CN111080023A - 一种基于头脑风暴优化的舰载飞机出动调度规划方法 - Google Patents

一种基于头脑风暴优化的舰载飞机出动调度规划方法 Download PDF

Info

Publication number
CN111080023A
CN111080023A CN201911353972.8A CN201911353972A CN111080023A CN 111080023 A CN111080023 A CN 111080023A CN 201911353972 A CN201911353972 A CN 201911353972A CN 111080023 A CN111080023 A CN 111080023A
Authority
CN
China
Prior art keywords
scheduling
carrier
time
aircraft
feasible
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.)
Pending
Application number
CN201911353972.8A
Other languages
English (en)
Inventor
朱威仁
勉力财
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.)
Xian Aircraft Design and Research Institute of AVIC
Original Assignee
Xian Aircraft Design and Research Institute of AVIC
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 Xian Aircraft Design and Research Institute of AVIC filed Critical Xian Aircraft Design and Research Institute of AVIC
Priority to CN201911353972.8A priority Critical patent/CN111080023A/zh
Publication of CN111080023A publication Critical patent/CN111080023A/zh
Pending legal-status Critical Current

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q10/20—Administration of product repair or maintenance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于航空维修保障技术，涉及一种基于头脑风暴优化的舰载飞机出动调度规划方法。该方法包括：确定舰载飞机的调度信息，调度信息包括舰载飞机的类型、升降机数量、牵引车数量和机组数量，以及每个类型的舰载飞机的数量、升降机使用时间、牵引时间和机务准备时间；为舰载飞机、保障资源进行编号；随机生成舰载机的M个调度可行解，调度可行解包括每个舰载机的可行解，可行解依次包括舰载机的编号、保障资源的编号；M为正整数；根据保障资源的使用情况、舰载飞机的调度顺序、M个调度可行解和头脑风暴优化算法，确定出舰载飞机的最优调度可行解和最优调度方案。

