CN104881720A - 一种航班调度方法和装置 - Google Patents
一种航班调度方法和装置 Download PDFInfo
- Publication number
- CN104881720A CN104881720A CN201510303004.1A CN201510303004A CN104881720A CN 104881720 A CN104881720 A CN 104881720A CN 201510303004 A CN201510303004 A CN 201510303004A CN 104881720 A CN104881720 A CN 104881720A
- Authority
- CN
- China
- Prior art keywords
- particle
- desired positions
- position vector
- delay cost
- flight
- 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
Links
Landscapes
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种航班调度方法和装置。本发明航班调度方法通过在根据航班计划到达时间和各飞机的空中等待成本确定各航班的着陆时间时,采用无标度网络的产生机制生成各航班着陆时间的粒子群网络拓扑,增加航班等待成本最小的P个粒子与网络拓扑中其他粒子的连接,同时减少航班等待成本最大的Q个粒子与网络拓扑中其他粒子的连接,由于增加了距离最优航班调度时间结果最近的粒子的连接权重,降低了距离最优航班调度时间结果最远的粒子的连接权重,使得最终获得的航班着陆时间的结果的收敛时间缩短,提升了确定各航班着陆时间的效率,由于无标度网络的异质性特点,保证了粒子种群网络拓扑多样性,避免了采用规则网络获取的结果陷入局部最优。
Description
技术领域
本发明实施例涉及信息技术,尤其涉及一种航班调度方法和装置。
背景技术
随着我国空中交通运输事业取得的发展,飞行流量快速增加,枢纽机场以及主干航路的容量日渐饱和,空中交通拥堵现象逐步加剧,导致大面积航班延误,不但造成巨大的经济损失,而且严重影响飞行运行安全,已成为影响我国航空运输业发展的焦点问题。解决空中交通拥堵问题最有效、最经济的手段是空中交通流量管理,即通过先期的航班计划优化和实时的飞行流量控制等措施,减少不同航班对有限的航路资源和时刻资源的使用冲突,进而保障空中交通系统的安全、有序、顺畅地运行。
智能优化算法(Intelligent Optimization Algorithm),又称智能计算(Intelligent Computation),是通过模拟或揭示某些自然现象或过程发展而来的优化算法,其中的粒子群算法(Particle SwarmOptimization,简称PSO)是一种模仿鸟类群体行为的智能优化算法,基本思想是通过群体中个体之间的协作和信息共享来寻找最优解。
基本PSO算法由于采用全联通网络结构,其获取结果的收敛速度较慢。
发明内容
本发明实施例提供一种航班调度方法和装置,以克服现有技术中获取结果的速度较慢的问题。
本发明实施例的第一方面提供一种航班调度方法,包括:
获取时间段T内在第一机场待降落的D架飞机的计划到达时间段和的空中等待成本;其中,第d架飞机的计划到达时间段为A(d),第d架飞机的空中等待成本为Ca(d,Δt),Δt为空中等待时长,时间段T包括m个安全着陆时间段T1、T2、…、Tm,A(d)为T1、T2、…、Tm中的一个时间段,d∈[1,D];
随机生成X个粒子,并根据无标度网络的产生机制建立初始状态各个粒子的网络拓扑;其中,X大于D,每个粒子包括D维位置矢量和D维速度矢量,所述D维位置矢量中的第d个元素为第d架飞机的着陆时间段L(d),且L(d)大于等于A(d),所述D维速度矢量中的第d个元素为第d架飞机的着陆时间段的迭代改变量;所述各个粒子中的第i个粒子的网络拓扑包括第i个粒子与所述X个粒子中除该粒子之外的其他粒子之间的相邻关系;根据初始状态各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,确定各个粒子当前的位置矢量对应的航班总延误成本为各个粒子的初始的自身历史最好位置;根据各个粒子的当前的位置矢量对应的航班总延误成本和所述初始状态各个粒子的网络拓扑,确定各个粒子的邻居最好位置和所述X个粒子的全局最好位置;其中,第i个粒子的邻居最好位置为当前与第i个粒子直接相邻的粒子的自身历史最好位置中对应的航班总延误成本最小的粒子的自身历史最好位置;所述X个粒子的全局历史最好位置为所述X个粒子的当前自身历史最好位置中对应的航班总延误成本最小的自身历史最好位置;
开始迭代过程,所述迭代过程包括(1)至(3):
(1)分别根据各个粒子的自身历史最好位置和邻居最好位置,更新各个粒子的速度矢量;分别根据各个粒子的更新后的速度矢量,更新各个粒子的位置矢量;
(2)根据更新后的各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,并根据由更新后的各个粒子的位置矢量计算的各个粒子的航班总延误成本,确定各个粒子的自身历史最好位置、邻居最好位置和所述X个粒子的全局历史最好位置;其中,第i个粒子的自身历史最好位置为在迭代过程中第i个粒子的所有位置矢量中对应的航班总延误成本最小的位置矢量;
(3)判断本次迭代是否达到迭代终止条件,若达到所述迭代终止条件,则确定当前全局历史最好位置中的D个元素为所述待着陆飞机中各架飞机的着陆时间段,停止迭代过程;若未达到所述迭代终止条件,则进一步判断本次迭代是否达到拓扑自适应调整门限,若本次迭代达到所述拓扑自适应调整门限,则对各个粒子的网络拓扑进行调整;所述调整包括:选择当前所述X个粒子中自身历史最好位置对应的航班总延误成本最小的P个第一粒子和所述X个粒子中自身历史最好位置对应的航班总延误成本最大的Q个第二粒子,对每个所述第一粒子,随机选择第一边调整个数个第三粒子,增加第一粒子与每个第三粒子之间的相邻关系,对每个所述第二粒子,在与所述第二粒子直接相邻的粒子中,随机选择第二边调整个数个第四粒子,删除第二粒子与每个第四粒子之间的相邻关系,执行(1);
分别将所述待着陆飞机中的各架飞机的着陆时间段发送给对应的飞机。
