CN113283727B - 基于量子启发式算法的机场滑行道调度方法 - Google Patents
基于量子启发式算法的机场滑行道调度方法 Download PDFInfo
- Publication number
- CN113283727B CN113283727B CN202110533679.0A CN202110533679A CN113283727B CN 113283727 B CN113283727 B CN 113283727B CN 202110533679 A CN202110533679 A CN 202110533679A CN 113283727 B CN113283727 B CN 113283727B
- Authority
- CN
- China
- Prior art keywords
- aircraft
- path
- quantum
- airport
- time
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000003016 pheromone Substances 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 239000002096 quantum dot Substances 0.000 claims description 10
- 241000721047 Danaus plexippus Species 0.000 description 2
- 230000010006 flight Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
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
- G06Q10/06—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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于量子启发式算法的机场滑行道调度方法,该方法包括读取机场节点和飞机起飞计划的数据,并对每条相邻节点之间路径的信息素进行初始化,采用量子比特的振幅来表示路径的信息素,利用量子门旋转来实现路径信息素的更新操作,从而提高后代选择较优路径的概率,通过进行对头冲击检测、追尾冲击检测以及交叉冲击检测,并且解决冲突,经过不断迭代最终得到较优的机场滑行道调度方案。该方法具有良好的计算效率和计算结果,对于常见的无冲突路径规划问题有着较优的计算能力。
Description
技术领域
本发明属于机场调度方法技术领域,尤其涉及一种基于量子启发式算法的机场滑行道调度方法。
背景技术
现有的机场滑行道调度大多依赖人工经验,很少采用算法进行计算。现有解决组合优化问题的算法主要分为MILP方法和启发式算法。但是随着交通运输业的发展,机场规模不断增大,航班数量快速增加,以MILP为代表的精确算法难以应对日益增长的计算需求。而现有的启发式算法如蚁群算法、遗传算法、粒子群算法等,虽然能应对较大的数据运算量,但是得到的结果常常不够理想,平均等待时间、总体滑行时间较长。总体而言,现有的机场滑行道调度算法难以应对未来的需求。
现有技术“Jiao-Hong Yi,Mei Lu,Xiang-Jun Zhao.Quantum inspired monarchbutterfly optimisation for UCAV path planning navigationproblem.International Journal of Bio-Inspired Computation,15(2),2020,75.”采用量子启发的帝王蝶算法对无人机的飞行路径进行计算,该算法将路径进行分段,并且计算每一段与障碍物的距离,通过迭代使得最终路径较短且避开障碍物。但是该算法只考虑了单个无人机的路径规划情形,并不适用于多无人机或者同类等价问题的协同路径规划场景。
现有技术“Min Liu,Feng Zhang,Yun long Ma.Evacuation path optimizationbased on quantum ant colony algorithm.Advanced Engineering Informatics,2016,30(3):259–267”采用了量子启发的蚁群算法对人群的避难路线进行计算,针对多个运动目标同时进行路径规划。但该算法计算出的多条可行路径,容许不同的人在同一时间选择同一条路径进行避难,故而不适用于机场调度的场景要求。
发明内容
发明目的:本发明的目的是提供一种基于量子启发式算法的机场滑行道调度方法,该方法通过模拟量子门旋转对信息素进行更新,并且提供了冲突解脱方案,既保障了飞机在滑行道上的安全性,又减少了航班因采取不合适滑行道调度方案导致的延误。
技术方案:本发明基于量子启发式算法的机场滑行道调度方法,包括以下步骤:
(1)读取机场节点以及飞机起飞计划的数据,并对每条相邻节点之间路径的信息素进行初始化;其中,飞机起飞计划包括飞机弹出的时间、弹出的位置、降落的时间、滑行的时间、滑动的速度以及滑行的终点;
(2)针对每架飞机,读取当前节点、滑行速度和滑行的终点,根据当前节点可选路径的信息素选取对应路径,通过该路径走到相邻下一个节点,随后继续计算后续路径,执行若干次直至走到目标节点或者无路可走;若无路可走,则不更新所走路径的信息素;若成功走到目标节点,则对走过的路径进行内部信息素更新;相邻节点a、b之间的信息素由量子比特Qa,b表示,其中α2+β2=1,用量子门U进行更新,更新方式如下所示:
其中,该更新方式中,θ为旋转角度;Q′为旋转后的量子比特;