Description

一种基于头脑风暴优化的舰载飞机出动调度规划方法
技术领域
本发明属于航空维修保障技术，涉及一种基于头脑风暴优化的舰载飞机出动调度规划方法。
背景技术
在航空母舰出海执行任务过程中，舰载飞机调度作业是航母上维修保障作业的重要组成部分，是制约舰载飞机出动能力的主要因素。任务过程中，多架舰载飞机出动调度需要在时间、空间、保障资源等受限的情况下(如图1所示)，通过科学合理规划，尽可能地充分利用好各项资源，并最终缩短总体出动调度时间，保证任务出动能力。舰载机甲板调度时要综合考虑众多因素的影响：如航母上有限的升降机、维修保障机位、起飞位、牵引车数量等，因此进行合理的舰载飞机出动调度规划对舰载机出动能力的提高极为重要。
发明内容
发明目的：提供一种基于头脑风暴优化的舰载飞机出动调度规划方法，能够对舰载飞机出动能力进行合理的舰载飞机出动调度规划。
本发明提供一种基于头脑风暴优化的舰载飞机出动调度规划方法，包括：
确定舰载飞机的调度信息，调度信息包括舰载飞机的类型、升降机数量、牵引车数量和机组数量，以及每个类型的舰载飞机的数量、升降机使用时间、牵引时间和机务准备时间；
为舰载飞机、保障资源进行编号；
随机生成舰载机的M个调度可行解，调度可行解包括每个舰载机的可行解，可行解依次包括舰载机的编号、保障资源的编号；M为正整数；
根据保障资源的使用情况、舰载飞机的调度顺序、M个调度可行解和头脑风暴优化算法，确定出舰载飞机的最优调度可行解和最优调度方案。
进一步的，保障资源按调度顺序包括：升降机、牵引车和机组，可行解依次包括舰载机的编号、升降机的编号、牵引车的编号和机组的编号。
进一步的，根据升降机、牵引车和机组的使用情况、舰载飞机的调度顺序和头脑风暴优化算法，确定出舰载飞机的最优调度可行解和最优调度方案，包括：
根据升降机、牵引车和机组的使用情况、舰载飞机的调度顺序，对第w-1 次迭代出的调度方案进行评价，调度方案由调度可行解和每个类型的舰载飞机的升降机使用时间、牵引时间和机务准备时间组成；
将评价最高的调度可行解作为第w次迭代的全局最优解；将同一聚类内评价最高的可行解作为第w次迭代的聚类中心；其中，M个调度可行解分为N 个具有相同个数调度可行解的聚类；
根据第w次迭代的聚类中心、第w次迭代的全局最优解，更新出第w次迭代的M个调度可行解；
其中，第0次迭代的组为随机生成的M个调度可行解，最后一次迭代的M 个调度可行解中评价最好的可行解作为最优调度可行解，最优调度可行解和每个类型的舰载飞机的升降机使用时间、牵引时间和机务准备时间组成最优调度方案。
进一步的，对第i个聚类，i是1到N之间的整数，根据第w次迭代的聚类中心、第w次迭代的全局最优解，更新出第w次迭代的M个调度可行解，包括：
对聚类中心的保障资源的编号中任一个编号进行随机更新；随机更新的范围不超过自身编号的范围；
根据升降机、牵引车和机组的使用情况、舰载飞机的调度顺序，对更新编号的调度方案进行评价，更新编号的调度方案由更新编号的调度可行解和每个类型的舰载飞机的升降机使用时间、牵引时间和机务准备时间组成；
若更新编号的调度方案的评价优于原调度方案的评价，则用更新编号的聚类中心代替聚类中心；
对第i个聚类中随机的一个调度可行解参照聚类中心进行第一次更新；
根据升降机、牵引车和机组的使用情况、舰载飞机的调度顺序，对第一次更新的调度方案进行评价；第一次更新的调度方案由第一次更新的调度可行解和每个类型的舰载飞机的升降机使用时间、牵引时间和机务准备时间组成；
若第一次更新的调度方案的评价优于原调度方案的评价，则用第一次更新的可行解代替可行解；
若第一次更新的调度方案的评价不优于调度方案的评价，对第i个聚类中随机的一个调度可行解参照全局最优解进行第二次更新；
根据升降机、牵引车和机组的使用情况、舰载飞机的调度顺序，对第二次更新的调度方案进行评价；第二次更新的调度方案由第一次更新的调度可行解和每个类型的舰载飞机的升降机使用时间、牵引时间和机务准备时间组成；
若第二次更新的调度方案的评价优于原调度方案的评价，则用第二次更新的可行解代替可行解；
若第二次更新的调度方案的评价优于原调度方案的评价，则用一组随机生成的新调度可行解代替调度可行解。
进一步的，对调度方案的评价规则包括：
对于调度同一保障资源，未使用该保障资源中编号最靠前的舰载飞机优先使用；
只有保障资源未被使用时，才能被调度；
评价结果为调度方案调度总时间，其中，调度总时间越短，评价越高。
进一步的，对第i个聚类中随机的一个调度可行解参照聚类中心进行第一次更新，包括：
在第i个聚类中随机选择一个调度可行解，根据第一次更新公式更新所述调度可行解，第一次更新公式为：
Figure RE-GDA0002419425560000031
其中，
Figure RE-GDA0002419425560000032
表示第i个聚类中随机选中的调度可行解，
Figure RE-GDA0002419425560000033
表示第i个聚类中心，rand表示-1到1之间的随机数，
Figure RE-GDA0002419425560000034
表示第一次更新过的调度可行解。
进一步的，对第i个聚类中随机的一个调度可行解参照全局最优解进行第二次更新，包括：
根据第二次更新公式将所述调度可行解向全局最优解接近；第二次更新公式为：
Figure RE-GDA0002419425560000041
其中，
Figure RE-GDA0002419425560000042
表示所述调度可行解，
Figure RE-GDA0002419425560000043
表示全局最优解，rand表示-1到1 之间的随机数，
Figure RE-GDA0002419425560000044
表示第二次更新过的调度可行解。
进一步的，所述方法还包括：
将欧式距离最相近的调度可行解分为一个聚类。
本发明的优点：通过模拟人类使用头脑风暴方法进行集体研讨，完成迭代讨论决策的过程进行优化。头脑风暴算法收敛速度快，鲁棒性强，一定程度上避免了陷入局部最优解，适合解决复杂的优化问题。对于舰载飞机调度规划问题，适合用头脑风暴算法进行优化求解。
附图说明
图1为调度方案的评价计算示意图的示意图。
图2为一种基于头脑风暴优化的舰载飞机出动调度规划方法的流程图。
具体实现方式
本发明提供一种基于头脑风暴优化的舰载飞机出动调度规划方法，如图2 所示，包括：
步骤一：给每架需要进行出动调度的舰载飞机进行从1开始的连续整数编号，分别给每个升降机、牵引车、机组进行从1开始的连续整数编号。初始化头脑风暴优化算法参数，确定种群规模为M，聚类数量为N(N<M)，设置问题维度D为舰载飞机总数量乘以4。最大迭代次数Cmax。初始化当前迭代次数 C＝1。
步骤二：在编号范围内随机初始化生成M个调度可行解，每个可行解包含 D个整数，调度可行解的格式示例如下：
(1，3，2，5|3，2，4，1|......|8，1，3，3)
该调度可行解表示顺序为第1架飞机通过3号升降机、2号牵引车、5号机组进行调度，第3架飞机通过2号升降机、4号牵引车、1号机组进行调度，最后是第8架飞机通过1号升降机、3号牵引车、3号机组进行调度。要覆盖每架舰载飞机且无重复。
随机选取其中N个可行解作为初始聚类中心。