进一步地,所述根据初始状态各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子的当前的位置矢量对应的航班总延误成本,包括:
根据计算第i个粒子的当前的位置矢量对应的航班总延误成本;
其中,为初始状态第i个粒子的位置矢量中的第d架飞机的着陆时间段,A(d)为第d架飞机的计划到达时间段,Ca(d,Δt)为第d架飞机空中等待时长为Δt时的成本;
所述根据更新后的各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,并根据由更新后的各个粒子的位置矢量计算的各个粒子的航班总延误成本,包括:
根据计算第i个粒子的当前位置矢量对应的航班总延误成本;
其中,Li(d)为更新后的第i个粒子的位置矢量中的第d架飞机的着陆时间段,A(d)为第d架飞机的计划到达时间段,Ca(d,Δt)为第d架飞机空中等待时长为Δt时的成本。
进一步地,所述分别根据各个粒子的自身历史最好位置和邻居最好位置,更新各个粒子的速度矢量,分别根据各个粒子的更新后的速度矢量更新各个粒子的位置矢量,具体包括:
对于每一个粒子,依次根据
对于每一个粒子,依次根据更新第i个粒子的位置矢量中的第d个元素,d∈[1,D];其中,第i个粒子的第d个元素更新后的位置矢量,第i个粒子的第d个元素更新前的位置矢量。
进一步地,所述第一机场在T1、T2、…、Tm时间段的可用跑道容量分别为C1、C2、…、Cm,则
对于初始状态随机生成的任一粒子中的位置矢量中的D个元素对应的D架飞机的着陆时间以及在迭代过程中的任一粒子更新后的位置矢量中的D个元素对应的D架飞机的着陆时间满足第一约束条件,所述第一约束条件具体包括:
在T1、T2、…、Tm各个时间段着陆的飞机的数量小于各个时间段的可用跑道容量;其中,所述第一机场在时间段T内的可用跑道次大于X。
进一步地,所述随机选择第一边调整个数个第三粒子,增加第一粒子与每个第三粒子之间的相邻关系,具体包括:
在与所述第一粒子不直接相邻的粒子中,随机选择第一边调整个数个第三粒子,增加第一粒子与每个第三粒子之间的相邻关系;
所述在与所述第二粒子直接相邻的粒子中,随机选择第二边调整个数个第四粒子,删除第二粒子与每个第四粒子之间的相邻关系,还具体包括:
若与所述第二粒子直接相邻的粒子的个数小于或等于所述第二边调整个数,则在与所述第二粒子相邻的粒子中,随机删除第三边调整个数个第四粒子与所述第二粒子之间的相邻关系,所述第三边调整个数为与所述第二粒子直接相邻的粒子的个数减一。
进一步地,所述选择所述X个粒子中自身历史最好位置对应的航班总延误成本最小的P个第一粒子和所述X个粒子中自身历史最好位置对应的航班总延误成本最大的Q个第二粒子,包括:
根据预设的第一调整概率,选择所述X个粒子中自身历史最好位置对应的航班总延误成本最小的P个第一粒子;根据预设的第二调整概率选择所述X个粒子中自身历史最好位置对应的航班总延误成本最大的Q个第二粒子;
进一步地,P等于X与所述第一调整概率的乘积;Q等于X与所述第二调整概率的乘积。
进一步地,所述第一预设调整概率等于所述第二预设调整概率。
本发明实施例的第二方面提供一种航班调度装置,包括:
获取模块,用于获取时间段T内在第一机场待降落的D架飞机的计划到达时间段和空中等待成本;其中,第d架飞机的计划到达时间段为A(d),第d架飞机的空中等待成本为Ca(d,Δt),Δt为空中等待时长,时间段T包括m个安全着陆时间段T1、T2、…、Tm,A(d)为T1、T2、…、Tm中的一个时间段,d∈[1,D];
处理模块,用于随机生成X个粒子,并根据无标度网络的产生机制建立初始状态各个粒子的网络拓扑;其中,X大于D,每个粒子包括D维位置矢量和D维速度矢量,所述D维位置矢量中的第d个元素为第d架飞机的着陆时间段L(d),且L(d)大于等于A(d),所述D维速度矢量中的第d个元素为第d架飞机的着陆时间段的迭代改变量;所述各个粒子中的第i个粒子的网络拓扑包括第i个粒子与所述X个粒子中除该粒子之外的其他粒子之间的相邻关系;根据初始状态各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,确定各个粒子当前的位置矢量对应的航班总延误成本为各个粒子的初始的自身历史最好位置;根据各个粒子的当前的位置矢量对应的航班总延误成本和所述初始状态各个粒子的网络拓扑,确定各个粒子的邻居最好位置和所述X个粒子的全局最好位置;其中,第i个粒子的邻居最好位置为当前与第i个粒子直接相邻的粒子的自身历史最好位置中对应的航班总延误成本最小的粒子的自身历史最好位置;所述X个粒子的全局历史最好位置为所述X个粒子的当前自身历史最好位置中对应的航班总延误成本最小的自身历史最好位置;开始迭代过程,所述迭代过程包括(1)至(3):(1)分别根据各个粒子的自身历史最好位置和邻居最好位置,更新各个粒子的速度矢量;分别根据各个粒子的更新后的速度矢量,更新各个粒子的位置矢量;(2)根据更新后的各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,并根据由更新后的各个粒子的位置矢量计算的各个粒子的航班总延误成本,确定各个粒子的自身历史最好位置、邻居最好位置和所述X个粒子的全局历史最好位置;其中,第i个粒子的自身历史最好位置为在迭代过程中第i个粒子的所有位置矢量中对应的航班总延误成本最小的位置矢量;(3)判断本次迭代是否达到迭代终止条件,若达到所述迭代终止条件,则确定当前全局历史最好位置中的D个元素为所述待着陆飞机中各架飞机的着陆时间段,停止迭代过程;若未达到所述迭代终止条件,则进一步判断本次迭代是否达到拓扑自适应调整门限,若本次迭代达到所述拓扑自适应调整门限,则对各个粒子的网络拓扑进行调整;所述调整包括:选择当前所述X个粒子中自身历史最好位置对应的航班总延误成本最小的P个第一粒子和所述X个粒子中自身历史最好位置对应的航班总延误成本最大的Q个第二粒子,对每个所述第一粒子,随机选择第一边调整个数个第三粒子,增加第一粒子与每个第三粒子之间的相邻关系,对每个所述第二粒子,在与所述第二粒子直接相邻的粒子中,随机选择第二边调整个数个第四粒子,删除第二粒子与每个第四粒子之间的相邻关系,执行(1);
发送模块,用于分别将所述待着陆飞机中的各架飞机的着陆时间段发送给对应的飞机。