(3)基于步骤(2)获得每架飞机的可行路径,并进行飞机之间的对头冲击检测、追尾冲击检测以及交叉冲击检测,若存在冲突,则让其中一飞机进行等待,并根据最小安全距离和冲突检测计算该飞机需要等待的时间,重新进行冲突检测,直到达到不冲突为止;
(4)步骤(3)的当前飞机路径为本次迭代的结果,计算出该结果的适应度,并根据适应度大小更新最优解,用该最优解对下一次的每架飞机路径的信息素进行更新;若步骤(3)的迭代次数达到阈值,则输出最优解,否则转步骤(2)。
本调度方法采用量子比特控制进行较优路径选择,从而找到每架飞机的可行路径,并在此基础上,通过进行对头冲击检测、追尾冲击检测以及交叉冲击检测,解决冲突,最终得到较优的机场滑行道调度方案。进一步说,该调度方法的步骤(3)中,进行交叉冲突检测时,若满足下式,则不存在交叉冲突:
进行追尾冲突检测时,若满足下式,则不存在追尾冲突:
进行对头冲突检测时,若满足下式,则不存在对头冲突:
上述式中:N为飞机航班集合,E为节点集,Z表示飞机经过节点的顺序,Ri为飞机i的滑行路径,tic为飞机i经过交点c的时间,vj为飞机j的速度,d为最小安全距离;若飞机i、飞机j的路径存在交点c,此时Zijb=1表示飞机i在飞机j之前到达b点,反之为0。
进一步说,该调度方法的步骤(3)中,飞机等待时间的计算公式如下:
wj=d/vj+tic-tjc,该式中wj为飞机j的等待时间。
进一步说,该调度方法的步骤(4)中,适应度对应的函数为其中σi为飞机i的最短路径滑行时间与实际滑行时间的差值,wi为飞机i的等待时间。
进一步说,该调度方法的步骤(2)中,执行若干次的次数为E/2。
进一步说,该调度方法的步骤(2)中,θ=π/20。
进一步说,该调度方法的步骤(4)中,迭代次数的阈值为E×5。
有益效果:与现有技术相比,本发明的显著优点为:该基于量子启发式算法的机场滑行道调度方式是在进行机场滑行道调度时,将量子启发式算法与联合调度相结合,用量子比特的振幅来表示节点之间滑行道上的信息素,通过量子门来进行更新,从而更快、更稳定地得到较优的机场滑行道调度方案,其具有良好的计算能力,能解决常见的无冲突路径规划问题。
附图说明
图1为本发明模拟机场滑行道节点-路径图。
具体实施方式
下面结合实施例和附图对本发明的技术方案做进一步详细说明。
本发明基于量子启发式算法的机场滑行道调度方法,包括以下步骤:
步骤1、读取机场节点以及飞机起飞计划数据,该飞机起飞计划包括飞机的弹出时间,弹出的位置、降落的时间、滑行的时间、滑动的速度、滑行的终点,并对每条路径的信息素进行初始化;
步骤2、在每次迭代中,针对每架航班,读取起点和终点位置、滑行速度等信息,执行如下操作E/2次,并存储每架航班最后一次可行路径;
步骤3、飞机从起点开始,每次经过一个节点都会面临多个可选路径。每段路径的信息素由量子比特的振幅表示。选取当前节点可选路径的信息素,通过轮盘转选择方式选取对应路径,通过该路径走到下一个节点,然后继续计算后续路径,直到走到目标节点或者无路可走。若成功走到目标节点,则对走过的路径进行内部信息素更新。由于航班与航班之间的路径不尽相同,所以针对每个航班的信息素分别计算,互不影响。相邻节点a、b间的信息素是由量子比特Qa,b表示,其中α2+β2=1,用量子门U进行更新,更新方式如下所示:
若无路可走,则不更新所走路径的信息素;更新方式中,θ为旋转角度;Q′为旋转后的量子比特。
步骤4,N为飞机航班集合,E为节点集,Z表示飞机经过节点的顺序,Ri为飞机i的滑行路径,tic为飞机i经过交点c的时间,vj为飞机j的速度,d为最小安全距离;若飞机i、飞机j的路径存在交点c,此时Zijb=1表示飞机i在飞机j之前到达b点,反之为0。
进行交叉冲突检测时,若满足下式,则不存在交叉冲突:
进行追尾冲突检测时,若满足下式,则不存在追尾冲突:
进行对头冲突检测时,若满足下式,则不存在对头冲突:
如果存在冲突,则让飞机j进行等待。并根据最小安全距离和冲突检测计算飞机j需要等待的时间;
wj=d/vj+tic-tjc
从而更新飞机j经过各个节点的时间,重新进行冲突检测,直到不存在冲突为止。
步骤5、当前飞机路径为本次迭代的结果,根据函数计算出该结果的适应度。并根据适应度大小来更新最优解,用新的最优解对下一代的每架飞机路径的信息素进行更新;若迭代次数达到阈值,迭代阈值为E×5,则输出最优解,否则转步骤2。
实施例1
如图1所示,本发明基于量子启发式算法的机场滑行道调度方法,包括以下步骤:
步骤1、读取机场和8架飞机的各种信息;进行信息素的初始化,所有量子比特初始状态如下,设定安全间隔d=200米;当前迭代次数为0,阈值为140。
步骤2、读取每架飞机的信息:例如飞机1,得知起点为28,终点为26,出发时间为0:01:10,速度为8。
步骤3、第一次计算飞机1的路径为26->17->16->13->15;此次计算成功找到可行路径,故对每段路经的信息素都进行更新:
重复执行14次,则得到飞机1的较优路径。对其他飞机亦做同样操作,从而得到如下表1不同飞机的滑行序列,括号内为飞机经过该点的时间。
表1不同飞机的滑行序列表
步骤4、冲突检测:飞机4在0:03:38经过点6,而飞机5在0:03:49经过点6,相差11秒,在0:03:49时,飞机4和飞机5的距离是176米,不满足安全间隔。由wj=d/vj+tiu-tju计算得知飞机5的等待时间为1.5秒,以避开冲突,其余同理,直至不存在冲突,获得如下表2的不同飞机滑行序列。
表2不同飞机滑行序列表
步骤5、根据此时结果,算出该方案的适应度为1.604×10-6。将本次计算结果和最优解进行比较,若本次适应度大于最优解的适应度,则更新最优解;若迭代次数并未达到阈值,对于所有路径的信息素进行初始化之后,对最优解上的路径信息素进行更新(同步骤3),转步骤2。迭代次数达到最大阈值140次,最终不同飞机的滑行序列如下表3所示,此时适应度为2.523×10-6。
表3不同飞机的滑行序列表
通过上述实施例可知,本发明采用量子比特的振幅来表示路径的信息素,利用量子门旋转来实现路径信息素的更新操作,从而提高后代选择较优路径的概率,再整合所有的路径进行冲突解脱,经过不断迭代得到理想结果。该方法具有良好的计算效率和计算结果,对于常见的无冲突路径规划问题有着较优的计算能力,为一种高效的调度算法。
Claims (7)
1.一种基于量子启发式算法的机场滑行道调度方法,其特征在于包括以下步骤:
(1)读取机场节点以及飞机起飞计划的数据,并对每条相邻节点之间路径的信息素进行初始化;其中,飞机起飞计划包括飞机弹出的时间、弹出的位置、降落的时间、滑行的时间、滑动的速度以及滑行的终点;
(2)针对每架飞机,读取当前节点、滑行速度和滑行的终点,根据当前节点可选路径的信息素选取对应路径,通过该路径走到相邻下一个节点,随后继续计算后续路径,执行若干次直至走到目标节点或者无路可走;若无路可走,则不更新所走路径的信息素;若成功走到目标节点,则对走过的路径进行内部信息素更新;相邻节点a、b之间的信息素由量子比特Qa,b表示,其中α2+β2=1,用量子门U进行更新,更新方式如下所示:
其中,该更新方式中,θ为旋转角度;Q′为旋转后的量子比特;
(3)基于步骤(2)获得每架飞机的可行路径,并进行飞机之间的对头冲击检测、追尾冲击检测以及交叉冲击检测,若存在冲突,则让其中一飞机进行等待,并根据最小安全距离和冲突检测计算该飞机需要等待的时间,重新进行冲突检测,直到达到不冲突为止;
(4)步骤(3)的当前飞机路径为本次迭代的结果,计算出该结果的适应度,并根据适应度大小更新最优解,用该最优解对下一次的每架飞机路径的信息素进行更新;若步骤(3)的迭代次数达到阈值,则输出最优解,否则转步骤(2)。
2.根据权利要求1所述基于量子启发式算法的机场滑行道调度方法,其特征在于:步骤(3)中,所述进行交叉冲突检测时,若满足下式,则不存在交叉冲突:
所述进行追尾冲突检测时,若满足下式,则不存在追尾冲突:
所述进行对头冲突检测时,若满足下式,则不存在对头冲突:
上述式中:N为飞机航班集合,E为节点集,Z表示飞机经过节点的顺序,Ri为飞机i的滑行路径,tic为飞机i经过交点c的时间,vj为飞机j的速度,d为最小安全距离;若飞机i、飞机j的路径存在交点c,此时Zijc=1表示飞机i在飞机j之前到达c点,反之为0。
3.根据权利要求1所述基于量子启发式算法的机场滑行道调度方法,其特征在于:
步骤(3)中,所述飞机等待时间的计算公式为:
wj=d/vj+tic-tjc
其中,该式中wj为飞机j的等待时间。
4.根据权利要求1所述基于量子启发式算法的机场滑行道调度,其特征在于:步骤(4)中,所述适应度对应的函数为:
其中,σi为飞机i的最短路径滑行时间与实际滑行时间的差值;wi为飞机i等待的时间。
5.根据权利要求1所述基于量子启发式算法的机场滑行道调度,其特征在于:步骤(2)中,所述执行若干次的次数为E/2。
6.根据权利要求1所述基于量子启发式算法的机场滑行道调度,其特征在于:步骤(2)中,θ=π/20。
7.根据权利要求1所述基于量子启发式算法的机场滑行道调度,其特征在于:步骤(4)中,所述迭代次数的阈值为E×5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110533679.0A CN113283727B (zh) | 2021-05-17 | 2021-05-17 | 基于量子启发式算法的机场滑行道调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110533679.0A CN113283727B (zh) | 2021-05-17 | 2021-05-17 | 基于量子启发式算法的机场滑行道调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113283727A CN113283727A (zh) | 2021-08-20 |
CN113283727B true CN113283727B (zh) | 2023-09-15 |
Family
ID=77279361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110533679.0A Active CN113283727B (zh) | 2021-05-17 | 2021-05-17 | 基于量子启发式算法的机场滑行道调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113283727B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117852841B (zh) * | 2024-03-07 | 2024-05-07 | 四川大学 | 一种融合双向粒子群和多策略蚁群的机场联合调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103425840A (zh) * | 2013-08-14 | 2013-12-04 | 西北工业大学 | 一种基于改进多目标蛙跳算法的协同空战火力分配方法 |
CN104537431A (zh) * | 2014-12-16 | 2015-04-22 | 南京航空航天大学 | 一种基于冲突检测的滑行道路径优化方法 |
CN105718997A (zh) * | 2016-01-15 | 2016-06-29 | 中国民航管理干部学院 | 基于人工势场法与蚁群算法的混合多飞行器冲突解脱方法 |
-
2021
- 2021-05-17 CN CN202110533679.0A patent/CN113283727B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103425840A (zh) * | 2013-08-14 | 2013-12-04 | 西北工业大学 | 一种基于改进多目标蛙跳算法的协同空战火力分配方法 |
CN104537431A (zh) * | 2014-12-16 | 2015-04-22 | 南京航空航天大学 | 一种基于冲突检测的滑行道路径优化方法 |
CN105718997A (zh) * | 2016-01-15 | 2016-06-29 | 中国民航管理干部学院 | 基于人工势场法与蚁群算法的混合多飞行器冲突解脱方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113283727A (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110608743B (zh) | 基于多种群混沌灰狼算法的多无人机协同航路规划方法 | |
US11328615B2 (en) | Route planning and movement of an aircraft on the ground based on a navigation model trained to increase aircraft operational efficiency | |
US8082102B2 (en) | Computing flight plans for UAVs while routing around obstacles having spatial and temporal dimensions | |
Jiang et al. | UAV path planning and collision avoidance in 3D environments based on POMPD and improved grey wolf optimizer | |
CN108153328B (zh) | 一种基于分段贝塞尔曲线的多导弹协同航迹规划方法 | |
CN107797568A (zh) | 使用垂直和横向导航减少燃料消耗的最佳巡航爬升跟踪 | |
CN107067823B (zh) | 一种近距平行跑道容量的计算方法和装置 | |
US20160343262A1 (en) | Method and System for Generating a taxi routing of an aircraft in an airport area, related computer program product | |
CN113283727B (zh) | 基于量子启发式算法的机场滑行道调度方法 | |
CN110084414B (zh) | 一种基于k次控制深度强化学习的空管防冲突方法 | |
CN111882047A (zh) | 一种基于强化学习与线性规划的快速空管防冲突方法 | |
CN116168566B (zh) | 一种航空器场面联合调度方法、装置、设备及存储介质 | |
Dong et al. | Study on the resolution of multi-aircraft flight conflicts based on an IDQN | |
CN111813144A (zh) | 一种基于改进羊群算法的多无人机协同航路规划方法 | |
CN114676743B (zh) | 基于隐马尔可夫模型的低慢小目标航迹威胁识别方法 | |
Wang et al. | Design of agent training environment for aircraft landing guidance based on deep reinforcement learning | |
Ali et al. | Deep reinforcement learning based airport departure metering | |
Wu et al. | Multi-phase trajectory optimization for an aerial-aquatic vehicle considering the influence of navigation error | |
Bonin et al. | Optimal path planning for soaring flight | |
CN112034880A (zh) | 一种新型多无人机协同航路规划方法 | |
Juang et al. | Analysis and comparison of aircraft landing control using recurrent neural networks and genetic algorithms approaches | |
CN115493599A (zh) | 一种基于安全的航空器路径规划方法 | |
Si et al. | Design and verification of a transfer path optimization method for an aircraft on the aircraft carrier flight deck | |
CN114440891A (zh) | 用于空中交通管理的四维航迹规划方法及系统、设备 | |
Rudnick-Cohen et al. | Planning unmanned aerial system (uas) takeoff trajectories to minimize third-party risk |
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 |