步骤三：计算每个调度可行解的调度总时间，计算中要按照调度可行解的顺序，考虑同一升降机、牵引车、机组不能同时使用的约束，如图2所示。按照调度方案调度总时间从小到大排列可行解，排在第一的可行解为全局最优解。计算调度总时间需要了解升降机的升降时间、牵引机的牵引时间、机组的机务准备时间，例如表1所示的舰载飞机调度各程序时间。
表1
Figure RE-GDA0002419425560000051
步骤四：从第一个可行解开始，依次对每个可行解计算到各个聚类中心的欧式距离，计算公式如下：
Figure RE-GDA0002419425560000052
其中，Disi表示调度可行解到第i个聚类中心的欧式距离，xk表示该调度可行解的第k个数，yik表示第i个聚类中心的第k个数。
根据计算结果将调度可行解分配到距离它最近的聚类中心的未饱和聚类中，当某个聚类中已包含了
Figure RE-GDA0002419425560000053
个调度可行解时，该聚类已变为饱和，剩余的调度可行解必须分配到其他聚类中，保证每个聚类的调度可行解数量相等。
步骤五：依次对每个聚类选择聚类中调度总时间最小的个体成为聚类中心。
步骤六：依次对每个聚类中心进行更新，更新方式如下：随机选择聚类中心解中的一个数，对其添加在编号范围内的随机数。比较添加前和添加后的调度总时间大小，如果添加随机数后的调度总时间更小，则更新聚类中心；否则保留原来的聚类中心。
步骤七：在每个聚类中都随机选择聚类中的一个调度可行解，根据下式更新该可行解：
Figure RE-GDA0002419425560000061
其中，
Figure RE-GDA0002419425560000062
表示第i个聚类中随机选中的调度可行解，
Figure RE-GDA0002419425560000063
表示第i个聚类中心，rand表示-1到1之间的随机数，
Figure RE-GDA0002419425560000064
表示更新过的调度可行解。
比较更新前和更新后的可行解调度总时间大小，如果更新后的
Figure RE-GDA0002419425560000065
调度总时间更小，则更新该调度可行解为
Figure RE-GDA0002419425560000066
并直接进入步骤十；否则保留原来的调度可行解
Figure RE-GDA0002419425560000067
并进入步骤八。
步骤八：将保留的调度可行解向全局最优解接近，根据下式更新：
Figure RE-GDA0002419425560000068
其中，
Figure RE-GDA0002419425560000069
表示第i个聚类中随机选中的调度可行解，
Figure RE-GDA00024194255600000610
表示所有个体中调度总时间最小的可行解，rand表示-1到1之间的随机数，
Figure RE-GDA00024194255600000611
表示更新过的调度可行解。
比较更新前和更新后的调度可行解调度总时间大小，如果更新后的
Figure RE-GDA00024194255600000612
调度总时间更小，则更新该调度可行解为
Figure RE-GDA00024194255600000613
并直接进入步骤十；否则保留原来的调度可行解
Figure RE-GDA00024194255600000614
并进入步骤九。
步骤九：在约束范围内随机生成一个调度可行解，替代选中的调度可行解。
步骤十：将当前迭代次数C增加1，判断当前迭代次数C。若C＜Cmax，则转到步骤四；若C≥Cmax，则输出最优解，生成最优调度方案。

Claims (8)

1.一种基于头脑风暴优化的舰载飞机出动调度规划方法，其特征在于，包括：
确定舰载飞机的调度信息，调度信息包括舰载飞机的类型、升降机数量、牵引车数量和机组数量，以及每个类型的舰载飞机的数量、升降机使用时间、牵引时间和机务准备时间；
为舰载飞机、保障资源进行编号；
随机生成舰载机的M个调度可行解，调度可行解包括每个舰载机的可行解，可行解依次包括舰载机的编号、保障资源的编号；M为正整数；
根据保障资源的使用情况、舰载飞机的调度顺序、M个调度可行解和头脑风暴优化算法，确定出舰载飞机的最优调度可行解和最优调度方案。
2.根据权利要求1所述的方法，其特征在于，保障资源按调度顺序包括：升降机、牵引车和机组，可行解依次包括舰载机的编号、升降机的编号、牵引车的编号和机组的编号。
3.根据权利要求2所述的方法，其特征在于，根据升降机、牵引车和机组的使用情况、舰载飞机的调度顺序和头脑风暴优化算法，确定出舰载飞机的最优调度可行解和最优调度方案，包括：
根据升降机、牵引车和机组的使用情况、舰载飞机的调度顺序，对第w-1次迭代出的调度方案进行评价，调度方案由调度可行解和每个类型的舰载飞机的升降机使用时间、牵引时间和机务准备时间组成；
将评价最高的调度可行解作为第w次迭代的全局最优解；将同一聚类内评价最高的可行解作为第w次迭代的聚类中心；其中，M个调度可行解分为N个具有相同个数调度可行解的聚类；
根据第w次迭代的聚类中心、第w次迭代的全局最优解，更新出第w次迭代的M个调度可行解；
其中，第0次迭代的组为随机生成的M个调度可行解，最后一次迭代的M个调度可行解中评价最好的可行解作为最优调度可行解，最优调度可行解和每个类型的舰载飞机的升降机使用时间、牵引时间和机务准备时间组成最优调度方案。
4.根据权利要求3所述的方法，其特征在于，对第i个聚类，i是1到N之间的整数，根据第w次迭代的聚类中心、第w次迭代的全局最优解，更新出第w次迭代的M个调度可行解，包括：
对聚类中心的保障资源的编号中任一个编号进行随机更新；随机更新的范围不超过自身编号的范围；
根据升降机、牵引车和机组的使用情况、舰载飞机的调度顺序，对更新编号的调度方案进行评价，更新编号的调度方案由更新编号的调度可行解和每个类型的舰载飞机的升降机使用时间、牵引时间和机务准备时间组成；
若更新编号的调度方案的评价优于原调度方案的评价，则用更新编号的聚类中心代替聚类中心；
对第i个聚类中随机的一个调度可行解参照聚类中心进行第一次更新；
根据升降机、牵引车和机组的使用情况、舰载飞机的调度顺序，对第一次更新的调度方案进行评价；第一次更新的调度方案由第一次更新的调度可行解和每个类型的舰载飞机的升降机使用时间、牵引时间和机务准备时间组成；
若第一次更新的调度方案的评价优于原调度方案的评价，则用第一次更新的可行解代替可行解；
若第一次更新的调度方案的评价不优于调度方案的评价，对第i个聚类中随机的一个调度可行解参照全局最优解进行第二次更新；
根据升降机、牵引车和机组的使用情况、舰载飞机的调度顺序，对第二次更新的调度方案进行评价；第二次更新的调度方案由第一次更新的调度可行解和每个类型的舰载飞机的升降机使用时间、牵引时间和机务准备时间组成；
若第二次更新的调度方案的评价优于原调度方案的评价，则用第二次更新的可行解代替可行解；
若第二次更新的调度方案的评价优于原调度方案的评价，则用一组随机生成的新调度可行解代替调度可行解。
5.根据权利要求2所述的方法，其特征在于，对调度方案的评价规则包括：
对于调度同一保障资源，未使用该保障资源中编号最靠前的舰载飞机优先使用；
只有保障资源未被使用时，才能被调度；
评价结果为调度方案调度总时间，其中，调度总时间越短，评价越高。
6.根据权利要求4所述的方法，其特征在于，对第i个聚类中随机的一个调度可行解参照聚类中心进行第一次更新，包括：
在第i个聚类中随机选择一个调度可行解，根据第一次更新公式更新所述调度可行解，第一次更新公式为：
Figure RE-FDA0002419425550000031
其中，
Figure RE-FDA0002419425550000032
表示第i个聚类中随机选中的调度可行解，
Figure RE-FDA0002419425550000033
表示第i个聚类中心，rand表示-1到1之间的随机数，
Figure RE-FDA0002419425550000034
表示第一次更新过的调度可行解。
7.根据权利要求5所述的方法，其特征在于，对第i个聚类中随机的一个调度可行解参照全局最优解进行第二次更新，包括：
根据第二次更新公式将所述调度可行解向全局最优解接近；第二次更新公式为：
Figure RE-FDA0002419425550000035
其中，
Figure RE-FDA0002419425550000036
表示所述调度可行解，
Figure RE-FDA0002419425550000037
表示全局最优解，rand表示-1到1之间的随机数，
Figure RE-FDA0002419425550000038
表示第二次更新过的调度可行解。
8.根据权利要求3所述的方法，其特征在于，所述方法还包括：
将欧式距离最相近的调度可行解分为一个聚类。
CN201911353972.8A 2019-12-24 2019-12-24 一种基于头脑风暴优化的舰载飞机出动调度规划方法 Pending CN111080023A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911353972.8A CN111080023A (zh) 2019-12-24 2019-12-24 一种基于头脑风暴优化的舰载飞机出动调度规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911353972.8A CN111080023A (zh) 2019-12-24 2019-12-24 一种基于头脑风暴优化的舰载飞机出动调度规划方法

Publications (1)

Publication Number Publication Date
CN111080023A true CN111080023A (zh) 2020-04-28

Family

ID=70317492

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911353972.8A Pending CN111080023A (zh) 2019-12-24 2019-12-24 一种基于头脑风暴优化的舰载飞机出动调度规划方法

Country Status (1)

Country Link
CN (1) CN111080023A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112434438A (zh) * 2020-12-02 2021-03-02 中国航空工业集团公司沈阳飞机设计研究所 一种飞机使用保障流程确定方法
CN114003060A (zh) * 2021-11-04 2022-02-01 西安石油大学 基于改进全局最优头脑风暴算法的多无人机任务分配方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100191458A1 (en) * 2009-01-23 2010-07-29 Daniel Baker System and method for optimized flight planning
CN104037757A (zh) * 2014-05-20 2014-09-10 西安理工大学 一种基于头脑风暴的火电厂经济环境调度方法
CN106952022A (zh) * 2017-03-01 2017-07-14 中国人民解放军海军工程大学 机场飞行资源与飞机的调度方法及调度系统
CN107831685A (zh) * 2017-10-13 2018-03-23 南方科技大学 一种群体机器人的控制方法和系统
CN107977743A (zh) * 2017-11-29 2018-05-01 合肥工业大学 多无人机协同任务分配方法及装置
CN108335024A (zh) * 2018-01-23 2018-07-27 华中科技大学 一种舰载机连续出动任务规划方法及任务规划描述方法
CN109034587A (zh) * 2018-07-18 2018-12-18 西安理工大学 一种协调多种可控单元的主动配电系统优化调度方法
CN110597213A (zh) * 2019-09-29 2019-12-20 山东师范大学 一种分布式混合流水车间的生产调度方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100191458A1 (en) * 2009-01-23 2010-07-29 Daniel Baker System and method for optimized flight planning
CN104037757A (zh) * 2014-05-20 2014-09-10 西安理工大学 一种基于头脑风暴的火电厂经济环境调度方法
CN106952022A (zh) * 2017-03-01 2017-07-14 中国人民解放军海军工程大学 机场飞行资源与飞机的调度方法及调度系统
CN107831685A (zh) * 2017-10-13 2018-03-23 南方科技大学 一种群体机器人的控制方法和系统
CN107977743A (zh) * 2017-11-29 2018-05-01 合肥工业大学 多无人机协同任务分配方法及装置
CN108335024A (zh) * 2018-01-23 2018-07-27 华中科技大学 一种舰载机连续出动任务规划方法及任务规划描述方法
CN109034587A (zh) * 2018-07-18 2018-12-18 西安理工大学 一种协调多种可控单元的主动配电系统优化调度方法
CN110597213A (zh) * 2019-09-29 2019-12-20 山东师范大学 一种分布式混合流水车间的生产调度方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴亚丽等: "目标空间聚类的差分头脑风暴优化算法", 《控制理论与应用》 *
程适等: "数据驱动的发展式头脑风暴优化算法综述", 《郑州大学学报(工学版)》 *
谭大力等: "基于整数线性规划方法的舰载机航空保障资源优化调度", 《中国舰船研究》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112434438A (zh) * 2020-12-02 2021-03-02 中国航空工业集团公司沈阳飞机设计研究所 一种飞机使用保障流程确定方法
CN112434438B (zh) * 2020-12-02 2024-01-30 中国航空工业集团公司沈阳飞机设计研究所 一种飞机使用保障流程确定方法
CN114003060A (zh) * 2021-11-04 2022-02-01 西安石油大学 基于改进全局最优头脑风暴算法的多无人机任务分配方法

Similar Documents

Publication Publication Date Title
Levin Scheduling and fleet routing models for transportation systems
CN111477034B (zh) 基于栅格模型的大规模空域使用计划冲突检测与解脱方法
CN103530709B (zh) 一种基于细菌觅食优化方法的集装箱码头泊位和岸桥分配方法
Hu et al. Binary-representation-based genetic algorithm for aircraft arrival sequencing and scheduling
CN111476263A (zh) 基于sdae和改进gwo-svm的轴承缺陷识别方法
CN110533228B (zh) 一种考虑旅客意愿的航班恢复方法
CN111080023A (zh) 一种基于头脑风暴优化的舰载飞机出动调度规划方法
CN113009934A (zh) 一种基于改进粒子群算法的多无人机任务动态分配方法
CN112633562B (zh) 一种机场停机位智能调度方法
CN111121784A (zh) 一种无人侦察机航路规划方法
CN113643571A (zh) 一种基于航班正常性目标的空域网络优化方法
Cai et al. A bi-objective constrained robust gate assignment problem: Formulation, instances and algorithm
CN114970944A (zh) 一种基于多智能体强化学习的订单匹配和车辆重定位方法
CN116777170A (zh) 基于混沌自适应蜣螂优化算法的多机器人任务分配方法
CN113848970A (zh) 一种车辆-无人机多目标协同路径规划方法
CN114358446A (zh) 一种机场资源调度的鲁棒优化方法
CN115731748A (zh) 航班跑道排序方法及存储介质
CN100433076C (zh) 着陆飞行器排序方法
Hu et al. Multiairport capacity management: Genetic algorithm with receding horizon
CN116485091B (zh) 机场车辆调度方法、装置、电子设备和存储介质
CN116129681B (zh) 基于区域网格化管理的民航电报分流处理系统及方法
CN116911816A (zh) 智能飞行机组排班方法及系统
CN106682273B (zh) 一种串并联混合航天装备系统寿命重要度确定方法
Chen et al. Crew scheduling models in airline disruption management
CN115826614A (zh) 一种多无人机能源保障任务分配方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200428