本发明实施例提供的一种航班调度方法,通过本发明实施例提供的一种航班调度方法,通过在根据航班计划到达时间和各飞机的空中等待成本确定各航班的着陆时间时,采用无标度网络的产生机制生成各航班着陆时间的粒子群网络拓扑,由于无标度网络的异质性特点,保证了粒子种群网络拓扑的多样性,并在迭代的过程中,增加航班等待成本最小的P个粒子与网络拓扑中其他粒子的连接,同时减少航班等待成本最大的Q个粒子与网络拓扑中其他粒子的连接,由于增加了距离最优航班调度时间结果最近的粒子的连接权重,降低了距离最优航班调度时间结果最远的粒子的连接权重,使得最终获得的航班着陆时间的结果的收敛时间缩短,提升了确定各航班的着陆时间的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种航班调度方法实施例一的流程图;
图2为本发明提供的一种航班调度装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
航班调度的应用场景通常是有若干架飞机在一段时间内以一定的顺序到达某一机场上空后,需要按照一定的顺序着陆,如何安排飞机的着陆时序同时使得总的航班总等待成本最小成本航班调度需要解决的问题。本发明实施例提供了一种航班调度方法和装置。本发明提供的航班调度方法和装置的各个实施例的应用场景包括第一机场和D架飞机,下面对本发明提供的航班调度方法和装置的实施方式进行具体说明。
图1为本发明提供的一种航班调度方法实施例一的流程示意图。
如图1所示,本实施例的步骤可以包括:
S101、获取时间段T内在第一机场待降落的D架飞机的计划到达时间段和空中等待成本。
其中,第d架飞机的计划到达时间段为A(d),第d架飞机的空中等待成本为Ca(d,Δt),Δt为空中等待时长,时间段T包括m个安全着陆时间段T1、T2、…、Tm,A(d)为T1、T2、…、Tm中的一个时间段,d∈[1,D]。
可选的,每个时间段T1、T2、…、Tm可以等于飞机着陆时间,或者,考虑异常状态时需要的安全处理时间,每个时间段可以等于飞机着陆时间与安全处理时间的和。
还需要说明的是,本发明提供的航班调度方法也可以应用其他交通工具的调度场景,例如火车进站的场景,相应的,本发明实施例中的各个飞机的空中等待成本可以转换为考虑火车的进站等待成本,又如,轮船进入港口或者通过渡口的场景,相应的,飞机的空中等待成本可以转换为考虑轮船的水上等待成本。
S102、随机生成X个粒子,并根据无标度网络的产生机制建立初始状态各个粒子的网络拓扑。
其中,X大于D,每个粒子包括D维位置矢量和D维速度矢量,所述D维位置矢量中的第d个元素为第d架飞机的着陆时间段L(d),且L(d)大于等于A(d),所述D维速度矢量中的第d个元素为第d架飞机的着陆时间段的迭代改变量;所述各个粒子中的第i个粒子的网络拓扑包括第i个粒子与所述X个粒子中除该粒子之外的其他粒子之间的相邻关系。举例来说,所述X个粒子的网络拓扑中,任两个粒子之间的相邻关系可以包括直接相邻和不直接相邻两种。
需要说明的是,采用所述无标度网络的产生机制生成网络拓扑通常可以包括“增长节点”和“优先连接”两个步骤,即从一个具有s0(s0>1)个节点的连通网络开始,每次引入一个新的节点,并且连接到s个已存在的节点上,这里s小于或等于s0;一个新节点与一个已经存在的节点j相连接的概率Pj与节点j的度Kj满足如下关系:
Pj=Kj/ΣfKf,其中,Kj为节点j的度。节点的度是指与节点直接相邻的其他节点的个数。
对于本发明实施例来说,可以具体采用如下方式建立初始状态所述X个粒子的网络拓扑:
在所述X个粒子随机选择s0=2个粒子作为初始连通网络的2个节点,每次从X个粒子中剩余的粒子中选择一个新的粒子作为一个新的节点,并将其连接到已存在的s个节点上,s小于或等于s0,该新节点与已经存在的节点j直接相邻的概率Pj与节点j的度Kj满足如下关系:
Pj=Kj/ΣfKf,其中,Kj为节点j的度。
按照无标度网络的产生机制的特性是网络中各节点的度的分布服从幂率分布,即少量的节点(相当于中心节点)具有大量的连边,类似于全连通网络中的节点,而大量的节点(相当于非中心节点)的连边较少,类似于环形网络中的节点。因此,无标度网络具有较强的异质性。这样的网络拓扑结构能加强粒子种群的多样性,使得采用本发明提供的航班调度方法获得的结果不易陷入局部最优。
可选的,所述第一机场在T1、T2、…、Tm时间段的可用跑道容量可以分别为C1、C2、…、Cm,则
对于初始状态随机生成的任一粒子中的位置矢量中的D个元素对应的D架飞机的着陆时间可以满足第一约束条件,所述第一约束条件具体包括:
在T1、T2、…、Tm各个时间段着陆的飞机的数量小于各个时间段的可用跑道容量;其中,所述第一机场在时间段T内的可用跑道次大于X。
可选的,考虑各个飞机能够容忍的延后时长是有限的,初始状态随机生成的各个粒子中的位置矢量应满足第二约束条件,所述第二约束条件包括:
初始状态中各个粒子的位置矢量对应的各个飞机的着陆时间与到达时间的差值小于航班降落顺序延后理性容忍度。
举例来说,即其中,为初始状态的第i个粒子中第d架飞机的着陆时间,A(d)为第d架飞机的计划到达时间,T(d)为第d架飞机的航班降落顺序延后理性容忍度。
S103、根据初始状态各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,确定各个粒子当前的位置矢量对应的航班总延误成本为各个粒子的初始的自身历史最好位置。
其中,所述根据初始状态各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子的当前的位置矢量对应的航班总延误成本,可以包括:
根据计算第i个粒子的当前的位置矢量对应的航班总延误成本;其中,为初始状态第i个粒子的位置矢量中的第d架飞机的着陆时间段,A(d)为第d架飞机的计划到达时间段,Ca(d,Δt)为第d架飞机空中等待时长为Δt时的成本。
S104、根据各个粒子的当前的位置矢量对应的航班总延误成本和所述初始状态各个粒子的网络拓扑,确定各个粒子的邻居最好位置和所述X个粒子的全局最好位置。
其中,第i个粒子的邻居最好位置为当前与第i个粒子直接相邻的粒子的自身历史最好位置中对应的航班总延误成本最小的粒子的自身历史最好位置;所述X个粒子的全局历史最好位置为所述X个粒子的当前自身历史最好位置中对应的航班总延误成本最小的自身历史最好位置。
S105至S107为迭代过程的具体步骤,所述迭代过程包括:
S105、分别根据各个粒子的自身历史最好位置和邻居最好位置,更新各个粒子的速度矢量;分别根据各个粒子的更新后的速度矢量,更新各个粒子的位置矢量。
