调度方法
CN113111523A (zh) * 2021-04-21 2021-07-13 西南交通大学 求解多约束双层过道智能布局的元启发方法
CN112950101A (zh) * 2021-05-13 2021-06-11 北京富通东方科技有限公司 一种基于产量预测的汽车工厂混流线排产方法
CN113570247A (zh) * 2021-07-28 2021-10-29 南京航空航天大学 一种基于资源受限条件下的停机位分配多目标优化方法
CN115239026A (zh) * 2022-09-22 2022-10-25 珠海翔翼航空技术有限公司 停机位分配优化方法、***、设备及介质
CN115239026B (zh) * 2022-09-22 2022-12-20 珠海翔翼航空技术有限公司 停机位分配优化方法、***、设备及介质
CN117592730A (zh) * 2023-11-29 2024-02-23 中国东方航空股份有限公司 用于分配机场的停机位的方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111563636B (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
CN111563636B (zh) 一种三阶段元启发式停机位分配优化方法
CN112070355B (zh) 一种机场摆渡车的分配调度方法
CN101465064B (zh) 终端区飞行冲突解脱方法和***
CN111915046B (zh) 用于输出信息的方法和装置
Filar et al. How airlines and airports recover from schedule perturbations: a survey
CN109840610A (zh) 不正常航班飞机路径与旅客行程自动恢复***及方法
CN108460531B (zh) 一种机场停机位快速分配方法
CN114664119B (zh) 一种航班跑道排序与优化调度方法
Wang et al. Optimization of bus bridging service under unexpected metro disruptions with dynamic passenger flows
CN110516871B (zh) 一种基于模糊滚动时域控制策略的动态车辆路径优化方法
CN112633562B (zh) 一种机场停机位智能调度方法
CN109460900B (zh) 一种机场新建卫星厅的转场航班分配方法
CN111783357B (zh) 一种基于减少旅客延误的中转行程优化方法及***
Mokhtarimousavi et al. Multi-objective mathematical modeling of aircraft landing problem on a runway in static mode, scheduling and sequence determination using NSGA-II
CN111127936A (zh) 一种共享巴士的动态车辆调度和线路规划方法
CN115239245A (zh) 一种面向立体仓库的任务调度与优化方法
CN115115097A (zh) 一种机场停机位与航空器滑行路径的联合优化方法
CN116307542A (zh) 基于多计量点约束的进港排序方法及电子终端
Wei et al. A multiple objective optimization model for aircraft arrival and departure scheduling on multiple runways
CN110428665B (zh) 一种航路与机场时隙协同分配的随机双层规划方法
Jiang et al. A priority-based conflict resolution strategy for airport surface traffic considering suboptimal alternative paths
CN113205707B (zh) 一种航班流量时隙全局优化调度方法
CN100433076C (zh) 着陆飞行器排序方法
CN110033111A (zh) 机场场面运动规划方法和装置
CN112598328A (zh) 卫星厅模式下中转登机口多目标分配的优化方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant