CN113627781B - 任务信息生成方法、装置、设备、存储介质和程序产品 - Google Patents

任务信息生成方法、装置、设备、存储介质和程序产品 Download PDF

Info

Publication number
CN113627781B
CN113627781B CN202110907949.XA CN202110907949A CN113627781B CN 113627781 B CN113627781 B CN 113627781B CN 202110907949 A CN202110907949 A CN 202110907949A CN 113627781 B CN113627781 B CN 113627781B
Authority
CN
China
Prior art keywords
task
information
constraint
target
task information
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
Application number
CN202110907949.XA
Other languages
English (en)
Other versions
CN113627781A (zh
Inventor
刘颖
徐进
解鑫
李飞
许铭
刘建林
袁晓敏
张金义
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 Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110907949.XA priority Critical patent/CN113627781B/zh
Publication of CN113627781A publication Critical patent/CN113627781A/zh
Application granted granted Critical
Publication of CN113627781B publication Critical patent/CN113627781B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Landscapes

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

Abstract

本公开提供了任务信息生成方法、装置、设备、存储介质和程序产品，涉及计算机技术领域，尤其涉及智慧机场技术领域。具体实现方案为：获取预分派任务信息和当前机场状态信息；将所述预分派任务信息和所述当前机场状态信息输入目标模型进行任务分派预测，得到对所述预分派任务信息进行调整的目标分派任务信息。本公开可以提高分派任务信息的任务分派效果。

Description

任务信息生成方法、装置、设备、存储介质和程序产品
技术领域
本公开涉及计算机技术领域，尤其涉及智慧机场技术领域，具体涉及一种任务信息生成方法、装置、设备、存储介质和程序产品。
背景技术
随着社会的进步，目前很多机场的规模也是越来越大，导致机场需要分派的任务也越来越多。目前机场的任务分派主要是采用预分派方式生成任务分派信息。
发明内容
本公开提供了一种任务信息生成方法、装置、设备、存储介质和程序产品。
根据本公开的一方面，提供了一种任务信息生成方法，包括：
获取预分派任务信息和当前机场状态信息；
将所述预分派任务信息和所述当前机场状态信息输入目标模型进行任务分派预测，得到对所述预分派任务信息进行调整的目标分派任务信息。
根据本公开的另一方面，提供了一种任务信息生成装置，包括：
获取模块，用于获取预分派任务信息和当前机场状态信息；
预测模块，用于将所述预分派任务信息和所述当前机场状态信息输入目标模型进行任务分派预测，得到对所述预分派任务信息进行调整的目标分派任务信息。
根据本公开的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开提供的任务信息生成方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开提供的任务信息生成方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开提供的任务信息生成方法。
本公开中，由于将预分派任务信息和当前机场状态信息输入目标模型进行任务分派预测，得到对预分派任务信息进行调整的目标分派任务信息，从而可以提高分派任务信息的任务分派效果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开提供的一种任务信息生成方法的流程图；
图2是本公开提供的一种强化学习模型的示意图；
图3是本公开提供的一种任务信息生成的示意图；
图4是本公开提供的一种任务信息生成装置的结构图；
图5是用来实现本公开实施例的任务信息生成方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
请参见图1，图1是本公开提供的一种任务信息生成方法的流程图，如图1所示，包括以下步骤：
步骤S101、获取预分派任务信息和当前机场状态信息。
其中，上述预分派任务信息可以是基于固定的机场信息进行任务分配得到的预分派任务信息。例如：在当前时间周期未到达之前基于预计的固定机场信息进行任务分配，生成当前时间周期的预分派任务信息。
上述当前机场状态信息为动态变化的机场状态信息，例如：当前最新的航班的延误信息、人员临时休假和临时天气因素等与机场相关的状态信息。
本公开中，分派任务信息可以包括机场人员任务分派信息，例如：包括机场地服人员的分派任务信息，即机场地服人员的排班信息。具体可以包括：配载外场监装监卸人员、登机、客机装卸、摆渡车和传送车等业务环节相关岗位的人员的分派任务信息。
步骤S102、将所述预分派任务信息和所述当前机场状态信息输入目标模型进行任务分派预测，得到对所述预分派任务信息进行调整的目标分派任务信息。
其中，上述目标模型为预先训练的，用于对预分派任务信息进行调整的网络模型，例如：强化学习模型。
其中，上述对所述预分派任务信息进行调整可以是，对上述预分派任务信息中的至少一个任务进行修改、删除，以及还可以包括在上述预分派任务信息中增加新的任务信息等，且上述调整可以是动态调整。
本公开中，通过上述步骤可以实现利用目标模型对预分派任务信息进行调整的目标分派任务信息，这样使得目标分派任务信息与当前机场状态信息更加匹配，从而提高分派任务信息的任务分派效果。另外，机场按照上述目标分派任务信息进行任务分派可以提高机场任务分派的效果，如优化机场资源的配置，提升机场整体运行效率。
作为一种可选的实施方式，所述获取预分派任务信息，包括：
对目标函数进行求解，得到所述预分派任务信息，其中，所述目标函数包括至少一个关于人员任务分派的优化目标，以及还包括至少一个约束条件。
上述目标函数为预先根据机场的人员配置规则和优化目标配置的数学模型，如运筹学混合整数规则函数。该函数的输入包括机场信息，例如：人员的上下班时间、人员资质、人员休假情况、吃饭时间和飞机的航班计划等等，该函数的输出包括上述预分派任务信息。
上述目标函数为基于固定的机场信息进行任务分派的混合整数线性函数，例如：基于固定的航班计划、固定的人员排班规则进行地服人员任务预分派的函数。
上述至少一个关于人员任务分派的优化目标可以是根据不同的岗位配置的优化目标，例如：对于配载外场稽核岗位，优化目标可以包括：最大化任务总体覆盖率、最小化人员之间的工时利用率差异、最小化进出港不同人执行次数和最小化双机任务组数。
上述约束条件可以是机场人员任务的规则，例如：双机排班规则、远机位排班规则、路程时间规则等，每个规则对应一个约束条件。
上述求解可以使用分支定界求解，具体可以使用求解器(gurobi)对上述目标函数进行求解，以得到上述预分派任务信息。
该实施方式中，由于对目标函数进行求解，得到所述预分派任务信息，从而可以提高分派任务信息的智能化，在降低分派任务的人工成本，且由于包括优化目标，从而可以提高预分派任务信息的任务分派效果。
下面以分派任务信息为配载外场稽核岗位的人员分派信息，以监装和监卸业务场景对上述目标函数进行举例说明：
该场景根据以下调度规则、人员资质和上班时段等约束完成任务分派。其中，人员资质主要分为国际一类、国际二类、国际三类，不同人员根据经验及工作年限的不同，资质有所差别，分派任务必须满足人员资质要求，调度规则如下：
两个任务可以同一个人执行也可以不同人执行，尽量同一个人执行(软约束)。
始发航班出港稽核任务开始时间为计划起飞前50分钟，任务结束时间为计划起飞时间(硬约束)。
短时过站航班，进港稽核任务开始时间为进港航班降落时间前15分钟，时长按40分钟记；出港稽核任务开始时间为计划起飞时间前50分钟，结束时间为出港航班计划起飞时间(硬约束)。原则上进出港任务由一个人执行(软约束)。
长时间(110分钟以上)进站航班，进港稽核任务开始时间为进港航班降落时间前15分钟，时长按40分钟记；出港稽核任务开始时间为计划起飞时间前50分钟，结束时间为出港航班计划起飞时间(硬约束)。进出港任务可换人执行(软约束)。
如果过站航班进出港任务不换人，则出港航班计划任务路程时间按照0记(硬约束)。
调度需根据航班保障任务之间的相对位置满足路程时间需求(硬约束)。
航班量超过保障人员数量时可考虑双机保障(软约束)，相邻机位并且航班保障时间重叠是双机保障的前提，保障人员应有相应的航班资质及双机保障资质(硬约束)。不允许同一个连续双机任务(硬约束)。下一次双机作业和上一次双机作业间隔应大于150分钟(硬约束)。集装器机型不允许双机作业(硬约束)。
双机作业后一航班任务不考虑路程时间(硬约束)。
调度分配员工的航班保障量要趋于平稳(软约束)。
同一段班次限制同一名员工最大连续远机位任务个数为4个，连续远机位任务个数定义为员工连续执行4个远机位任务。下一次远机位任务开始时间和上次连续远机位任务结束的时间间隔应大于150分钟(硬约束)。
预留上下班准备时间，上班后前10分钟不分配任务，不可作为路程时间，下班前10分钟不分配任务(硬约束)。
考虑人员午饭、晚饭时间(硬约束)。
针对上述场景目标函数的优化目标包括：最大化任务总体覆盖率、最小化人员之间的工时利用率差异、最小化进出港不同人执行次数和最小化双机任务组数。
上述目标函数可以表示：分配任务数+工时利用率方差+双机作业罚分和+进出港不同人执行次数。
针对上述场景上述目标函数可以表示如下：
上述p1至p4分别表示4个权重，AIRNUM表示航班数量，TASKNUM分别表示航班的保障任务数量，Ck为双机资质的惩罚权重，STFij为表示第i个任务和第j个任务是否为短时过站航班组的常量，Mi为表示第i个任务是否为合并任务的常量。
上述函数的变量可以包括：
XKi代表将任务i分配给人员k
YKij代表人员k完成任务i后去做任务j
Zki：第k个员工在执行完第i个任务后去吃午饭
Gki：第k个员工在执行完第i个任务后去吃晚饭
absQk：第k个员工公式利用率的绝对值(连续值)。
上述目标函数的约束条件可以包括如下至少一项：
变更约束条件：
一个任务只能由一个人完成：
每个人的任务必须从起点开始，从终点结束，且起点终点只能一个：
平衡性条件：
工时利用率相关计算：
其中，Dj表示第j个任务的持续时间，等价于ei-si，ei表示第i个任务的结束时间，si表示第i个任务的开始时间，BWK表示第k个员工的上班时间，FWK表示第k个员工的下班时间，BTK表示第k个员工的中间休息时间，None分别为预设常量。
航班链接条件：
其中，Eij表示第i个任务到第j个任务的路程时间。
双机任务不能连续进行：
STANDARDTASKNUM为标准任务数量。
双机任务互斥：
∑KXkj+∑KXkj≤1，(i，j)∈DoubleMutex
DoubleMutex表示双机保障的互斥组。
午饭时间约束：
上述LNk表示第k个员工需要午饭。
晚饭时间约束：
上述DN表示第k个员工需要晚饭。
连续远机约束：
Ωi和Ωi为预设常量。
需要说明的是，上述目标函数和约束条件以是上述配载外场稽核岗位的人员分派信息进行举例的目标函数和约束条件，本公开中并不限定上述目标函数和约束条件的具体内容，具体可以根据实际的应用场景和业务需求进行预先配置。
可选的，所述至少一个约束条件包括：经过拉格朗日松弛的目标约束条件；所述目标函数还包括与所述目标约束条件对应的拉格朗日乘子，所述拉格朗日乘子用于对不满足所述目标约束条件的所述目标函数的解进行惩罚。
其中，上述目标约束条件可以是在上述目标函数对应的约束条件中的部分或者全部约束条件。
上述目标约束条件可以包括一个或者多个约束条件，且每个约束条件对应各自的拉格朗日乘子，每个拉格朗日乘子作为对应的约束条件的惩罚项，以对不满足这些约束条件的解进行惩罚。
该实施方式中，在对上述目标函数的求解过程可以包括：迭代更新目标约束条件对应的拉格朗日乘子，当拉格朗日乘子达到最优解时，表示目标函数达到最优化求解。
以上述目标约束包括变量关系约束包括航班链接约束为例，上述目标函数包括该约束，并按照如下步骤迭代更新拉格朗日乘子λ：
步骤1：任选一个初始的拉格朗日乘子λ1
步骤2：对λt，任选一个次梯度st：若st＝0，则λt达到最优解而停止计算；否则，λt+1＝max{λt+θtst，0}，t更新为t+1，重复步骤2，其中，θt表示λt更新的步长大小。
需要说明的是，本公开中并不限定添加目标约束条件对应的拉格朗日乘子后目标函数的求解方式，例如：可以直接采用求解器(gurobi)进行求解。
该实施方式中，由于目标函数包括经过拉格朗日松弛的目标约束条件，这样通过拉格朗日乘子可以降低上述目标函数的求解难度，甚至可以得到比线性松弛更好的上下界，从而降低计算量。
可选的，所述至少一个约束条件包括：在获取所述预分派任务信息之前的任务执行过程中约束条件被违反的情况下，才添加的约束条件。
其中，上述获取所述预分派任务信息之前的任务执行过程中约束条件被违反可以是，在执行步骤S101之前，如果某一约束条件在任务执行过程中被违反，而在执行步骤S101时，将被违反的约束条件添加至目标函数，如果该约束条件在执行步骤S101之前一直没有被违反，则不将该约束条件添加至目标函数。
其中，上述添加的约束条件可以是违反频率比较低的约束条件。例如：上述配载外场稽核岗位应用场景最后一个约束连续远机位约束采用该方式添加。
该实施方式中，可以实现通过割平面(lazyCut)的方式设置目标函数，从而进一步降低目标函数的求解计算量。
作为一种可选的实施方式，所述目标模型包括：强化学习模型。
所述强化学习模型包括：算法智能体和环境体，其中：
所述算法智能体用于根据输入的所述预分派任务信息和所述当前机场状态信息，预测对所述预分派任务信息进行调整的目标分派任务信息；
所述环境体用于根据所述目标分派任务信息向所述算法智能体输出更新后的机场状态信息，以及针对所述目标分派任务信息的奖励信息；
所述算法智能体还用于基于所述奖励信息进行学习更新。
上述强化学习模型可以如图3所示，包括：算法智能体和环境体，其中，算法智能体为神经网络，输入包括预分派任务信息和机场状态信息，算法智能体预测目标分派任务信息，即算法智能体输出的执行动作；环境体接收到该动作后，向算法智能体反馈更新后的机场状态信息和奖励信息，其中，当动作有效时为正向奖励，当动作无效时为惩罚。
上述当前机场状态信息可以包括：航班的延误信息、人员临时休假、临时天气等中至少一项信息。
上述更新后的机场状态信息可以包括：当前航班保障任务的时间、任务类型、延误时间、人员忙碌状态和人员资质等中至少一项状态信息。
该实施方式中，一次航班任务分派可以为算法智能体输出一个动作，上述环境体输出的奖励信息可以理解为对当前分派动作的奖励，具体可为一个打分，打分越高说明该分派方案越好。另外，上述奖励信息还可以理解为相对于预分派任务信息目标函数的降低值。
上述强化学习模型可以通过多次的算法智能体和环境体之间的交互，对算法智能体参数进行更新，从而算法智能体逐渐学习最优的分派任务信息。另外，上述强化学习模型以长期收益为目标进行训练的，例如：如果以一天为时间窗口，该算法智能体输出的分派任务信息考虑最大化一天收益的最优决策，即考虑到了完成该决策后对后续任务分派的影响。
该实施方式中，由于算法智能体可以基于所述奖励信息进行学习更新，从而使得强化学习模型输出的目标分派任务信息的分派效果更佳。
在一些实施方式中，上述强化学习模型可以为深度增强学习(Proximal PolicyOptimization，PPO)模型，对此本公开不作限定，例如：也可以为其他通用的强化学习模型。
上述强化学习模型可以是根据历史数据进行模型的训练，直至收敛，且在实际中可使用paddle的PARL训练框架对强化学习模型进行大规模分布式训练，以提高收敛效率。另外，对数据分布有较大的变化时，可以重新训练强化学习模型，以对强化学习模型进行定期更新。
在一些实施方式中，本公开中并不限定上述目标模型为强化学习模型，例如：目标模型还可以是其他通用的学习模型。
下面以图3对本公开提供的任务信息生成方法进行举例说明，如图3所示：
地面服务模块向算法模块输出机场信息，机场信息包括：航班保障任务、人员作业小组、资源分配规则和其他数据，航班保障任务包括航班计划和航班动态变更信息。
算法模块通过运筹学混合整数规则函数进行任务智能预分派，得到预分派任务信息，以及通过强化学习模型对预分派任务信息进行调整，得到目标分派任务信息。
地面服务模块执行目标分派任务信息。
在一些实施方式中，算法模块也可以将预分派任务信息输出给地面服务模块。
本公开中，由于将预分派任务信息和当前机场状态信息输入目标模型进行任务分派预测，得到对预分派任务信息进行调整的目标分派任务信息，从而可以提高分派任务信息的任务分派效果。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
请参见图4，图4是本公开提供的一种任务信息生成装置，如图4所示，任务信息生成装置400包括：
获取模块401，用于获取预分派任务信息和当前机场状态信息；
预测模块402，用于将所述预分派任务信息和所述当前机场状态信息输入目标模型进行任务分派预测，得到对所述预分派任务信息进行调整的目标分派任务信息。
可选的，获取模块401进一步配置为：
对目标函数进行求解，得到所述预分派任务信息，其中，所述目标函数包括至少一个关于人员任务分派的优化目标，以及还包括至少一个约束条件。
可选的，所述至少一个约束条件包括：经过拉格朗日松弛的目标约束条件；所述目标函数还包括与所述目标约束条件对应的拉格朗日乘子，所述拉格朗日乘子用于对不满足所述目标约束条件的所述目标函数的解进行惩罚。
可选的，所述至少一个约束条件包括：在获取所述预分派任务信息之前的任务执行过程中约束条件被违反的情况下，才添加的约束条件。
可选的，所述目标模型包括：强化学习模型，所述强化学习模型包括：算法智能体和环境体，其中：
所述算法智能体用于根据输入的所述预分派任务信息和所述当前机场状态信息，预测对所述预分派任务信息进行调整的目标分派任务信息；
所述环境体用于根据所述目标分派任务信息向所述算法智能体输出更新后的机场状态信息，以及针对所述目标分派任务信息的奖励信息；
所述算法智能体还用于基于所述奖励信息进行学习更新。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如任务信息生成方法。例如，在一些实施例中，任务信息生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的任务信息生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行任务信息生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (10)

1.一种任务信息生成方法，包括：
获取预分派任务信息和当前机场状态信息；
将所述预分派任务信息和所述当前机场状态信息输入目标模型进行任务分派预测，得到对所述预分派任务信息进行调整的目标分派任务信息；
其中，所述获取预分派任务信息，包括：
对目标函数进行求解，得到所述预分派任务信息，其中，所述目标函数包括至少一个关于人员任务分派的优化目标，以及还包括至少一个约束条件；
所述目标函数的优化目标包括：最大化任务总体覆盖率、最小化人员之间的工时利用率差异、最小化进出港不同人执行次数和最小化双机任务组数。
2.根据权利要求1所述的方法，其中，所述至少一个约束条件包括：经过拉格朗日松弛的目标约束条件；所述目标函数还包括与所述目标约束条件对应的拉格朗日乘子，所述拉格朗日乘子用于对不满足所述目标约束条件的所述目标函数的解进行惩罚。
3.根据权利要求1所述的方法，所述至少一个约束条件包括：在获取所述预分派任务信息之前的任务执行过程中约束条件被违反的情况下，才添加的约束条件。
4.根据权利要求1至3中任一项所述的方法，其中，所述目标模型包括：强化学习模型，所述强化学习模型包括：算法智能体和环境体，其中：
所述算法智能体用于根据输入的所述预分派任务信息和所述当前机场状态信息，预测对所述预分派任务信息进行调整的目标分派任务信息；
所述环境体用于根据所述目标分派任务信息向所述算法智能体输出更新后的机场状态信息，以及针对所述目标分派任务信息的奖励信息；
所述算法智能体还用于基于所述奖励信息进行学习更新。
5.一种任务信息生成装置，包括：
获取模块，用于获取预分派任务信息和当前机场状态信息；
预测模块，用于将所述预分派任务信息和所述当前机场状态信息输入目标模型进行任务分派预测，得到对所述预分派任务信息进行调整的目标分派任务信息；
其中，所述获取模块进一步配置为：
对目标函数进行求解，得到所述预分派任务信息，其中，所述目标函数包括至少一个关于人员任务分派的优化目标，以及还包括至少一个约束条件；
所述目标函数的优化目标包括：最大化任务总体覆盖率、最小化人员之间的工时利用率差异、最小化进出港不同人执行次数和最小化双机任务组数。
6.根据权利要求5所述的装置，其中，所述至少一个约束条件包括：经过拉格朗日松弛的目标约束条件；所述目标函数还包括与所述目标约束条件对应的拉格朗日乘子，所述拉格朗日乘子用于对不满足所述目标约束条件的所述目标函数的解进行惩罚。
7.根据权利要求5所述的装置，所述至少一个约束条件包括：在获取所述预分派任务信息之前的任务执行过程中约束条件被违反的情况下，才添加的约束条件。
8.根据权利要求5至7中任一项所述的装置，其中，所述目标模型包括：强化学习模型，所述强化学习模型包括：算法智能体和环境体，其中：
所述算法智能体用于根据输入的所述预分派任务信息和所述当前机场状态信息，预测对所述预分派任务信息进行调整的目标分派任务信息；
所述环境体用于根据所述目标分派任务信息向所述算法智能体输出更新后的机场状态信息，以及针对所述目标分派任务信息的奖励信息；
所述算法智能体还用于基于所述奖励信息进行学习更新。
9. 一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-4中任一项所述的方法。
CN202110907949.XA 2021-08-09 2021-08-09 任务信息生成方法、装置、设备、存储介质和程序产品 Active CN113627781B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110907949.XA CN113627781B (zh) 2021-08-09 2021-08-09 任务信息生成方法、装置、设备、存储介质和程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110907949.XA CN113627781B (zh) 2021-08-09 2021-08-09 任务信息生成方法、装置、设备、存储介质和程序产品

Publications (2)

Publication Number Publication Date
CN113627781A CN113627781A (zh) 2021-11-09
CN113627781B true CN113627781B (zh) 2023-07-25

Family

ID=78383685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110907949.XA Active CN113627781B (zh) 2021-08-09 2021-08-09 任务信息生成方法、装置、设备、存储介质和程序产品

Country Status (1)

Country Link
CN (1) CN113627781B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114912654A (zh) * 2022-03-31 2022-08-16 北京百度网讯科技有限公司 对象调度方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101944201A (zh) * 2010-07-27 2011-01-12 昆明理工大学 一种基于多智能体的炼钢车间天车调度仿真方法
CN111178791A (zh) * 2020-04-13 2020-05-19 北京江融信科技有限公司 一种任务动态均衡分派方法、系统、电子设备及存储介质
CN111199359A (zh) * 2020-01-08 2020-05-26 中国电子科技集团公司第五十四研究所 一种网络资源约束下的多智能体任务分配方法
CN111738488A (zh) * 2020-05-14 2020-10-02 华为技术有限公司 一种任务调度方法及其装置
CN111860984A (zh) * 2020-07-06 2020-10-30 燕山大学 一种基于改进遗传算法的多异构无人机任务分配方法
CN112348368A (zh) * 2020-11-11 2021-02-09 悠桦林信息科技(上海)有限公司 航空地勤自动排班与智能调度系统
CN112801430A (zh) * 2021-04-13 2021-05-14 贝壳找房(北京)科技有限公司 任务下发方法、装置、电子设备及可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101944201A (zh) * 2010-07-27 2011-01-12 昆明理工大学 一种基于多智能体的炼钢车间天车调度仿真方法
CN111199359A (zh) * 2020-01-08 2020-05-26 中国电子科技集团公司第五十四研究所 一种网络资源约束下的多智能体任务分配方法
CN111178791A (zh) * 2020-04-13 2020-05-19 北京江融信科技有限公司 一种任务动态均衡分派方法、系统、电子设备及存储介质
CN111738488A (zh) * 2020-05-14 2020-10-02 华为技术有限公司 一种任务调度方法及其装置
CN111860984A (zh) * 2020-07-06 2020-10-30 燕山大学 一种基于改进遗传算法的多异构无人机任务分配方法
CN112348368A (zh) * 2020-11-11 2021-02-09 悠桦林信息科技(上海)有限公司 航空地勤自动排班与智能调度系统
CN112801430A (zh) * 2021-04-13 2021-05-14 贝壳找房(北京)科技有限公司 任务下发方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN113627781A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN109165782B (zh) 民航机场地面服务保障人员调度方法及其系统
CN106647787B (zh) 一种卫星星上自主规划任务的方法及系统
CN104751681B (zh) 一种基于统计学习模型的停机位分配方法
JP2020187724A (ja) 情報を出力するための方法および装置
Ionescu et al. Increasing flexibility of airline crew schedules
Baykasoglu et al. A multi-agent approach to load consolidation in transportation
Yurtkuran et al. A novel artificial bee colony algorithm for the workforce scheduling and balancing problem in sub-assembly lines with limited buffers
CN113627781B (zh) 任务信息生成方法、装置、设备、存储介质和程序产品
US10762458B1 (en) Satellite scheduling system
CN114862209A (zh) 运力调度方法、装置、电子设备及存储介质
CN114282823A (zh) 车辆调度方法及装置、存储介质及电子设备
Asadi et al. Optimal schedule recovery for the aircraft gate assignment with constrained resources
Saha et al. On static vs dynamic (switching of) operational policies in aircraft turnaround team allocation and management
Lv et al. A variable neighborhood search algorithm for airport ferry vehicle scheduling problem
CN112651673A (zh) 一种资源规划方法及相关设备
CN115330556A (zh) 充电站的信息调整模型的训练方法、装置及产品
CN114492951A (zh) 一种基于客流预测的资源调配方法、装置及设备
Yakıcı et al. Daily aircraft routing for amphibious ready groups
Weerasinghe et al. Real-time decision optimization platform for airline operations
CN113095543A (zh) 用于机场停机位与滑行道的分配方法及系统
JP7416680B2 (ja) 運行計画変更支援装置、運行計画変更支援方法、および運行計画変更支援プログラム
KR101674185B1 (ko) 근무 교번 설정 시스템 및 방법
Salehipour et al. Heuristics for flights arrival scheduling at airports
Yang et al. Aircraft route recovery based on distributed integer programming method
CN114912654A (zh) 对象调度方法、装置、设备及存储介质

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