CN113743666A - 飞行出动任务规划方法、装置、设备和介质 - Google Patents

飞行出动任务规划方法、装置、设备和介质 Download PDF

Info

Publication number
CN113743666A
CN113743666A CN202111035859.2A CN202111035859A CN113743666A CN 113743666 A CN113743666 A CN 113743666A CN 202111035859 A CN202111035859 A CN 202111035859A CN 113743666 A CN113743666 A CN 113743666A
Authority
CN
China
Prior art keywords
aircraft
flight
deck
comprehensive index
planning
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
CN202111035859.2A
Other languages
English (en)
Other versions
CN113743666B (zh
Inventor
万兵
苏析超
韩维
郭放
闫实
梁勇
刘洁
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.)
Coastal Defense College Of Naval Aviation University Of Chinese Pla
Original Assignee
Coastal Defense College Of Naval Aviation University Of Chinese Pla
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 Coastal Defense College Of Naval Aviation University Of Chinese Pla filed Critical Coastal Defense College Of Naval Aviation University Of Chinese Pla
Priority to CN202111035859.2A priority Critical patent/CN113743666B/zh
Publication of CN113743666A publication Critical patent/CN113743666A/zh
Application granted granted Critical
Publication of CN113743666B publication Critical patent/CN113743666B/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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • 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
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Geometry (AREA)
  • Computational Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及飞行出动任务规划方法、装置、设备和介质，方法包括：获取甲板态势信息和飞行计划；调用基于专家启发式规则的飞机综合指标评估模型；飞机综合指标评估模型包括多个出动规则属性值以及基于指挥偏好的附加优先级属性值；根据甲板态势信息，利用专家打分与改进DE算法对飞机综合指标评估模型开展加权系数优化求解处理，得到态势评估结果；改进DE算法通过引入大正数的惩罚系数将飞机综合指标评估模型的约束条件转化为目标函数惩罚项；将态势评估结果与飞行计划进行匹配处理，生成出动任务规划方案。采用“人在回路”的人‑机协同决策架构，有效实现大幅提升出动任务规划效率的目的。

Description

飞行出动任务规划方法、装置、设备和介质
技术领域
本申请涉及资源优化调度技术领域，特别是涉及一种飞行出动任务规划方法、装置、设备和介质。
背景技术
舰载机出动与回收作业(简称舰载机作业)调度问题是一个典型由人工监督操控的任务规划/资源调度问题，属于资源优化与调度问题的复杂类型。与传统陆基机场相比，舰载机作业调度受时间、甲板空间和设备资源及环境等约束，规划调度复杂度要高，已历了人工经验调度、计算机辅助调度(数字化调度作业)和智能决策优化调度三个阶段，目前正朝着人-机交互智能决策系统的方向发展。
舰载机作业基于飞行计划，先后由调度员完成任务出动规划，开展布列调运规划、机务勤务保障、军械保障(顺序可调整)、起飞前检查和弹射等作业优化调度，空中任务结束后回收着舰调度。而其中任务出动规划是基础工作，将直接影响后续作业调度的优化效果。然而，现有研究大都基于某个给定的任务方案进行优化设计，而对舰载机出动任务规划研究尚无多少相关研究，基本认为任务规划方案由指挥员给定或已知。因此，在实现本发明的过程中，发明人发现前述传统的舰载机出动任务规划方法中，仍然存在着出动任务规划效率不高的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够大幅提升出动任务规划效率的飞行出动任务规划方法、一种飞行出动任务规划装置、一种计算机设备以及一种计算机可读存储介质。
为了实现上述目的，本发明实施例采用以下技术方案：
一方面，本发明实施例提供一种飞行出动任务规划方法，包括步骤：
获取甲板态势信息和飞行计划；
调用基于专家启发式规则的飞机综合指标评估模型；飞机综合指标评估模型包括多个出动规则属性值以及基于指挥偏好的附加优先级属性值；
根据甲板态势信息，利用专家打分与改进DE算法对飞机综合指标评估模型开展加权系数优化求解处理，得到态势评估结果；改进DE算法通过引入大正数的惩罚系数将飞机综合指标评估模型的约束条件转化为目标函数惩罚项；
将态势评估结果与飞行计划进行匹配处理，生成出动任务规划方案。
另一方面，还提供一种飞行出动任务规划装置，包括：
信息获取模块，用于获取甲板态势信息和飞行计划；
模型调用模块，用于调用基于专家启发式规则的飞机综合指标评估模型；飞机综合指标评估模型包括多个出动规则属性值以及基于指挥偏好的附加优先级属性值；
态势评估模块，用于根据甲板态势信息，利用专家打分与改进DE算法对飞机综合指标评估模型开展加权系数优化求解处理，得到态势评估结果；改进DE算法通过引入大正数的惩罚系数将飞机综合指标评估模型的约束条件转化为目标函数惩罚项；
规划生成模块，用于将态势评估结果与飞行计划进行匹配处理，生成出动任务规划方案。
又一方面，还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现任一项的上述飞行出动任务规划方法的步骤。
再一方面，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现任一项的上述飞行出动任务规划方法的步骤。
上述技术方案中的一个技术方案具有如下优点和有益效果：
上述飞行出动任务规划方法、装置、设备和介质，通过利用基于启发式规则给出任务决策的多属性量化指标(也即各出动规则属性值)，并调用建立的基于甲板态势的多属性综合指标评估函数，也即飞机综合指标评估模型。其次，引入专家打分，以将指标评估函数的加权系数优化问题转化为目标优化问题，并采用拉格朗日(Lagrange)松弛策略进行DE算法(Differential Evolution Algorithm，差分进化算法)下参数寻优，进而生成当前态势下的出动任务规划。最后，针对作业中人工监督操控特性，提出“人在回路”的人-机协同决策架构，通过引入附加属性值或调节系数等策略改进的综合指标评估函数，解决人机交互问题，为指挥员提供任务规划辅助决策支持，有效实现大幅提升出动任务规划效率的目的。
附图说明
图1为一个实施例中飞行出动任务规划方法的流程示意图；
图2为一个实施例中基于专家系统评估算法流程示意图；
图3为一个实施例中人-机协作优化决策模型的框图；
图4为一个实施例中“人在回路”协同决策结构流程示意图；
图5为一个实施例中改进DE算法系数优化收敛情况示意图；
图6为一个实施例中不同甲板态势下加权系数λ优化值变化示意图；
图7为一个实施例中舰载机某次任务规划示意图；
图8为一个实施例中飞行出动任务规划装置的模块结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
舰载机作业包括舰面和机库两个部分，主要进行日常的维修保养和飞行保障。舰载机作业起点，通常从上次飞行活动结束或一个新的飞行周期开始。(1)出动任务规划。根据制定的飞行(作战)计划，综合甲板态势，结合飞机出动启发式规则及指挥员偏好，由调度员完成出动任务规划评估决策。(2)战斗布列。出动任务规划方案指导舰载机起降作业，完成布列调运、机务勤务保障与甲板级小修、军械保障，这3部分工序并非顺序进行，而是存在交叉耦合，属于车间调度(JSP)的复杂类型。(3)滑行调运。舰载机机群完成保障后，根据起飞时间窗来规划飞机出动顺序及起飞位选择，按照停机位到起飞位的优化路径，引导飞机安全滑行。(4)起飞位选择与弹射出动。在起飞时间窗范围内，由甲板出动调度方案指导飞机依序在4个起飞位交叉起飞。出现起飞位故障，若难以短时维修则需要对起飞方案进行实时重调度，否则相关起飞位飞机队列进行顺延。(5)回收排序与着舰。根据飞行计划，机群完成空中任务后进入进近回收阶段，在马歇尔等待区堆栈进行分层排序调度，最后依序进近着舰。
舰载机作业中，时间、资源约束性强，尤其是甲板空间约束，导致不能简单地将调度问题抽象成柔性流水车间(HFSP)、混合车间调度(FJSP)、资源受限项目调度问题(RCPSP)等常见调度优化模型，作业过程设备故障、工序间相互干涉影响等不确性因素多，此外作业在人工干预监督下进行，各种主观因素及个人偏好将影响作业过程。因此，本申请开展基于“人在回路”的出动任务规划方法的研究，通过人-机决策支持技术将从源头上贴近指挥员指挥决策偏好，既减轻人力强度又考虑指挥员决策要求。
在基于态势信息的决策支持方面，已有较多学术研究成果，比如MDP马尔可夫过程决策、强化学习和专家系统理论有较多应用，最为典型的是Alpha Go基于蒙特卡罗树搜索的强化学习模型，可用的学习算法较多如Q-learning、TD-Learning及SaSa等算法。
在实践中，发明人研究发现“状态-动作-环境”模型只是一个方面，更需考虑指挥员主观因素，所以引入人-机协同决策，尝试引入状态-指标值映射函数、将随机决策过程转化为多属性决策，通过专家系统采用DE算法优化值函数的权系数。而“人在回路”的决策主要是在人-机协同过程中，通过设定人-机协作等级来完成任务出动规划方案的决策制定。
综上，本申请针对传统的舰载机出动任务规划方法中，仍然存在着出动任务规划效率不高的技术问题，提供了一种用于舰载机机群甲板出动的飞机出动任务规划方法，在分析舰载机起降作业流程基础上，开展基于“人在回路”和甲板态势进行出动任务规划算法研究。
舰载机出动任务规划是整个甲板作业过程的起点，自动规划算法一方面提供指挥员辅助决策支持，另一方面将人工监督干预嵌入到自动规划算法中，实现“人在回路”的人机协同决策，同时解决算法快速性与实用性问题。任务规划主要基于甲板态势的综合指标评估函数的评估来实现，核心是利用专家打分与改进DE算法对指标评估函数的加权系数的优化求解。改进DE算法的关键是将线性约束问题，通过引入惩罚系数转化为目标惩罚项，将最小最大化目标问题进行线性化处理。最后通过对不同甲板态势的指标函数进行仿真研究，验证了算法用于评估和任务规划的有效性。
请参阅图1，一方面，本发明提供一种飞行出动任务规划方法，包括如下步骤S12至S28：
S12，获取甲板态势信息和飞行计划。
可以理解，甲板态势信息是指飞机布列情况的数据信息，飞机位置对应其停机位，可根据飞机位置与对应停机位的识别来计算，数学描述为：
||pi(x,y)-cj(x,y)||≤ε
该式表示，第i架飞机系留第j停机位，其中采用的ε为小距离判定量，pi(x,y)|i∈n为飞机甲板位置，cj(x,y)|j∈m为甲板停机位坐标，n为飞机总数，m为停机位数。
一般地，航母的舰载机出动安排是有特定优先级规则的，也符合甲板作业流程与空间约束要求。为了方便说明模型建立的过程，可将各停机位出动优先级采用的分区办法设定为6-0，临时机位飞机优先级为0，故障飞机优先级为-1，数值越大优先级越高，而各区停机位上飞机优先级采用线性映射方式定级。停机位优先级g(cj)，cj:cj(x,y)为停机位j的位置，其数学描述为：
Figure BDA0003247016430000061
其中，Ωi表示第i个停机区，cj:cj(x,y)表示停机位j的位置，ji0表示Ωi的首个编号机位，i＝0,1,…,N，N表示停机区总数量。
基于不同甲板态势，飞机出动优先级主要由相应系留停机位决定，飞机作业受甲板空间限制，主要由各停机区飞机排列情况决定。飞机优先级与空间约束量的算法实现可以表示如下：
Step1.初始化：flag(j)|j∈m←0，定义停机位j是否停有飞机；
pi(x,y)|i∈n，cj(x,y)|j∈m；f(pi)|i∈n←-1，定义飞机i出动优先级，g(cj)为停机位j的优先级别。
Step2.飞机位置与出动优先级映射函数：
for i＝1:n
for j＝1:m
if||pi(x,y)-cj(x,y)||2≤ε
FNo(i)←No(j) 飞机i的停机位编号
f(pi)←g(cj) 飞机i的出动优先级
flag(j)←1 停机位j系留有飞机
endif
Step3.飞机空间约束，主要为飞机在其停机区域Ωi的排序情况，是飞机在该区域的出动顺序。用Con(i)为飞机i的空间约束量，记为：
Figure BDA0003247016430000071
其中，Ωi为飞机i系留的区域，FNo(i)→Ωi，j0为区域Ωi第1个编号。
S14，调用基于专家启发式规则的飞机综合指标评估模型；飞机综合指标评估模型包括多个出动规则属性值以及基于指挥偏好的附加优先级属性值。
可以理解，正如前面舰载机作业流程，舰载机的出动方案是由甲板态势和飞行计划，再结合出动启发式规则及指挥员偏好，共同决策的结果。出动任务规划讲究主观性与规则性，出动规则通常应考虑如下：1)飞机位置-停机位的出动优先级；2)空间约束量；3)状态(维修后的飞行小时数)；4)状况评估(故障概率估值)，用符号函数表示；5)甲板保障工作站转移次数(军械，机务勤务，调运路径规划)；6)出动与调运空间约束复杂度。
而用数学语言精准表达这个决策过程，考虑采用这些规则属性值的线性组合表示，那么甲板态势中每架飞机的综合指标评估函数为：
Figure BDA0003247016430000081
该式中，x1-x6分别为上述6个规则属性值，λk为规则属性值的相应权值。
那么出动任务的自动规划算法则是根据综合指标评估函数值的评估排序，通过匹配飞行计划来生成的，从而完成指挥员飞行计划到任务出动方案的指挥决策。
在一个实施例中，多个出动规则属性值包括出动优先级的属性值、空间约束量的属性值、飞机状态的属性值、状况评估的属性值、甲板保障工作站转移次数的属性值以及出动与调运空间约束复杂度的属性值。综合指标评估函数的各属性值的定义求解方法分别如下：
出动优先级的属性值，为：
Figure BDA0003247016430000082
其中，pi表示飞机i甲板位置，f(pi)表示飞机i出动优先级。
空间约束量的属性值，为：
Figure BDA0003247016430000083
其中，Con(i)表示空间约束量，A(i)表示飞机i所属机型计划出动量；可以理解，该属性值需要进行均值化处理。
飞机状态的属性值，为：
Figure BDA0003247016430000091
其中，Fl(i)表示飞机i飞行小时数，MTBF(i)表示飞机i所属机型平均无故障工作时间。
状况评估的属性值，为：
Figure BDA0003247016430000092
其中，P(i)表示飞机i的飞机故障发生率，ε0表示飞机起降最低可容忍故障可能概率，M表示大实数。
甲板保障工作站转移次数的属性值，为：
Figure BDA0003247016430000093
其中，FNo(i)表示飞机i所处停机位编号，M(i)表示飞行任务是有军械保障。可以理解，作业可能的工作站数量由飞机的停机位和飞行任务有无挂弹需要而确定。不同位置和执行不同任务的飞机对加油站、军械站以及起飞位保障有差别，如预警机、反潜机无需军械站保障，仅需加油和勤务保障，其工作站间转运次数由位置决定，可能是1次，但是飞机因任务要求需军械、燃油等保障，位置不同，可能转运1次、2次或3次。
出动与调运空间约束复杂度的属性值，为：
Figure BDA0003247016430000094
其中，pi表示飞机i甲板位置，ai表示飞机i停机的角度。可以理解，该属性值主要描述甲板飞机停放处于标准战斗出动状态或是临时停机状态。而临时停机状态飞机空间约束及调运复杂度更高，对任务规划决策有一定影响。本实施例中，该属性值可定义为0/1，分别表示飞机处于标准机位、临时机位的情况。而判定飞机停机位的方法，可以结合飞机的位置和角度判定。
在评估甲板态势基础上，通过对所有飞机的综合指标评估函数值进行分类排序，进而与飞行计划进行匹配，生成出动任务规划方案。通常飞行计划为机群任务，而单机主要由机型、弹药、燃油、任务、出动与回收时间等要素表示。此处，综合指标评估函数值分类排序是对甲板全部飞机区分机型进行；匹配操作则是按照飞行计划要求选择指标值靠前的飞机执行相关任务，其中飞行计划中同型机则按出动时间排序。
本申请基于专家启发式规则的飞机综合指标评估模型，引入的基于态势评估的任务规划为多项式时间算法，可提供实时优化方案。其关键点是确定综合指标评估函数的线性加权系数λ。一种可行的方法是使用专家打分法求加权系数，如图2所示。甲板作业领域专家对各飞机的态势指标值进行打分排序，尽管量化分值的给出较为困难，但出动排序方案可由出动规则及时间、空间、资源约束给出。图2中，指标函数写成了矩阵形式，sc为打分排序值，那么出动任务规划方案则是由飞机指标排序和飞行计划分类区配完成。
对加权系数λ的求解，可将上述专家打分过程转化为优化问题。专家打分排序是基于某种典型态势进行的，优化问题是：设置合适系数λ使得任意两个飞机综合指标之差的最小值最大化，即最大程度区分出甲板态势，利于后续出动任务决策。
目标函数：
Figure BDA0003247016430000101
表示不同飞机综合指标评估函数值；约束条件为：
1)Ii＞Ij＞…＞Ik，表示专家打分的排序，i,j,k∈n，n为飞机总数；
2)
Figure BDA0003247016430000111
Figure BDA0003247016430000112
为飞机i某状态下属性值的向量；
3)λ＝[λ1,λ2,…,λ6]T∈R6×1；λk,(k＝1,2,…，6)表示各出动规则属性值相应的加权系数，R表示实数矩阵。
为方便表述，可将加权系数设为λk∈[-5,5]。前述优化问题属于约束条件是线性的最小最大化问题，由于决策变量λ是连续的，因此，可采用遗传算法或DE差分进化算法进行优化搜索便可求得系数最优值λopt。
在一个实施例中，飞机综合指标评估模型为：
Figure BDA0003247016430000113
其中，Ii(x)表示第i架飞机的飞机综合指标函数值，x1表示出动优先级的属性值，x2表示空间约束量的属性值，x3表示飞机状态的属性值，x4表示状况评估的属性值，x5表示甲板保障工作站转移次数的属性值，x6表示出动与调运空间约束复杂度的属性值，λk表示第k个出动规则属性值的加权系数，
Figure BDA0003247016430000114
表示指定飞机i的附加优先级的属性值，可根据指定飞机出动顺序映射得到。M表示大实数，可预先经过仿真验证求得，用于确保被指定出动飞机能够被选中。
可以理解，实际舰载机作业过程中，甲板态势多种多样，上面每架飞机的综合指标评估函数的系数优化计算，仅是对某典型态势下舰载机出动进行系数优化计算。那么该如何确定一般甲板态势下综合指标函数系数，可参考前文中任务规划这个多属性评估决策问题(既有规则性也有主观性)，但抽取出的上述6个属性值(特征)具有强代表性，甲板作业专家进行出动规划也是基于上述属性进行打分决策的。因此，在典型甲板态势下得到的决策优化系数是可以反映真实决策过程。
然而，任务规划还与指挥员的特殊偏好以及甲板作业规则调整有关。因此，调度员一方面完成决策方案制定，更重要的是将指挥员的偏好、作业规则调整加载到自动规划算法中，实现人在环路决策。
作业规则的调整，相当于对自动任务规划算法中系数的调整，主要涉及到出动优先级规则变更，对停机位属性值的映射函数的调节。指挥员特殊出动偏好，即出动任务的飞机指定，处理办法是增加该飞机的综合指标函数的附加优先级属性值，因此，构建得到的飞机综合指标评估模型书上文所示。
在一些实施方式中，附加优先级属性值的定义求解方法为：
Figure BDA0003247016430000121
其中，No(i)表示指定出动飞机的序号，∑j表示指定出动飞机的数量。
具体的，在本实施例中，引入“人在回路”策略进行人-机协同决策，其中“机”是自动规划算法。借助人-机协作决策系统，调度员与自动规划系统交互创建一个让调度员可接受的调度规划方案。人-机协作决策的模型如图3所示，交互系统各实体的操作过程及角色任务为：
其处理过程是从获得真实世界数据开始(数据获取模块)，然后进入数据分析处理并由自动规划算法(规划器)生成解方案。然后求解结果送入评估环节，而评估工作则由人工调节器模块引导，调节器主要是描述生成器解的元素，做出需要更新解的子决策以及可能需要更多的数据分析。当调节器已经创建了一个可接受的解方案(选项或解集)时，这个解将被送到决策模块供决策者做出选择。这个解可能被选择也可能被拒绝，最后送入执行模块。
同理，基于甲板态势的任务决策过程可以借鉴图3的架构，考虑到数据获取、方案生成器模块前面已论述，将模型作适当简化改进，那么“人在回路”协同决策结构如图4示。
图4中的“人在回路”决策过程简述为：通过专家启发式规则，将甲板态势信息转化为综合指标函数，借助领域专家的态势评估开展指标函数系数优化求解，然后根据飞行计划和态势评估结果完成自动规划解算，生成任务规划方案。将上述附加优先级属性值加入到上述综合指标评估函数，得到最终调用的飞机综合指标评估模型，即可实现人在环路决策。模型可以以自动规划算法的形式搭载至用于进行出动任务规划处理的计算设备中，以便快速应用。
S16，根据甲板态势信息，利用专家打分与改进DE算法对飞机综合指标评估模型开展加权系数优化求解处理，得到态势评估结果；改进DE算法通过引入大正数的惩罚系数将飞机综合指标评估模型的约束条件转化为目标函数惩罚项。
可以理解，出动任务规划主要基于甲板态势的综合指标评估模型的评估来实现，核心是利用专家打分与改进DE算法对指标函数加权系数的优化求解。改进DE算法的关键，是将线性约束问题通过引入惩罚系数转化为目标惩罚项，将最小最大化目标问题进行线性化处理。
在一个实施例中，飞机综合指标评估模型的目标函数为：
max J＝F(λ)+M·Aλ
其中，
Figure BDA0003247016430000131
Fi(λ)表示任意两架飞机i和j的飞机综合指标评估值之差，J表示最小值，M表示大实数。
飞机综合指标评估模型的约束条件Aλ包括：
1)Ii＞Ij＞…＞Ik，表示不同飞机综合指标评估值的专家打分的排序，i,j,k∈n，n为飞机总数；
2)
Figure BDA0003247016430000132
Figure BDA0003247016430000133
表示飞机i在某一状态下属性值的向量；
3)λ＝[λ1,λ2,…,λ6]T∈R6×1；λk,(k＝1,2,…，6)表示各出动规则属性值相应的加权系数，R表示实数矩阵。
具体的，加权系数λ的优化模型运用约束条件下DE改进算法求解，其设计思想是将约束条件通过引入惩罚系数转化为目标函数，从而将：
Figure BDA0003247016430000141
这一最小最大化问题进行线性处理，将线性约束的非线性优化问题转化为无约束下的线性优化问题，此后可用经典DE算法进行优化搜索。
在一个实施例中，关于上述步骤S16，利用专家打分与改进DE算法对飞机综合指标评估模型开展加权系数优化求解处理的过程中，还可以包括如下处理步骤：
对加权系数优化求解处理得到的各加权系数最优值进行均值化处理。
可以理解，为使得加权系数更具有一般性、有效性，尽可能适应不同情形下的出动任务规划，那么对多个甲板态势进行专家打分决策，最后对系数最优值λopt进行均值化处理。
S18，将态势评估结果与飞行计划进行匹配处理，生成出动任务规划方案。
可以理解，态势评估结果与飞行计划之间的匹配处理方式，可以参照本领域已有的飞行计划匹配决策流程同理理解，此处不再展开赘述。
上述飞行出动任务规划方法，通过利用基于启发式规则给出任务决策的多属性量化指标(也即各出动规则属性值)，并调用建立的基于甲板态势的多属性综合指标评估函数，也即飞机综合指标评估模型。其次，引入专家打分，以将指标评估函数的加权系数优化问题转化为目标优化问题，并采用拉格朗日(Lagrange)松弛策略进行DE算法(Differential Evolution Algorithm，差分进化算法)下参数寻优，进而生成当前态势下的出动任务规划。最后，针对作业中人工监督操控特性，提出“人在回路”的人-机协同决策架构，通过引入附加属性值或调节系数等策略改进的综合指标评估函数，解决人机交互问题，为指挥员提供任务规划辅助决策支持，有效实现大幅提升出动任务规划效率的目的。
在一个实施例中，为了更直观且全面地说明上述飞行出动任务规划方法，下面是以某类型航母及其舰载机作为仿真对象，应用上述飞行出动任务规划方法而提供的验证示例。需要说明的是，本说明书中给出的实施案例仅为示意性的，并非为本发明具体实施案例的唯一限定，本领域技术人员可以在本发明提供的实施案例的示意下，同理实现对不同航母应用场景下的快速辅助规划。
甲板态势及飞行计划包括变量如下表1所示，专家评估是根据规则属性值，基于甲板态势进行出动排序。飞机综合指标评估模型的加权系数的求解，则由DE算法进行优化搜索。而对于系数的可靠性，则基于不同态势下优化结果的均值化处理。本示例中假设评估满足线性组合关系，即不同态势下最优化加权系数变化不大(即：||λopt(i)-λopt(j)||≤ελ)。
表1
Figure BDA0003247016430000151
Figure BDA0003247016430000161
基于某态势信息及专家评估方案(如表1部分数据)，加权系数λ的优化模型运用约束条件下DE改进算法求解。改进DE算法的主要步骤如下：
步骤1，目标函数线性化：sort(I(λ))→min(D(λ))(D(λ)是sort(I(λ))连续项相减向量)，F(λ)＝min(D(λ))与i无关，因而目标函数为max J＝F(λ)。
步骤2，引入惩罚系数，将约束条件转化为目标函数惩罚项：约束条件可写成Aλ＞0，引入大正数的惩罚系数M，将约束违反时的惩罚项(M·Aλ)加入到目标函数中。
步骤3，优化模型：目标，max J＝F(λ)+M·Aλ；边界约束，λk|k＝1,2,…,6∈[-3,3]。若约束违反，则目标函数将变成一个大负数，这将与目标优化方向相反。
步骤4，DE算法求解该系数优化问题。
仿真可采用Matlab2018a编程实现求解，算法计算时间为：5.28s，最优加权系数值：λ＝[2.9998,-1.9695,-2.9047,2.9997,-2.9894,2.7849]。改进DE算法系数优化收敛情况如下图5示，可看出算法具有较快收敛速度。
不同甲板态势情况下，加权系数λ优化值变化情况由图6表示(做了16组典型态势仿真)，结果表明最优值参数摄动不大，系数最优值具有一般性运用价值。为尽可能适应不同情形下的出动任务规划，可将上述加权系数进行均值化处理。
而对于“人在回路”的任务规划生成方案，其通过添加附加属性值从而影响综合指标函数值，实现出动任务按照指挥员偏好来规划决策。综合指标函数和指挥员偏好设置完成后，结合飞行计划及理想作业过程，则舰载机出动任务规划规划方案则可生成，下图7则是舰载机某次任务规划图。上述示例充分验证了本申请提出的自动规划算法(搭载上述飞机出动任务规划方法)用于评估和任务规划的有效性。
应该理解的是，虽然图1流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其他的顺序执行。而且图1的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
请参阅图8，在一个实施例中，还提供了一种飞行出动任务规划装置100，包括信息获取模块11、模型调用模块13、态势评估模块15和规划生成模块17。其中，信息获取模块11用于获取甲板态势信息和飞行计划。模型调用模块13用于调用基于专家启发式规则的飞机综合指标评估模型；飞机综合指标评估模型包括多个出动规则属性值以及基于指挥偏好的附加优先级属性值。态势评估模块15用于根据甲板态势信息，利用专家打分与改进DE算法对飞机综合指标评估模型开展加权系数优化求解处理，得到态势评估结果；改进DE算法通过引入大正数的惩罚系数将飞机综合指标评估模型的约束条件转化为目标函数惩罚项。规划生成模块17用于将态势评估结果与飞行计划进行匹配处理，生成出动任务规划方案。
上述飞行出动任务规划装置100，通过各模块的协作，利用基于启发式规则给出任务决策的多属性量化指标(也即各出动规则属性值)，并调用建立的基于甲板态势的多属性综合指标评估函数，也即飞机综合指标评估模型。其次，引入专家打分，以将指标评估函数的加权系数优化问题转化为目标优化问题，并采用拉格朗日(Lagrange)松弛策略进行DE算法(Differential Evolution Algorithm，差分进化算法)下参数寻优，进而生成当前态势下的出动任务规划。最后，针对作业中人工监督操控特性，提出“人在回路”的人-机协同决策架构，通过引入附加属性值或调节系数等策略改进的综合指标评估函数，解决人机交互问题，为指挥员提供任务规划辅助决策支持，有效实现大幅提升出动任务规划效率的目的。
在一个实施例中，上述态势评估模块15在用于利用专家打分与改进DE算法对飞机综合指标评估模型开展加权系数优化求解处理的过程中，具体还可以用于对加权系数优化求解处理得到的各加权系数最优值进行均值化处理。
在一个实施例中，上述飞行出动任务规划装置100各模块，还可以用于实现上述飞行出动任务规划方法各实施例中其他的相应子步骤。
关于飞行出动任务规划装置100的具体限定，可以参见上文中飞行出动任务规划方法的相应限定，在此不再赘述。上述飞行出动任务规划装置100中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于具体数据处理功能的设备中，也可以软件形式存储于前述设备的存储器中，以便于处理器调用执行以上各个模块对应的操作，前述设备可以是但不限于本领域已有的用于任务规划的各型计算机设备。
又一方面，还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时可以实现以下步骤：获取甲板态势信息和飞行计划；调用基于专家启发式规则的飞机综合指标评估模型；飞机综合指标评估模型包括多个出动规则属性值以及基于指挥偏好的附加优先级属性值；根据甲板态势信息，利用专家打分与改进DE算法对飞机综合指标评估模型开展加权系数优化求解处理，得到态势评估结果；改进DE算法通过引入大正数的惩罚系数将飞机综合指标评估模型的约束条件转化为目标函数惩罚项；将态势评估结果与飞行计划进行匹配处理，生成出动任务规划方案。
在一个实施例中，处理器执行计算机程序时还可以实现上述飞行出动任务规划方法各实施例中增加的步骤或者子步骤。
再一方面，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取甲板态势信息和飞行计划；调用基于专家启发式规则的飞机综合指标评估模型；飞机综合指标评估模型包括多个出动规则属性值以及基于指挥偏好的附加优先级属性值；根据甲板态势信息，利用专家打分与改进DE算法对飞机综合指标评估模型开展加权系数优化求解处理，得到态势评估结果；改进DE算法通过引入大正数的惩罚系数将飞机综合指标评估模型的约束条件转化为目标函数惩罚项；将态势评估结果与飞行计划进行匹配处理，生成出动任务规划方案。
在一个实施例中，计算机程序被处理器执行时，还可以实现上述飞行出动任务规划方法各实施例中增加的步骤或者子步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其他介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线式动态随机存储器(Rambus DRAM，简称RDRAM)以及接口动态随机存储器(DRDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可做出若干变形和改进，都属于本申请保护范围。因此本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种飞行出动任务规划方法，其特征在于，包括步骤：
获取甲板态势信息和飞行计划；
调用基于专家启发式规则的飞机综合指标评估模型；所述飞机综合指标评估模型包括多个出动规则属性值以及基于指挥偏好的附加优先级属性值；
根据所述甲板态势信息，利用专家打分与改进DE算法对所述飞机综合指标评估模型开展加权系数优化求解处理，得到态势评估结果；所述改进DE算法通过引入大正数的惩罚系数将所述飞机综合指标评估模型的约束条件转化为目标函数惩罚项；
将所述态势评估结果与所述飞行计划进行匹配处理，生成出动任务规划方案。
2.根据权利要求1所述的飞行出动任务规划方法，其特征在于，所述飞机综合指标评估模型为：
Figure FDA0003247016420000011
其中，Ii(x)表示第i架飞机的飞机综合指标函数值，x1表示出动优先级的属性值，x2表示空间约束量的属性值，x3表示飞机状态的属性值，x4表示状况评估的属性值，x5表示甲板保障工作站转移次数的属性值，x6表示出动与调运空间约束复杂度的属性值，λk表示第k个出动规则属性值的加权系数，
Figure FDA0003247016420000012
表示指定飞机i的附加优先级的属性值，M表示大实数。
3.根据权利要求1或2所述的飞行出动任务规划方法，其特征在于，所述附加优先级属性值的定义求解方法为：
Figure FDA0003247016420000013
其中，No(i)表示指定出动飞机的序号，∑j表示指定出动飞机的数量。
4.根据权利要求3所述的飞行出动任务规划方法，其特征在于，多个所述出动规则属性值包括：
出动优先级的属性值，为：
Figure FDA0003247016420000021
其中，pi表示飞机i甲板位置，f(pi)表示飞机i出动优先级；
空间约束量的属性值，为：
Figure FDA0003247016420000022
其中，Con(i)表示空间约束量，A(i)表示飞机i所属机型计划出动量；
飞机状态的属性值，为：
Figure FDA0003247016420000023
其中，Fl(i)表示飞机i飞行小时数，MTBF(i)表示飞机i所属机型平均无故障工作时间；
状况评估的属性值，为：
Figure FDA0003247016420000024
其中，P(i)表示飞机i的飞机故障发生率，ε0表示飞机起降最低可容忍故障可能概率，M表示大实数；
甲板保障工作站转移次数的属性值，为：
Figure FDA0003247016420000025
其中，FNo(i)表示飞机i所处停机位编号，M(i)表示飞行任务是有军械保障；
出动与调运空间约束复杂度的属性值，为：
Figure FDA0003247016420000026
其中，pi表示飞机i甲板位置，ai表示飞机i停机的角度。
5.根据权利要求2所述的飞行出动任务规划方法，其特征在于，所述飞机综合指标评估模型的目标函数为：
max J＝F(λ)+M·Aλ
其中，
Figure FDA0003247016420000031
Fi(λ)表示任意两架飞机i和j的飞机综合指标评估值之差，J表示最小值，M表示大实数；
所述飞机综合指标评估模型的约束条件Aλ包括：
1)Ii＞Ij＞…＞Ik，表示不同飞机综合指标评估值的专家打分的排序，i,j,k∈n，n为飞机总数；
2)
Figure FDA0003247016420000032
Figure FDA0003247016420000033
表示飞机i在某一状态下属性值的向量；
3)λ＝[λ1,λ2,…,λ6]T∈R6×1；λk,(k＝1,2,…，6)表示各出动规则属性值相应的加权系数，R表示实数矩阵。
6.根据权利要求1所述的飞行出动任务规划方法，其特征在于，利用专家打分与改进DE算法对所述飞机综合指标评估模型开展加权系数优化求解处理的过程中，还包括：
对加权系数优化求解处理得到的各加权系数最优值进行均值化处理。
7.一种飞行出动任务规划装置，其特征在于，包括：
信息获取模块，用于获取甲板态势信息和飞行计划；
模型调用模块，用于调用基于专家启发式规则的飞机综合指标评估模型；所述飞机综合指标评估模型包括多个出动规则属性值以及基于指挥偏好的附加优先级属性值；
态势评估模块，用于根据所述甲板态势信息，利用专家打分与改进DE算法对所述飞机综合指标评估模型开展加权系数优化求解处理，得到态势评估结果；所述改进DE算法通过引入大正数的惩罚系数将所述飞机综合指标评估模型的约束条件转化为目标函数惩罚项；
规划生成模块，用于将所述态势评估结果与所述飞行计划进行匹配处理，生成出动任务规划方案。
8.根据权利要求7所述的飞行出动任务规划装置，其特征在于，所述态势评估模块在用于利用专家打分与改进DE算法对所述飞机综合指标评估模型开展加权系数优化求解处理的过程中，还用于对加权系数优化求解处理得到的各加权系数最优值进行均值化处理。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述飞行出动任务规划方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时实现权利要求1至6中任一项所述飞行出动任务规划方法的步骤。
CN202111035859.2A 2021-09-06 2021-09-06 飞行出动任务规划方法、装置、设备和介质 Active CN113743666B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111035859.2A CN113743666B (zh) 2021-09-06 2021-09-06 飞行出动任务规划方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111035859.2A CN113743666B (zh) 2021-09-06 2021-09-06 飞行出动任务规划方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN113743666A true CN113743666A (zh) 2021-12-03
CN113743666B CN113743666B (zh) 2024-04-12

Family

ID=78735814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111035859.2A Active CN113743666B (zh) 2021-09-06 2021-09-06 飞行出动任务规划方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN113743666B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114415524A (zh) * 2022-03-31 2022-04-29 中国人民解放军96901部队 一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法
CN116258352A (zh) * 2023-05-15 2023-06-13 民航成都信息技术有限公司 一种航班保障任务的调度方法、装置及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008063238A2 (en) * 2006-07-10 2008-05-29 The Boeing Company Methods and systems for aircraft departure enhanced situational awareness and recovery
CN113095730A (zh) * 2021-05-08 2021-07-09 广东工业大学 一种北斗测试云平台的仪器优先调度评价方法
CN113205216A (zh) * 2021-05-07 2021-08-03 哈尔滨工业大学 一种枢纽机场摆渡车动态调度方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008063238A2 (en) * 2006-07-10 2008-05-29 The Boeing Company Methods and systems for aircraft departure enhanced situational awareness and recovery
CN113205216A (zh) * 2021-05-07 2021-08-03 哈尔滨工业大学 一种枢纽机场摆渡车动态调度方法及系统
CN113095730A (zh) * 2021-05-08 2021-07-09 广东工业大学 一种北斗测试云平台的仪器优先调度评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
欧建军;张安;钟麟;: "基于多目标优化决策的飞机维护计划研究", 系统工程理论与实践, no. 05, 25 May 2015 (2015-05-25), pages 1346 - 1350 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114415524A (zh) * 2022-03-31 2022-04-29 中国人民解放军96901部队 一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法
CN114415524B (zh) * 2022-03-31 2022-06-21 中国人民解放军96901部队 一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法
CN116258352A (zh) * 2023-05-15 2023-06-13 民航成都信息技术有限公司 一种航班保障任务的调度方法、装置及电子设备
CN116258352B (zh) * 2023-05-15 2023-08-18 中国民用航空总局第二研究所 一种航班保障任务的调度方法、装置及电子设备

Also Published As

Publication number Publication date
CN113743666B (zh) 2024-04-12

Similar Documents

Publication Publication Date Title
CN110781614B (zh) 基于深度强化学习的舰载机出动回收在线调度方法
CN113743666B (zh) 飞行出动任务规划方法、装置、设备和介质
CN108549402A (zh) 基于量子乌鸦群搜索机制的无人机群任务分配方法
Ardil Regional Aircraft Selection Using Preference Analysis for Reference Ideal Solution (PARIS)
CN109840610A (zh) 不正常航班飞机路径与旅客行程自动恢复系统及方法
CN106096911A (zh) 一种基于角色的有人/无人协同指挥控制系统及其方法
CN114462136A (zh) 飞机机库定检维修调度方法、装置、设备和介质
CN110826757B (zh) 一种航班调度方法、装置及其设备
Chen et al. Cooperative area reconnaissance for multi-UAV in dynamic environment
Yang et al. LSTM-based deep learning model for civil aircraft position and attitude prediction approach
CN109858681A (zh) 一种基于ic卡的交通短时客流预测方法和相关装置
CN116009571A (zh) 飞机机群起飞调度方法、装置、设备和存储介质
Wu et al. Heterogeneous mission planning for multiple uav formations via metaheuristic algorithms
Stodola et al. Model of optimal cooperative reconnaissance and its solution using metaheuristic methods
CN112396298B (zh) 一种无人直升机多机协同任务规划方法
CN112685883B (zh) 一种舰载机保障作业调度方法
Gaowei et al. Using multi-layer coding genetic algorithm to solve time-critical task assignment of heterogeneous UAV teaming
CN114819622A (zh) 舰载机出动作业调度方法、装置、设备和介质
Wu et al. A distributed and integrated method for cooperative mission planning of multiple heterogeneous UAVs
CN114969978A (zh) 一种基于改进灰狼优化算法的飞机海上平台回收调度方法
Wang et al. Multi-Time-Stage Collaborative Task Assignment for Heterogeneous UAVs Using CBBA
CN115271312A (zh) 一种无人机自主对地攻击能力评价方法
CN114331280B (zh) 基于客户满意度和能量优化的无人机辅助快递交付方法
Malhotra et al. A Multi-Agent Reinforcement Learning Approach for System-Level Flight Delay Absorption
Blyskun et al. ALGORITHM OF DETERMINING THE READINESS LEVEL OF THE FLIGHT CREW BASED ON FUZZY LOGIC APPROACHES

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