其中,所述分别根据各个粒子的自身历史最好位置和邻居最好位置,更新各个粒子的速度矢量,分别根据各个粒子的更新后的速度矢量更新各个粒子的位置矢量,可以具体包括:
对于每一个粒子,依次根据
对于每一个粒子,依次根据更新第i个粒子的位置矢量中的第d个元素,d∈[1,D];其中,第i个粒子的第d个元素更新后的位置矢量,第i个粒子的第d个元素更新前的位置矢量。
需要说明的是,所述预设的收敛因子可以用于控制获取结果的收敛速度。
可选的,c1=c2=2.05,χ=0.7298。
可选的,当所述第一机场在T1、T2、…、Tm时间段的可用跑道容量分别为C1、C2、…、Cm时,在迭代过程中的任一粒子更新后的位置矢量中的D个元素对应的D架飞机的着陆时间应满足上述的第一约束条件。
可选的,考虑各个飞机能够容忍的延后时长是有限的,在迭代过程中各个粒子更新后的位置矢量应满足类似上述第二约束条件的第三约束条件,所述第三约束条件可以包括:
更新后的各个粒子的位置矢量对应的各个飞机的着陆时间与到达时间的差值小于航班降落顺序延后理性容忍度。
举例来说,即Li(d)-A(d)<T(d),其中,Li(d)为更新后的第i个粒子中第d架飞机的着陆时间,A(d)为第d架飞机的计划到达时间,T(d)为第d架飞机的航班降落顺序延后理性容忍度。
S106、根据更新后的各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,并根据由更新后的各个粒子的位置矢量计算的各个粒子的航班总延误成本,确定各个粒子的自身历史最好位置、邻居最好位置和所述X个粒子的全局历史最好位置。
其中,第i个粒子的自身历史最好位置为在迭代过程中第i个粒子的所有位置矢量中对应的航班总延误成本最小的位置矢量;所述X个粒子的全局历史最好位置为当前所述X个粒子的自身历史最好位置中对应的航班总延误成本最小的自身历史最好位置。
可选的,所述根据更新后的各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,并根据由更新后的各个粒子的位置矢量计算的各个粒子的航班总延误成本,可以包括:
根据计算第i个粒子的当前位置矢量对应的航班总延误成本;其中,Li(d)为更新后的第i个粒子的位置矢量中的第d架飞机的着陆时间段,A(d)为第d架飞机的计划到达时间段,Ca(d,Δt)为第d架飞机空中等待时长为Δt时的成本。
S107、判断本次迭代是否达到迭代终止条件,若达到所述迭代终止条件,执行S108,若未到达所述迭代终止条件,执行S109。
可选的,所述迭代终止条件可以为最大迭代次数,如1000次,当达到最大迭代次数时,结束迭代。
S108、确定当前全局历史最好位置中的D个元素为所述待着陆飞机中各个飞机的着陆时间段,停止迭代过程,执行S110。
S109、判断本次迭代是否达到拓扑自适应调整门限,若本次迭代达到所述拓扑自适应调整门限,则对各个粒子的网络拓扑进行调整;所述调整包括:选择当前所述X个粒子中自身历史最好位置对应的航班总延误成本最小的P个第一粒子和所述X个粒子中自身历史最好位置对应的航班总延误成本最大的Q个第二粒子,对每个所述第一粒子,随机选择第一边调整个数个第三粒子,增加第一粒子与每个第三粒子之间的相邻关系,对每个所述第二粒子,在与所述第二粒子直接相邻的粒子中,随机选择第二边调整个数个第四粒子,删除第二粒子与每个第四粒子之间的相邻关系,执行S105。
其中,为了防止在直接相邻的粒子间增加的相邻关系,所述随机选择第一边调整个数个第三粒子,增加第一粒子与每个第三粒子之间的相邻关系,可以具体包括:
在与所述第一粒子不直接相邻的粒子中,随机选择第一边调整个数个第三粒子,增加第一粒子与每个第三粒子之间的相邻关系。
相应地,为了防止第二粒子在删除相邻关系后成为孤立的节点,即该第二粒子与其他粒子均不直接相邻,所述在与所述第二粒子直接相邻的粒子中,随机选择第二边调整个数个第四粒子,删除第二粒子与每个第四粒子之间的相邻关系,还具体包括:
若与所述第二粒子直接相邻的粒子的个数小于或等于所述第二边调整个数,则在与所述第二粒子相邻的粒子中,随机删除第三边调整个数个第四粒子与所述第二粒子之间的相邻关系,所述第三边调整个数为与所述第二粒子直接相邻的粒子的个数减一。
可选的,若与所述第一粒子不直接相邻的粒子的个数小于所述第一边调整个数,则所述随机选择第一边调整个数个第三粒子,增加第一粒子与每个第三粒子之间的相邻关系,还可以具体包括:
增加所有与第一粒子不直接相邻的粒子与所述第一粒子之间的相邻关系。
需要说明的是,可选的,所述拓扑自适应调整门限可以为一预设的迭代次数,且所述预设的迭代次数应小于所述迭代终止条件设置的迭代次数,例如,迭代终止条件为迭代次数等于1000次时,拓扑自适应调整门限的迭代次数可以设置为迭代次数等于100次。
S110、分别将所述待着陆飞机中的各架飞机的着陆时间段发送给对应的飞机。
其中,将第d架飞机的着陆时间段L(d)发送给第d架飞机,d∈[1,D]。
本发明实施例提供的一种航班调度方法,通过在根据航班计划到达时间和各飞机的空中等待成本确定各航班的着陆时间时,采用无标度网络的产生机制生成各航班着陆时间的粒子群网络拓扑,由于无标度网络的异质性特点,保证了粒子种群网络拓扑的多样性,并在迭代的过程中,增加航班等待成本最小的P个粒子与网络拓扑中其他粒子的连接,同时减少航班等待成本最大的Q个粒子与网络拓扑中其他粒子的连接,由于增加了距离最优航班调度时间结果最近的粒子的连接权重,降低了距离最优航班调度时间结果最远的粒子的连接权重,使得最终获得的航班着陆时间的结果的收敛时间缩短,提升了确定各航班的着陆时间的效率。同时,还避免了采用规则网络的粒子群网络拓扑而导致的获取的航班着陆时间结果陷入局部最优的问题。
本发明实施例提供的航班调度方法还提供另一种可选的实施方式。
与图1所示方法不同的是,本实施例的方法可以包括:
S103中所述根据初始状态各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,可以具体包括:
根据初始状态各个粒子的位置矢量、各个飞机的空中等待成本和公平性惩罚因子,计算各个粒子当前的位置矢量对应的航班总延误成本。
可选的,可以根据 计算第i个粒子的当前的位置矢量对应的航班总延误成本。
其中,为初始状态第i个粒子的位置矢量中的第d架飞机的着陆时间段,A(d)为第d架飞机的计划到达时间段,Ca(d,Δt)为第d架飞机空中等待时长为Δt时的成本,Cpun为公平性惩罚因子。
可选的,公平性惩罚因子可以根据D种类型飞机的航班平均运行成本、各个飞机的到达时间、着落时间、飞机的航班降落顺序延后理性容忍度确定。
举例来说,可以根据计算公平性惩罚因子。
其中,Ca(d,Δt)为第d架飞机空中等待时长为Δt时的成本,k可以为航班公平性惩罚成本增长指数,x可以为所有飞机的航班降落顺序延后理想容忍度,可以为初始状态第i个粒子的位置矢量中的第d架飞机的着陆时间段,A(d)可以为第d架飞机的计划到达时间段,符号表示符号内的数值大于等于1时有效,否则为0。
相应地,S106中的所述根据更新后的各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,可以具体包括:
根据更新后的各个粒子的位置矢量、各个飞机的空中等待成本和公平性惩罚因子,计算各个粒子当前的位置矢量对应的航班总延误成本。
可选的,可以根据 计算第i个粒子的当前的位置矢量对应的航班总延误成本。
其中,Li(d)为更新后的第i个粒子的位置矢量中的第d架飞机的着陆时间段,A(d)为第d架飞机的计划到达时间段,Ca(d,Δt)为第d架飞机空中等待时长为Δt时的成本,Cpun为公平性惩罚因子。
类似地,可以根据计算公平性惩罚因子。
其中,Ca(d,Δt)为第d架飞机空中等待时长为Δt时的成本,k可以为航班公平性惩罚成本增长指数,x可以为所有飞机的航班降落顺序延后理想容忍度,Li(d)可以为更新后的第i个粒子的位置矢量中的第d架飞机的着陆时间段,A(d)可以为第d架飞机的计划到达时间段,符号表示符号内的数值大于等于1时有效,否则为0。
本实施例的航班调度方法通过引入公平性惩罚因子确定各个粒子的位置矢量对应的航班总等待成本,由于公平性惩罚因子的确定原则是飞机的空中等待时间越长,公平性惩罚因子越大,使得在确定各个飞机的着陆时间时,若航班地面等待时间段增大时显著增加总运行成本,从而有效的避免运输成本较小的航班无限制的被延迟起飞,保证航班获得公平对待。
图2为本发明实施例提供的一种航班调度装置的结构示意图。
如图2所示,本实施例的航班调度装置1可以包括:获取模块10、处理模块11和发送模块12。
获取模块10,可以用于获取时间段T内在第一机场待降落的D架飞机的计划到达时间段和空中等待成本;其中,第d架飞机的计划到达时间段为A(d),第d架飞机的空中等待成本为Ca(d,Δt),Δt为空中等待时长,时间段T包括m个安全着陆时间段T1、T2、…、Tm,A(d)为T1、T2、…、Tm中的一个时间段,d∈[1,D];
处理模块11,用于随机生成X个粒子,并根据无标度网络的产生机制建立初始状态各个粒子的网络拓扑;其中,X大于D,每个粒子包括D维位置矢量和D维速度矢量,所述D维位置矢量中的第d个元素为第d架飞机的着陆时间段L(d),且L(d)大于等于A(d),所述D维速度矢量中的第d个元素为第d架飞机的着陆时间段的迭代改变量;所述各个粒子中的第i个粒子的网络拓扑包括第i个粒子与所述X个粒子中除该粒子之外的其他粒子之间的相邻关系;根据初始状态各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,确定各个粒子当前的位置矢量对应的航班总延误成本为各个粒子的初始的自身历史最好位置;根据各个粒子的当前的位置矢量对应的航班总延误成本和所述初始状态各个粒子的网络拓扑,确定各个粒子的邻居最好位置和所述X个粒子的全局最好位置;其中,第i个粒子的邻居最好位置为当前与第i个粒子直接相邻的粒子的自身历史最好位置中对应的航班总延误成本最小的粒子的自身历史最好位置;所述X个粒子的全局历史最好位置为所述X个粒子的当前自身历史最好位置中对应的航班总延误成本最小的自身历史最好位置;开始迭代过程,所述迭代过程包括(1)至(3):(1)分别根据各个粒子的自身历史最好位置和邻居最好位置,更新各个粒子的速度矢量;分别根据各个粒子的更新后的速度矢量,更新各个粒子的位置矢量;(2)根据更新后的各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,并根据由更新后的各个粒子的位置矢量计算的各个粒子的航班总延误成本,确定各个粒子的自身历史最好位置、邻居最好位置和所述X个粒子的全局历史最好位置;其中,第i个粒子的自身历史最好位置为在迭代过程中第i个粒子的所有位置矢量中对应的航班总延误成本最小的位置矢量;(3)判断本次迭代是否达到迭代终止条件,若达到所述迭代终止条件,则确定当前全局历史最好位置中的D个元素为所述待着陆飞机中各架飞机的着陆时间段,停止迭代过程;若未达到所述迭代终止条件,则进一步判断本次迭代是否达到拓扑自适应调整门限,若本次迭代达到所述拓扑自适应调整门限,则对各个粒子的网络拓扑进行调整;所述调整包括:选择当前所述X个粒子中自身历史最好位置对应的航班总延误成本最小的P个第一粒子和所述X个粒子中自身历史最好位置对应的航班总延误成本最大的Q个第二粒子,对每个所述第一粒子,随机选择第一边调整个数个第三粒子,增加第一粒子与每个第三粒子之间的相邻关系,对每个所述第二粒子,在与所述第二粒子直接相邻的粒子中,随机选择第二边调整个数个第四粒子,删除第二粒子与每个第四粒子之间的相邻关系,执行(1);
发送模块12,可以用于分别将所述处理模块11确定的待着陆飞机中的各架飞机的着陆时间段发送给对应的飞机。
可选的,本发明实施例提供的航班调度装置可以用于执行上述各个实施例所示的各种航班调度方法,其技术方案与技术效果与上述各个实施例类似,此处不再赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种航班调度方法,其特征在于,包括:
获取时间段T内在第一机场待降落的D架飞机的计划到达时间段和空中等待成本;其中,第d架飞机的计划到达时间段为A(d),第d架飞机的空中等待成本为Ca(d,Δt),Δt为空中等待时长,时间段T包括m个安全着陆时间段T1、T2、…、Tm,A(d)为T1、T2、…、Tm中的一个时间段,d∈[1,D];
随机生成X个粒子,并根据无标度网络的产生机制建立初始状态各个粒子的网络拓扑;其中,X大于D,每个粒子包括D维位置矢量和D维速度矢量,所述D维位置矢量中的第d个元素为第d架飞机的着陆时间段L(d),且L(d)大于等于A(d),所述D维速度矢量中的第d个元素为第d架飞机的着陆时间段的迭代改变量;所述各个粒子中的第i个粒子的网络拓扑包括第i个粒子与所述X个粒子中除该粒子之外的其他粒子之间的相邻关系;根据初始状态各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,确定各个粒子当前的位置矢量对应的航班总延误成本为各个粒子的初始的自身历史最好位置;根据各个粒子的当前的位置矢量对应的航班总延误成本和所述初始状态各个粒子的网络拓扑,确定各个粒子的邻居最好位置和所述X个粒子的全局最好位置;其中,第i个粒子的邻居最好位置为当前与第i个粒子直接相邻的粒子的自身历史最好位置中对应的航班总延误成本最小的粒子的自身历史最好位置;所述X个粒子的全局历史最好位置为所述X个粒子的当前自身历史最好位置中对应的航班总延误成本最小的自身历史最好位置;
开始迭代过程,所述迭代过程包括(1)至(3):
(1)分别根据各个粒子的自身历史最好位置和邻居最好位置,更新各个粒子的速度矢量;分别根据各个粒子的更新后的速度矢量,更新各个粒子的位置矢量;
(2)根据更新后的各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,并根据由更新后的各个粒子的位置矢量计算的各个粒子的航班总延误成本,确定各个粒子的自身历史最好位置、邻居最好位置和所述X个粒子的全局历史最好位置;其中,第i个粒子的自身历史最好位置为在迭代过程中第i个粒子的所有位置矢量中对应的航班总延误成本最小的位置矢量;
(3)判断本次迭代是否达到迭代终止条件,若达到所述迭代终止条件,则确定当前全局历史最好位置中的D个元素为所述待着陆飞机中各架飞机的着陆时间段,停止迭代过程;若未达到所述迭代终止条件,则进一步判断本次迭代是否达到拓扑自适应调整门限,若本次迭代达到所述拓扑自适应调整门限,则对各个粒子的网络拓扑进行调整;所述调整包括:选择当前所述X个粒子中自身历史最好位置对应的航班总延误成本最小的P个第一粒子和所述X个粒子中自身历史最好位置对应的航班总延误成本最大的Q个第二粒子,对每个所述第一粒子,随机选择第一边调整个数个第三粒子,增加第一粒子与每个第三粒子之间的相邻关系,对每个所述第二粒子,在与所述第二粒子直接相邻的粒子中,随机选择第二边调整个数个第四粒子,删除第二粒子与每个第四粒子之间的相邻关系,执行(1);
分别将所述待着陆飞机中的各架飞机的着陆时间段发送给对应的飞机。
2.根据权利要求1所述的方法,其特征在于,所述根据初始状态各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子的当前的位置矢量对应的航班总延误成本,包括:
根据计算第i个粒子的当前的位置矢量对应的航班总延误成本;
其中,为初始状态第i个粒子的位置矢量中的第d架飞机的着陆时间段,A(d)为第d架飞机的计划到达时间段,Ca(d,Δt)为第d架飞机空中等待时长为Δt时的成本;
所述根据更新后的各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,并根据由更新后的各个粒子的位置矢量计算的各个粒子的航班总延误成本,包括:
根据计算第i个粒子的当前位置矢量对应的航班总延误成本;
其中,Li(d)为更新后的第i个粒子的位置矢量中的第d架飞机的着陆时间段,A(d)为第d架飞机的计划到达时间段,Ca(d,Δt)为第d架飞机空中等待时长为Δt时的成本。
3.根据权利要求1所述的方法,其特征在于,所述分别根据各个粒子的自身历史最好位置和邻居最好位置,更新各个粒子的速度矢量,分别根据各个粒子的更新后的速度矢量更新各个粒子的位置矢量,具体包括:
对于每一个粒子,依次根据 更新第i个粒子的速度矢量中的第d个元素,d∈[1,D];其中,为第i个粒子的第d个元素更新后的速度矢量,为第i个粒子的第d个元素更新前的速度矢量,pi d为第i个粒子的历史最好位置pi的第d个元素,pg d为第i个粒子的历史邻居最好位置的第d个元素,c1为预设的自我学习因子,c2为预设的社会学习因子,r1和r2为[0,1]间的随机数;χ为预设的收缩因子;
对于每一个粒子,依次根据更新第i个粒子的位置矢量中的第d个元素,d∈[1,D];其中,第i个粒子的第d个元素更新后的位置矢量,第i个粒子的第d个元素更新前的位置矢量。
4.根据权利要求1所述的方法,其特征在于,所述第一机场在T1、T2、…、Tm时间段的可用跑道容量分别为C1、C2、…、Cm,则
对于初始状态随机生成的任一粒子中的位置矢量中的D个元素对应的D架飞机的着陆时间以及在迭代过程中的任一粒子更新后的位置矢量中的D个元素对应的D架飞机的着陆时间满足第一约束条件,所述第一约束条件具体包括:
在T1、T2、…、Tm各个时间段着陆的飞机的数量小于各个时间段的可用跑道容量;其中,所述第一机场在时间段T内的可用跑道次大于X。
5.根据权利要求1所述的方法,其特征在于,
所述随机选择第一边调整个数个第三粒子,增加第一粒子与每个第三粒子之间的相邻关系,具体包括:
在与所述第一粒子不直接相邻的粒子中,随机选择第一边调整个数个第三粒子,增加第一粒子与每个第三粒子之间的相邻关系;
所述在与所述第二粒子直接相邻的粒子中,随机选择第二边调整个数个第四粒子,删除第二粒子与每个第四粒子之间的相邻关系,还具体包括:
若与所述第二粒子直接相邻的粒子的个数小于或等于所述第二边调整个数,则在与所述第二粒子相邻的粒子中,随机删除第三边调整个数个第四粒子与所述第二粒子之间的相邻关系,所述第三边调整个数为与所述第二粒子直接相邻的粒子的个数减一。
6.根据权利要求1-5任一所述的方法,其特征在于,所述选择所述X个粒子中自身历史最好位置对应的航班总延误成本最小的P个第一粒子和所述X个粒子中自身历史最好位置对应的航班总延误成本最大的Q个第二粒子,包括:
根据预设的第一调整概率,选择所述X个粒子中自身历史最好位置对应的航班总延误成本最小的P个第一粒子;根据预设的第二调整概率选择所述X个粒子中自身历史最好位置对应的航班总延误成本最大的Q个第二粒子。
7.根据权利要求6所述的方法,其特征在于,P等于X与所述第一调整概率的乘积;Q等于X与所述第二调整概率的乘积。
8.根据权利要求6所述的方法,其特征在于,所述第一预设调整概率等于所述第二预设调整概率。
9.一种航班调度装置,其特征在于,包括:
获取模块,用于获取时间段T内在第一机场待降落的D架飞机的计划到达时间段和空中等待成本;其中,第d架飞机的计划到达时间段为A(d),第d架飞机的空中等待成本为Ca(d,Δt),Δt为空中等待时长,时间段T包括m个安全着陆时间段T1、T2、…、Tm,A(d)为T1、T2、…、Tm中的一个时间段,d∈[1,D];
处理模块,用于随机生成X个粒子,并根据无标度网络的产生机制建立初始状态各个粒子的网络拓扑;其中,X大于D,每个粒子包括D维位置矢量和D维速度矢量,所述D维位置矢量中的第d个元素为第d架飞机的着陆时间段L(d),且L(d)大于等于A(d),所述D维速度矢量中的第d个元素为第d架飞机的着陆时间段的迭代改变量;所述各个粒子中的第i个粒子的网络拓扑包括第i个粒子与所述X个粒子中除该粒子之外的其他粒子之间的相邻关系;根据初始状态各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,确定各个粒子当前的位置矢量对应的航班总延误成本为各个粒子的初始的自身历史最好位置;根据各个粒子的当前的位置矢量对应的航班总延误成本和所述初始状态各个粒子的网络拓扑,确定各个粒子的邻居最好位置和所述X个粒子的全局最好位置;其中,第i个粒子的邻居最好位置为当前与第i个粒子直接相邻的粒子的自身历史最好位置中对应的航班总延误成本最小的粒子的自身历史最好位置;所述X个粒子的全局历史最好位置为所述X个粒子的当前自身历史最好位置中对应的航班总延误成本最小的自身历史最好位置;开始迭代过程,所述迭代过程包括(1)至(3):(1)分别根据各个粒子的自身历史最好位置和邻居最好位置,更新各个粒子的速度矢量;分别根据各个粒子的更新后的速度矢量,更新各个粒子的位置矢量;(2)根据更新后的各个粒子的位置矢量和各个飞机的空中等待成本,计算各个粒子当前的位置矢量对应的航班总延误成本,并根据由更新后的各个粒子的位置矢量计算的各个粒子的航班总延误成本,确定各个粒子的自身历史最好位置、邻居最好位置和所述X个粒子的全局历史最好位置;其中,第i个粒子的自身历史最好位置为在迭代过程中第i个粒子的所有位置矢量中对应的航班总延误成本最小的位置矢量;(3)判断本次迭代是否达到迭代终止条件,若达到所述迭代终止条件,则确定当前全局历史最好位置中的D个元素为所述待着陆飞机中各架飞机的着陆时间段,停止迭代过程;若未达到所述迭代终止条件,则进一步判断本次迭代是否达到拓扑自适应调整门限,若本次迭代达到所述拓扑自适应调整门限,则对各个粒子的网络拓扑进行调整;所述调整包括:选择当前所述X个粒子中自身历史最好位置对应的航班总延误成本最小的P个第一粒子和所述X个粒子中自身历史最好位置对应的航班总延误成本最大的Q个第二粒子,对每个所述第一粒子,随机选择第一边调整个数个第三粒子,增加第一粒子与每个第三粒子之间的相邻关系,对每个所述第二粒子,在与所述第二粒子直接相邻的粒子中,随机选择第二边调整个数个第四粒子,删除第二粒子与每个第四粒子之间的相邻关系,执行(1);
发送模块,用于分别将所述处理模块确定的所述待着陆飞机中的各架飞机的着陆时间段发送给对应的飞机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510303004.1A CN104881720B (zh) | 2015-06-04 | 2015-06-04 | 一种航班调度方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510303004.1A CN104881720B (zh) | 2015-06-04 | 2015-06-04 | 一种航班调度方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104881720A true CN104881720A (zh) | 2015-09-02 |
CN104881720B CN104881720B (zh) | 2018-06-01 |
Family
ID=53949207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510303004.1A Active CN104881720B (zh) | 2015-06-04 | 2015-06-04 | 一种航班调度方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104881720B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022534A (zh) * | 2016-05-27 | 2016-10-12 | 南京邮电大学 | 基于改进型差分算法的解决飞机着陆问题的方法 |
CN108074421A (zh) * | 2018-01-29 | 2018-05-25 | 上海空地信息技术有限公司 | 一种基于时间的终端区进场效率测度方法 |
CN109215400A (zh) * | 2018-09-12 | 2019-01-15 | 南京航空航天大学 | 基于复合分派规则的进场航班快速排序与优化调度方法 |
CN109583627A (zh) * | 2018-10-31 | 2019-04-05 | 北京航空航天大学 | 飞机着陆排队优化方法及装置 |
CN110060514A (zh) * | 2019-03-29 | 2019-07-26 | 江汉大学 | 航班调度方法和装置 |
CN110390456A (zh) * | 2018-04-22 | 2019-10-29 | 杭州坚果壳科技开发有限公司 | 基于候补机制的航班分配系统和方法 |
CN112598310A (zh) * | 2020-12-29 | 2021-04-02 | 北京筹策科技有限公司 | 一种航班舱位的实时动态分配方法、装置及计算机设备 |
CN112634664A (zh) * | 2020-12-15 | 2021-04-09 | 沈阳民航东北通信网络有限公司 | 基于空中交通流量管理的航班放行排序方法 |
CN114330086A (zh) * | 2022-03-09 | 2022-04-12 | 北京航空航天大学 | 一种突发事件下大规模航班应急调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477649A (zh) * | 2008-12-31 | 2009-07-08 | 中山大学 | 基于粒子群算法的飞机航班规划方法 |
CN101714237A (zh) * | 2008-10-01 | 2010-05-26 | 埃森哲环球服务有限公司 | 用于可选航班的航班调度约束 |
CN102663262A (zh) * | 2012-04-27 | 2012-09-12 | 中国南方航空股份有限公司 | 一种基于免疫算法下的航班波特性成本核算方法 |
-
2015
- 2015-06-04 CN CN201510303004.1A patent/CN104881720B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101714237A (zh) * | 2008-10-01 | 2010-05-26 | 埃森哲环球服务有限公司 | 用于可选航班的航班调度约束 |
CN101477649A (zh) * | 2008-12-31 | 2009-07-08 | 中山大学 | 基于粒子群算法的飞机航班规划方法 |
CN102663262A (zh) * | 2012-04-27 | 2012-09-12 | 中国南方航空股份有限公司 | 一种基于免疫算法下的航班波特性成本核算方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022534A (zh) * | 2016-05-27 | 2016-10-12 | 南京邮电大学 | 基于改进型差分算法的解决飞机着陆问题的方法 |
CN106022534B (zh) * | 2016-05-27 | 2019-10-22 | 南京邮电大学 | 基于改进型差分算法的解决飞机着陆问题的方法 |
CN108074421A (zh) * | 2018-01-29 | 2018-05-25 | 上海空地信息技术有限公司 | 一种基于时间的终端区进场效率测度方法 |
CN110390456A (zh) * | 2018-04-22 | 2019-10-29 | 杭州坚果壳科技开发有限公司 | 基于候补机制的航班分配系统和方法 |
CN109215400A (zh) * | 2018-09-12 | 2019-01-15 | 南京航空航天大学 | 基于复合分派规则的进场航班快速排序与优化调度方法 |
CN109583627A (zh) * | 2018-10-31 | 2019-04-05 | 北京航空航天大学 | 飞机着陆排队优化方法及装置 |
CN110060514A (zh) * | 2019-03-29 | 2019-07-26 | 江汉大学 | 航班调度方法和装置 |
CN110060514B (zh) * | 2019-03-29 | 2021-11-02 | 江汉大学 | 航班调度方法和装置 |
CN112634664A (zh) * | 2020-12-15 | 2021-04-09 | 沈阳民航东北通信网络有限公司 | 基于空中交通流量管理的航班放行排序方法 |
CN112598310A (zh) * | 2020-12-29 | 2021-04-02 | 北京筹策科技有限公司 | 一种航班舱位的实时动态分配方法、装置及计算机设备 |
CN114330086A (zh) * | 2022-03-09 | 2022-04-12 | 北京航空航天大学 | 一种突发事件下大规模航班应急调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104881720B (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104881720A (zh) | 一种航班调度方法和装置 | |
CN103413462B (zh) | 一种综合考虑空域拥堵和航班延误的空中交通网络流量优化方法 | |
CN107591034A (zh) | 一种进港航班排序的实现方法 | |
CN107393348A (zh) | 一种信息共享机制下的进离场航班协同排序方法 | |
CN102254453B (zh) | 一种民航多机场终端区空域功能性扇区划分方法 | |
CN105355092A (zh) | 一种航班流量预控制方法 | |
CN104299454B (zh) | 一种恶劣天气下多机场协同放行系统航班排序方法 | |
Wu et al. | A sequencing model for a team of aircraft landing on the carrier | |
CN111006669B (zh) | 一种无人机系统任务协同及路径规划方法 | |
CN105117792A (zh) | 一种考虑跑道口等待时长的航班机场场面运行优化方法 | |
CN104575108A (zh) | 基于petri网的管制自动移交系统及方法 | |
CN102903261B (zh) | 一种大区域多元约束下的尾随间隔限制的计算方法 | |
JP2000331300A (ja) | 航空交通流管理システム及び航空交通流管理方法 | |
CN104537897A (zh) | 双跑道航班着陆实时调度方法 | |
CN114446094A (zh) | 一种航班排序信息的时空转换方法 | |
CN106840164A (zh) | 一种多碎片主动清除在线重规划算法 | |
CN109979245B (zh) | 飞行流量调控方法和装置 | |
Li et al. | Utilization pattern of closely spaced parallel runways and simulation of operational efficiency | |
Montoya et al. | Runway scheduling using generalized dynamic programming | |
CN110033111A (zh) | 机场场面运动规划方法和装置 | |
CN100433076C (zh) | 着陆飞行器排序方法 | |
CN105390030A (zh) | 飞行流量调控方法及系统 | |
CN109961192B (zh) | 目标事件预测方法及装置 | |
CN113409619B (zh) | 一种基于元胞自动机的航班调度方法、系统及存储介质 | |
CN105489066B (zh) | 空中交通流量调控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |