CN120069464B - 一种舰船直升机群波次出动回收任务规划调度方法及系统 - Google Patents

Abstract

本申请公开了一种舰船直升机群波次出动回收任务规划调度方法及系统，涉及任务规划领域，该方法包括：建立舰船直升机群波次出动回收任务规划模型；所述舰船直升机群波次出动回收任务规划模型包括：逻辑约束、资源约束和目标函数；所述逻辑约束为直升机六个阶段的工序约束及每个阶段的时序约束；获取出动回收任务需求；基于所述出动回收任务需求，以逻辑约束和资源约束为约束条件，以目标函数值最小为目标，采用混合精英变异策略的竞争粒子群算法对直升机六个阶段的开始时间和结束时间求解，得到最优任务规划调度方案。本申请能够提高甲板资源利用率和任务响应效率。

Description

一种舰船直升机群波次出动回收任务规划调度方法及系统

技术领域

本申请涉及任务规划领域，特别是涉及一种舰船直升机群波次出动回收任务规划调度方法及系统。

背景技术

舰船直升机群的快速出动与高效回收能力，作为航空任务体系的关键战略支撑，其重要性不言而喻。然而，当前海上平台在执行任务时，面临着动态任务需求与有限甲板资源之间的突出矛盾：在纵向维度上，舰船直升机需经历调运、保障、出动、回收等多个作业阶段；在横向维度上，受制于狭长甲板空间的非线性布局特征及多机位动态占用模式，传统航空作业调度模型存在显著局限性。

经过对相关技术体系的全面剖析，目前存在三大问题：首先，甲板作业空间呈现出高度非结构化特征，传统基于规则网格的建模方式难以精准刻画机位的动态占用关系；其次，各作业阶段存在差异化的时序约束和资源需求，缺乏贯穿全流程的协同优化框架；最后，主流轮转调度机制采用固定周期运作模式，难以应对现代战场中突发任务插入、优先级调整等动态需求。特别是在高强度对抗环境下，传统方案极易引发甲板资源利用率下降、任务响应延迟时效性差等问题。

发明内容

本申请的目的是提供一种舰船直升机群波次出动回收任务规划调度方法、系统、设备、介质及产品，可提高甲板资源利用率和任务响应效率。

为实现上述目的，本申请提供了如下方案。

第一方面，本申请提供了一种舰船直升机群波次出动回收任务规划调度方法，包括以下步骤。

建立舰船直升机群波次出动回收任务规划模型；所述舰船直升机群波次出动回收任务规划模型包括：逻辑约束、资源约束和目标函数；所述逻辑约束为直升机六个阶段的工序约束及每个阶段的时序约束；所述直升机六个阶段依次包括：出动前调运阶段、机务勤务保障阶段、出动离场阶段、任务飞行阶段、回收入场阶段和回收后调运阶段；所述资源约束为直升机所需的调运设备、保障人员和供给性资源的约束；所述目标函数由直升机出动任务的任务窗满足率和直升机在舰船的甲板作业时间构成。

获取出动回收任务需求；所述出动回收任务需求包括：任务波次集合、每个波次参与作业的直升机集合、每个波次任务的最早开始时间和最晚开始时间。

基于所述出动回收任务需求，以逻辑约束和资源约束为约束条件，以目标函数值最小为目标，采用混合精英变异策略的竞争粒子群算法对直升机六个阶段的开始时间和结束时间求解，得到最优任务规划调度方案；混合精英变异策略的竞争粒子群算法是基于粒子群算法采用竞争的混合精英变异策略进行改进的算法。

第二方面，本申请提供了一种舰船直升机群波次出动回收任务规划调度系统，包括以下模块。

模型建立模块，用于建立舰船直升机群波次出动回收任务规划模型；所述舰船直升机群波次出动回收任务规划模型包括：逻辑约束、资源约束和目标函数；所述逻辑约束为直升机六个阶段的工序约束及每个阶段的时序约束；所述直升机六个阶段依次包括：出动前调运阶段、机务勤务保障阶段、出动离场阶段、任务飞行阶段、回收入场阶段和回收后调运阶段；所述资源约束为直升机所需的调运设备、保障人员和供给性资源的约束；所述目标函数由直升机出动任务的任务窗满足率和直升机在舰船的甲板作业时间构成。

获取模块，用于获取出动回收任务需求；所述出动回收任务需求包括：任务波次集合、每个波次参与作业的直升机集合、每个波次任务的最早开始时间和最晚开始时间。

任务规划调度模块，用于基于所述出动回收任务需求，以逻辑约束和资源约束为约束条件，以目标函数值最小为目标，采用混合精英变异策略的竞争粒子群算法对直升机六个阶段的开始时间和结束时间求解，得到最优任务规划调度方案；混合精英变异策略的竞争粒子群算法是基于粒子群算法采用竞争的混合精英变异策略进行改进的算法。

根据本申请提供的具体实施例，本申请具有了以下技术效果。

本申请提供了一种舰船直升机群波次出动回收任务规划调度方法及系统，在资源约束的前提下，通过对直升机六个阶段的工序约束和每个阶段的时序约束，能够将直升机出动回收各个阶段的开始和结束时间进行精确的约束，从而精确计算出直升机各个阶段的开始与结束时间，再采用混合精英变异策略的竞争粒子群算法，能够快速完成直升机六个阶段的开始时间和结束时间的求解，从而得到直升机出动任务的任务窗时间和直升机在甲板作业的时间，同时，混合精英变异策略的竞争粒子群算法能够将直升机六个阶段的开始时间和结束时间完成精确调度，从而提高了甲板资源利用率和任务响应效率。

附图说明

为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一实施例中一种舰船直升机群波次出动回收任务规划调度方法的流程示意图。

图2为本申请一实施例中一种舰船直升机群波次出动回收任务规划调度系统的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

相关技术中，有采用传统启发式算法或单阶段优化方法。其中，传统启发式算法（如遗传算法、模拟退火）在解决复杂优化问题时具有一定的适用性，但存在以下局限性：（1）计算成本高：传统启发式算法通常需要大量的迭代和计算资源，尤其是在处理大规模多波次问题时，计算时间可能显著增加；（2）难以处理复杂约束：对于舰船直升机群多波次出动回收任务，涉及复杂的甲板资源约束、任务时间窗约束以及多阶段作业逻辑，传统算法可能难以有效处理。（3）全局优化能力有限：尽管遗传算法和模拟退火等算法具有一定的全局搜索能力，但在复杂任务规划中，容易陷入局部最优解。单阶段优化方法（如仅优化调运或保障阶段）虽然在特定阶段能够提高效率，但存在以下不足：（1）缺乏全局协调性：单阶段优化无法考虑整个出动回收流程的全局约束和相互影响，可能导致整体效率低下。（2）无法满足任务时间窗需求：任务时间窗的满足率是衡量舰船直升机出动回收任务规划的重要指标，单阶段优化难以在全局范围内优化任务时间窗。（3）资源利用率低：由于缺乏对整个流程的综合优化，单阶段优化可能导致资源分配不合理，影响整体资源利用率。

本申请提供了一种舰船直升机群波次出动回收任务规划调度方法及系统，基于出动回收任务需求，以逻辑约束和资源约束为约束条件，以目标函数值最小为目标，采用混合精英变异策略的竞争粒子群算法对直升机六个阶段的开始时间和结束时间求解，得到最优任务规划调度方案，提高了甲板资源利用率和任务响应效率。

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

在一个示例性的实施例中，如图1所示，提供了一种舰船直升机群波次出动回收任务规划调度方法，该方法由计算机设备执行，具体可以由终端或服务器等计算机设备单独执行，也可以由终端和服务器共同执行，在本申请实施例中，以该方法应用于服务器为例进行说明，包括以下步骤1至步骤3。

步骤1：建立舰船直升机群波次出动回收任务规划模型；舰船直升机群波次出动回收任务规划模型包括：逻辑约束、资源约束和目标函数；逻辑约束为直升机六个阶段的工序约束及每个阶段的时序约束；直升机六个阶段依次包括：出动前调运阶段、机务勤务保障阶段、出动离场阶段、任务飞行阶段、回收入场阶段和回收后调运阶段（即第1阶段至第6阶段）；资源约束为直升机所需的调运设备、保障人员和供给性资源的约束；目标函数由直升机出动任务的任务窗满足率和直升机在舰船的甲板作业时间构成。

具体的，逻辑约束包括：调运阶段约束、机务勤劳保障阶段约束、出动离场阶段约束、任务飞行阶段约束、回收入场阶段约束和波次作业衔接约束。

调运阶段约束：该阶段可分为出动前调运阶段和回收后调运阶段，但本质上都是沿着既定的路径从初始停机位转移至目标停机位，由于路径是由每一时刻的位姿构成，因此在路径确定的情况下，转移的时间是已知的，约束表示如下。

。

其中，为工序的结束时间，其中为第波次第架直升机在第阶段的第道工序；为工序的开始时间； 表示第类第个调运设备执行工序，反之，；为直升机解系留时间；为直升机从机位调运至机位的时间函数，与选取的路径相对应，其中，为执行工序的初始机位；为执行工序的目标机位。

而调运过程中的避碰问题可以视为时间和空间的交汇问题，在路径既定的前提下，只需要确保每一时刻下的调运直升机之间的距离大于安全距离即可，约束表示如下。

。

其中，为第波次第架直升机在时刻的空间占用点集函数；为第波次第架直升机在时刻的空间占用点集函数；为预设的安全距离，即直升机调运时需要保持的最小距离。

机务勤务保障阶段约束：直升机位于起降区或停机区停机位时才能开始保障，且保障流程有着时序要求，需要按照既定的顺序执行，约束表示如下。

。

。

其中，为工序的结束时间，其中为第波次第架直升机在第2阶段的第道工序；为工序的开始时间；为工序的保障时间；为第波次第架直升机在第2阶段的第道工序，对于，其中，为工序的紧前工序集合。

出动离场阶段约束：直升机在起降停机位完成所有作业保障后，即可根据计划安排进行起飞离场，这一阶段不需要额外的资源分配，约束表示如下。

。

其中，为工序的结束时间，其中为第波次第架直升机在第3阶段的第道工序；为工序的开始时间；为直升机出动离场时间。

任务飞行阶段约束：该阶段仅考虑既定的飞行时间即可，约束表示如下。

。

其中，为工序的结束时间，其中为第波次第架直升机在第4阶段的第道工序；为工序的开始时间；为第波次的直升机飞行时间。

回收入场阶段约束：当起降停机位空闲时，直升机即可回收着舰，这一阶段不需要额外的资源分配，约束表示如下。

。

其中，为工序的结束时间，其中为第波次第架直升机在第5阶段的第道工序；为工序的开始时间；为直升机回收入场时间。

波次作业衔接约束：在直升机的一次出动回收波次中，它需要经历六个不同的阶段，每个阶段的开始结束时间都受到严格的时序约束。若直升机只在甲板起降区保障，则需要依序执行各个阶段，约束表示如下。

。

其中，为工序的结束时间；为工序的结束时间，其中为第波次第架直升机在第阶段的第道工序。

此外，由于直升机出动回收均在起降区完成，不能同时占用停机位，因此相邻波次直升机的出动和回收阶段时间需要进行合理规划，约束表示如下。

。

其中，为确保不等式成立的任意实数； 表示先执行第波次直升机的第5阶段工序后再执行第波次直升机的第3阶段工序；表示工序的开始时间，为在的特殊情况第波次第架直升机在第3阶段的第道工序，其中为第波次第架直升机在第阶段的第道工序。

具体的，资源约束包括：调运设备约束、保障人员约束、保障设备约束、供给性资源约束和资源分配约束。

调运设备约束：直升机在调运过程中，需要与牵引车或升降机共同完成，受到单一牵引能力的限制，调运设备在完成一次作业后，必须转移至下一架待调运直升机的所在停机位，以便开始新一轮的作业，约束表示如下。

。

其中，为第类调运设备从机位转移至机位的时间，，其中，为执行工序的初始机位； 表示第类第个调运设备执行完工序后执行工序，反之，；为工序的开始时间。

保障人员约束：保障工序的执行涉及到多个专业领域和相应的人员配置，保障人员需要按照既定的顺序依次完成一系列工序，由于该工序可能属于不同的直升机，因此再每一个工序完成，需要转移至下一个工序所在的停机位，约束表示如下。

。

其中，为第类保障人员从机位转移至机位的时间，其中，为执行工序的目标机位，为执行工序的初始机位，为第波次第架直升机在第2阶段的第道工序；为工序的开始时间； 表示工序由第类第个保障人员保障，否则。

此外，由于保障工位的空间承载能力有限，同一时间仅能容纳一定数量的保障人员作业，约束表示如下。

。

其中，为表示执行工序需要第类工位空间，否则；为执行工序所需第类保障人员数量；为第波次第架直升机的第类工位空间可同时容纳的保障人员数量。

保障设备约束：保障设备部署于甲板的特定位置，并为其覆盖范围内停机位上的直升机提供保障服务，约束表示如下。

。

其中， 表示第类第个保障设备执行完工序后执行工序，反之； 表示机位可以被第类第个保障设备覆盖到，否则。

此外，根据设备特性，保障设备还可划分为共享式和独占式两类。对于共享式设备，在保障期间可以为该架直升机所有需要该设备的工序提供服务，约束表示如下。

。

其中，为执行工序所需的第类保障设备数量。

而对于独占式设备或为不同直升机提供保障服务的共享式设备，只能为单一工序提供服务，即插即用，在每次使用后需要进行重置操作，才能保障后续工序，约束表示如下。

。

其中，为第类保障设备接口从机位转移至机位的时间；为；为工序的开始时间； 表示第类第个保障设备执行完工序后执行工序，反之。

供给性资源约束：保障设备的正常运行离不开相应的供给性资源，虽然假设舰上资源充足，但是资源的瞬时供给能力是有限的，即在同一时刻，能够为保障设备如下。

。

其中， 表示第类第个保障设备需要消耗第类供给性资源，否则；为第类供给性资源可以同时保障的工序的最大数量。

资源分配约束：在甲板作业过程中，需要对调运设备、保障人员和保障设备等资源进行配置和使用，确保工序需求与资源供给之间能够精准匹配，约束表示如下。

。

。

。

其中，为第类第个调运设备执行工序，反之，； 表示工序由第类第个保障人员保障，否则； 表示工序由第类第个保障设备保障，否则。

任务时间窗满足率和甲板作业时间：在直升机出动任务中，任务时间窗满足率是一个关键的性能指标，它衡量了直升机出动任务在预定时间窗内完成的能力，该目标反映了出动效率和计划的可靠性，用表示。

在确保任务完成率的前提下，应尽可能提高舰船直升机架次率和任务响应速度，减少机群甲板作业时间，考虑到在每个波次的作业流程中，只有出动前的调运、机务勤务保障以及回收后的调运这三个阶段需要进行决策，因此，甲板作业时间可以表示为所有波次中这三个阶段所需时间的总和，用表示。

为了实现对两个目标的综合考量，采用一种线性加权方法合为一个单一的目标函数，使得优化算法能够在搜索过程中寻找到最佳的权衡解，用表示。每个直升机的每个阶段包括多个工序；目标函数的计算公式如下。

。

。

。

。

。

其中，为目标函数值；和均为权重值；为直升机出动任务的任务窗满足率的最大值；为直升机出动任务的任务窗满足率的最小值；为直升机出动任务的任务窗满足率；为直升机在舰船的甲板作业时间；为直升机在舰船的甲板作业时间的最大值；为直升机在舰船的甲板作业时间的最小值；为第波次的任务窗满足条件，若在任务窗内，则定义为满足任务时间窗，任务窗满足率；为任务波次集合；为第波次任务的最早开始时间；为第波次第架直升机在第4阶段的第道工序的开始时间；为第波次任务的最晚开始时间；为第波次第架直升机在第2阶段的第道工序的结束时间；为第波次第架直升机在第1阶段的第道工序的开始时间；为第波次第架直升机在第6阶段的第道工序的结束时间；为第波次第架直升机在第6阶段的第道工序的开始时间。

步骤2：获取出动回收任务需求；出动回收任务需求包括：任务波次集合、每个波次参与作业的直升机集合、每个波次任务的最早开始时间和最晚开始时间。此外，出动回收任务需求还包括：每个直升机在六个阶段的工序集合；甲板停机区可以保障的工序集；不同停机位之间的路径库；每个工序的作业时间；每个工序需要的资源类型和数量集合；调运的安全距离；调运设备类型集合和每一类设备数量；保障人员类型集合和每一类人员数量；保障设备类型集合和每一类设备数量；供给性资源类型集合和保障工序的最大数量；工位空间类型集合；每个波次任务的最早开始时间和最晚开始时间。

步骤3：基于出动回收任务需求，以逻辑约束和资源约束为约束条件，以目标函数值最小为目标，采用混合精英变异策略的竞争粒子群算法对直升机六个阶段的开始时间和结束时间求解，得到最优任务规划调度方案；混合精英变异策略的竞争粒子群算法是基于粒子群算法采用竞争的混合精英变异策略进行改进的算法。每个波次中包括多个直升机。步骤3具体包括以下步骤31至步骤37。

步骤31：采用随机数对出动回收任务需求中出动前调运阶段的每个工序、机务勤务保障阶段的每个工序和回收后调运阶段的每个工序进行编码，得到多个编码个体，多个编码个体形成初始化种群。

步骤32：根据随机数大小，确定每个编码个体的优先级。

步骤33：根据每个编码个体的优先级对每个编码个体进行排序，得到多个排序后的编码个体。

具体的，采用基于优先级编码的方式为：每个编码个体分为多个波次，每个波次为三段编码，三段编码均采用优先级，数越小，优先级越高。

第一段编码为直升机出动前调运优先级编码，表示为向量，表示第波次第架直升机在出动前调运阶段的第道工序的优先级。

第二段编码为直升机机务勤务保障优先级编码，为向量，表示第波次第架直升机在机务勤务保障阶段的第道工序的优先级。

第三段编码为回收后调运优先级，为向量，表示第波次中第架直升机在回收后调运阶段的第道工序的优先级。

上述式中，表示第波次参与作业的直升机的数量，如表示第1波次参与作业的直升机数量；表示第波次第架飞机在第阶段（即直升机的六个阶段）的工序数量，如表示第1波次架飞机在第2阶段（即机务勤务保障阶段）的工序数量。三段编码构成的向量即为一个编码个体。

步骤34：以逻辑约束和资源约束为约束条件，采用串行调度机制对每个排序后的编码个体进行解码，得到多个任务规划调度方案；任务规划调度方案包括：出动前调运阶段的开始时间和结束时间、机务勤务保障阶段的开始时间和结束时间，以及回收后调运阶段的开始时间和结束时间；每个任务规划调度方案对应一个解码个体，多个解码个体形成第一种群。步骤34具体包括以下步骤341至步骤343。

步骤341：基于每个波次的最早开始时间，计算出每个波次的计划出动作业结束时间和计划回收作业开始时间，并按时间进行升序排列生成作业集合；出动作业依次包括：出动前调运阶段、机务勤务保障阶段和出动离场阶段；回收作业依次包括：回收入场阶段和回收后调运阶段。

具体的，基于波次任务的最早执行时间来计算出波次的计划出动作业结束时间和计划回收作业开始时间，并按每个波次的作业时间的升序排列生成作业集合。

按时间顺序对中的作业进行调度。对于每个出动作业，通过执行步骤342中出动作业解码来确定该波次实际的出动作业结束时间和实际回收作业开始时间，若改变了该作业的调度顺序，则更新并重新将进行调度。对于回收作业，更新每个波次中每个直升机的每个阶段的决策变量和。当为回收作业时，则需要先根据后续作业类型来决策直升机回收后调运区域，即需要再次执行出动任务的直升机可直接停驻在起降区，否则要离开起降区，然后执行步骤342中回收作业解码来更新每个波次中每个直升机的每个阶段的决策变量和。重复执行步骤342，直到所有作业都被调度完毕。

步骤342：按照每个编码个体的优先级的顺序，以逻辑约束和资源约束为约束条件，对每个编码个体的出动作业和回收作业中每个阶段的每个工序进行解码，确定每个解码个体的出动作业和回收作业中每个阶段的开始时间和结束时间。

具体的，对于出动作业解码，一共分为三步。第一步：定义时间变量、已调度集合、工序索引标志；第二步：对出动作业阶段的两层编码和进行升序排列生成集合；第三步：从中选择优先级最高的工序，并计算其所在波次、直升机编号、工序编号和阶段。如果该工序满足调度条件（即紧前工序均已完成调度且为出动前调运阶段时无阻塞路径），则确定满足其所在阶段所有约束的最早可行时间，并更新每个波次中每个直升机的每个阶段的决策变量、和。重复这一过程，直到所有工序均被调度完成。

具体的，对于回收作业解码，一共分为三步。第一步，定义时间变量、已调度集合、工序索引标志；第二步，对回收作业阶段的编码进行升序排列，生成集合；第三步，从中选择优先级最高的工序，计算其所在波次、直升机编号、工序编号和阶段，若该工序满足调度条件（即紧前工序均已调度完成且为回收后调运阶段时无阻塞路径），则确定满足其所在阶段所有约束的最早可行时间，随后更新每个波次中每个直升机的每个阶段的决策变量、和。重复这一过程，直到所有工序均被调度完成。

步骤343：根据每个解码个体的出动作业和回收作业中每个阶段的开始时间和结束时间，确定每个解码个体对应的任务规划调度方案，得到多个任务规划调度方案。

步骤35：根据出动前调运阶段的开始时间和结束时间、机务勤务保障阶段的开始时间和结束时间，以及回收后调运阶段的开始时间和结束时间，计算出动离场阶段的开始时间和结束时间、任务飞行阶段的开始时间和结束时间，以及回收入场阶段的开始时间和结束时间。

步骤36：根据任务飞行阶段的开始时间和结束时间、出动前调运阶段的开始时间和结束时间、机务勤务保障阶段的开始时间和结束时间，以及回收后调运阶段中的开始时间和结束时间，计算每个解码个体的目标函数值。

步骤37：判断当前迭代轮次是否达到预设的最大迭代轮次；若是，则将目标函数值最小的解码个体确定为最优任务规划调度方案；若否，则引入混合精英变异策略的粒子群对第一种群进行优化，得到子代种群，对子代种群重新解码，并计算子代种群中每个编码个体的目标函数值。

在一示例性例子中，步骤37中引入混合精英变异策略的粒子群对第一种群进行优化，得到子代种群，具体包括以下步骤371至步骤376。

步骤371：随机生成一定数量的粒子，并增加到第一种群中，得到第二种群；一个粒子为一个编码个体。

具体的，随机生成一定数量的粒子，每个粒子为一个个体，代表一个潜在的解，具有位置（即随机数）和速度（即用于计算随机数的变化量）属性。位置表示解的参数值，速度决定粒子在解空间中的移动方向和步长。根据粒子自身的经验和群体的经验，更新每个粒子的速度和位置，进而生成新的子代。速度更新公式如下。

。

其中，为粒子在第次迭代中第维的速度；为粒子在第次迭代中第维的速度；为惯性权重；和为学习因子；和为随机权重；为粒子在第维的历史最优位置；为粒子在第次迭代中第维的位置；为整个群体在第维的全局最优位置。位置更新公式如下。

。

其中，为粒子在第次迭代中第维的位置；为粒子在第次迭代中第维的位置。

步骤372：将第二种群中的编码个体进行随机匹配，得到粒子对；一个粒子对包括：两个编码个体。

步骤373：分别计算粒子对中两个编码个体的目标函数值，得到粒子对中每个编码个体的目标函数值。

步骤374：将粒子对中每个编码个体的目标函数值较低的编码个体进行反向变异策略进化，得到变异后的编码个体。

具体的，产生的第二种群中的编码个体被随机分配到粒子对中，每个粒子对包含两个编码个体。在每个粒子对中，目标函数值相比较低的个体进行反向变异策略进化，目标函数值相比较高的个体向目标函数值比较低的个体学习，进而生成新的子代种群个体。反向变异策略：通过反向学习生成另一个编码个体。具体操作为：根据当前编码个体位置，计算其反向位置，变异后的编码个体的表达式如下。

。

其中，为变异后的编码个体的随机数；为第一编码个体的目标函数值和第二编码个体的目标函数值中较低的编码个体的随机数。

步骤375：将粒子对中每个编码个体的目标函数值较高的编码个体进行粒子学习，得到学习后的编码个体。

具体的，粒子学习过程：计算两个编码个体之间的差异向量，将目标函数值较小的编码个体位置更新为目标函数值较大的个体的位置与该差异向量的加权和。学习后的编码个体的表达式如下。

。

其中，为学习后的编码个体的随机数；为第一编码个体的目标函数值和第二编码个体的目标函数值中较高的编码个体的随机数；为学习步长系数；为第一编码个体的目标函数值和第二编码个体的目标函数值中较低的编码个体的随机数。

步骤376：基于根据变异后的编码个体和学习后的编码个体构成子代种群。

本申请提出的一种舰船直升机群波次出动回收任务规划调度方法的有益效果主要表现在以下几个方面。

（1）本申请建立的舰船直升机群波次出动回收任务规划模型，将波次任务细化为出动前调运、机务勤务保障、出动离场、任务飞行、回收入场、回收后调运六个阶段，建立非线性整数规划模型，综合考虑逻辑约束与资源约束，从而精确计算出直升机出动回收的各个阶段的开始与结束时间，精确计算出直升机执行任务的开始与结束时间，保障人员工作的起止时间，保障设备的启用与停用时间，以及调运设备的启动与结束时间，得到直升机出动任务的任务窗时间和直升机在甲板作业的时间，为后续进行任务规划的调度提供了精确的时间。

（2）本申请采用混合精英变异策略的竞争粒子群算法对直升机六个阶段的开始时间和结束时间的求解，与传统的智能算法相比，算法中的精英变异与竞争机制能够平衡探索与开发能力，同时提升了收敛速度，能够更快得到求解的结果。

基于同样的发明构思，本申请实施例还提供了一种舰船直升机群波次出动回收任务规划调度系统。该系统所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个舰船直升机群波次出动回收任务规划调度系统实施例中的具体限定可以参见上文中对于舰船直升机群波次出动回收任务规划调度方法的限定，在此不再赘述。

在一个示例性的实施例中，如图2所示，提供了一种舰船直升机群波次出动回收任务规划调度系统包括以下模块。

模型建立模块，用于建立舰船直升机群波次出动回收任务规划模型；舰船直升机群波次出动回收任务规划模型包括：逻辑约束、资源约束和目标函数；逻辑约束为直升机六个阶段的工序约束及每个阶段的时序约束；直升机六个阶段依次包括：出动前调运阶段、机务勤务保障阶段、出动离场阶段、任务飞行阶段、回收入场阶段和回收后调运阶段；资源约束为直升机所需的调运设备、保障人员和供给性资源的约束；目标函数由直升机出动任务的任务窗满足率和直升机在舰船的甲板作业时间构成。

获取模块，用于获取出动回收任务需求；出动回收任务需求包括：任务波次集合、每个波次参与作业的直升机集合、每个波次任务的最早开始时间和最晚开始时间。

任务规划调度模块，用于基于出动回收任务需求，以逻辑约束和资源约束为约束条件，以目标函数值最小为目标，采用混合精英变异策略的竞争粒子群算法对直升机六个阶段的开始时间和结束时间求解，得到最优任务规划调度方案；混合精英变异策略的竞争粒子群算法是基于粒子群算法采用竞争的混合精英变异策略进行改进的算法。

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。

本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本申请的限制。

Claims (8)

1.一种舰船直升机群波次出动回收任务规划调度方法，其特征在于，所述舰船直升机群波次出动回收任务规划调度方法，包括：

建立舰船直升机群波次出动回收任务规划模型；所述舰船直升机群波次出动回收任务规划模型包括：逻辑约束、资源约束和目标函数；所述逻辑约束为直升机六个阶段的工序约束及每个阶段的时序约束；所述直升机六个阶段依次包括：出动前调运阶段、机务勤务保障阶段、出动离场阶段、任务飞行阶段、回收入场阶段和回收后调运阶段；所述资源约束为直升机所需的调运设备、保障人员和供给性资源的约束；所述目标函数由直升机出动任务的任务窗满足率和直升机在舰船的甲板作业时间构成；

获取出动回收任务需求；所述出动回收任务需求包括：任务波次集合、每个波次参与作业的直升机集合、每个波次任务的最早开始时间和最晚开始时间；

基于所述出动回收任务需求，以逻辑约束和资源约束为约束条件，以目标函数值最小为目标，采用混合精英变异策略的竞争粒子群算法对直升机六个阶段的开始时间和结束时间求解，得到最优任务规划调度方案；混合精英变异策略的竞争粒子群算法是基于粒子群算法采用竞争的混合精英变异策略进行改进的算法；

每个直升机的每个阶段包括多个工序；所述目标函数的计算公式为：

；

；

；

；

；

其中，为目标函数值；和均为权重值；为直升机出动任务的任务窗满足率的最大值；为直升机出动任务的任务窗满足率的最小值；为直升机出动任务的任务窗满足率；为直升机在舰船的甲板作业时间；为直升机在舰船的甲板作业时间的最大值；为直升机在舰船的甲板作业时间的最小值；为第波次的任务窗满足条件；为任务波次集合；为第波次任务的最早开始时间；为第波次第架直升机在第4阶段的第道工序的开始时间；为第波次任务的最晚开始时间；为第波次第架直升机在第2阶段的第道工序的结束时间；为第波次第架直升机在第1阶段的第道工序的开始时间；为第波次第架直升机在第6阶段的第道工序的结束时间；为第波次第架直升机在第6阶段的第道工序的开始时间；

每个波次中包括多个直升机；每个直升机的每个阶段包括多个工序；

基于所述出动回收任务需求，以逻辑约束和资源约束为约束条件，以目标函数值最小为目标，采用混合精英变异策略的竞争粒子群算法对直升机六个阶段的开始时间和结束时间求解，得到最优任务规划调度方案，具体包括：

采用随机数对出动回收任务需求中出动前调运阶段的每个工序、机务勤务保障阶段的每个工序和回收后调运阶段的每个工序进行编码，得到多个编码个体，多个编码个体形成初始化种群；

根据随机数大小，确定每个编码个体的优先级；

根据每个编码个体的优先级对每个编码个体进行排序，得到多个排序后的编码个体；

以逻辑约束和资源约束为约束条件，采用串行调度机制对每个排序后的编码个体进行解码，得到多个任务规划调度方案；所述任务规划调度方案包括：出动前调运阶段的开始时间和结束时间、机务勤务保障阶段的开始时间和结束时间，以及回收后调运阶段的开始时间和结束时间；每个任务规划调度方案对应一个解码个体，多个解码个体形成第一种群；

根据出动前调运阶段的开始时间和结束时间、机务勤务保障阶段的开始时间和结束时间，以及回收后调运阶段的开始时间和结束时间，计算出动离场阶段的开始时间和结束时间、任务飞行阶段的开始时间和结束时间，以及回收入场阶段的开始时间和结束时间；

根据任务飞行阶段的开始时间和结束时间、出动前调运阶段的开始时间和结束时间、机务勤务保障阶段的开始时间和结束时间，以及回收后调运阶段中的开始时间和结束时间，计算每个解码个体的目标函数值；

判断当前迭代轮次是否达到预设的最大迭代轮次；

若是，则将目标函数值最小的解码个体确定为最优任务规划调度方案；

若否，则引入混合精英变异策略的粒子群对第一种群进行优化，得到子代种群，对子代种群重新解码，并计算子代种群中每个编码个体的目标函数值。

2.根据权利要求1所述的舰船直升机群波次出动回收任务规划调度方法，其特征在于，所述逻辑约束包括：调运阶段约束、机务勤劳保障阶段约束、出动离场阶段约束、任务飞行阶段约束、回收入场阶段约束和波次作业衔接约束。

3.根据权利要求1所述的舰船直升机群波次出动回收任务规划调度方法，其特征在于，所述资源约束包括：调运设备约束、保障人员约束、保障设备约束、供给性资源约束和资源分配约束。

4.根据权利要求1所述的舰船直升机群波次出动回收任务规划调度方法，其特征在于，以逻辑约束和资源约束为约束条件，采用串行调度机制对每个排序后的编码个体进行解码，得到多个任务规划调度方案，具体包括：

基于每个波次的最早开始时间，计算出每个波次的计划出动作业结束时间和计划回收作业开始时间，并按时间进行升序排列生成作业集合；所述出动作业依次包括：出动前调运阶段、机务勤务保障阶段和出动离场阶段；所述回收作业依次包括：回收入场阶段和回收后调运阶段；

按照每个编码个体的优先级的顺序，以逻辑约束和资源约束为约束条件，对每个编码个体的出动作业和回收作业中每个阶段的每个工序进行解码，确定每个解码个体的出动作业和回收作业中每个阶段的开始时间和结束时间；

根据每个解码个体的出动作业和回收作业中每个阶段的开始时间和结束时间，确定每个解码个体对应的任务规划调度方案，得到多个任务规划调度方案。

5.根据权利要求1所述的舰船直升机群波次出动回收任务规划调度方法，其特征在于，引入混合精英变异策略的粒子群对第一种群进行优化，得到子代种群，具体包括：

随机生成一定数量的粒子，并增加到所述第一种群中，得到第二种群；一个粒子为一个编码个体；

将第二种群中的编码个体进行随机匹配，得到粒子对；一个粒子对包括：两个编码个体；

分别计算粒子对中两个编码个体的目标函数值，得到粒子对中每个编码个体的目标函数值；

将粒子对中每个编码个体的目标函数值较低的编码个体进行反向变异策略进化，得到变异后的编码个体；

将粒子对中每个编码个体的目标函数值较高的编码个体进行粒子学习，得到学习后的编码个体；

基于变异后的编码个体和学习后的编码个体构成子代种群。

6.根据权利要求5所述的舰船直升机群波次出动回收任务规划调度方法，其特征在于，变异后的编码个体的表达式为：

；

其中，为变异后的编码个体的随机数；为第一编码个体的目标函数值和第二编码个体的目标函数值中较低的编码个体的随机数。

7.根据权利要求5所述的舰船直升机群波次出动回收任务规划调度方法，其特征在于，学习后的编码个体的表达式为：

；

其中，为学习后的编码个体的随机数；为第一编码个体的目标函数值和第二编码个体的目标函数值中较高的编码个体的随机数；为学习步长系数；为第一编码个体的目标函数值和第二编码个体的目标函数值中较低的编码个体的随机数。

8.一种舰船直升机群波次出动回收任务规划调度系统，其特征在于，所述舰船直升机群波次出动回收任务规划调度系统包括：

模型建立模块，用于建立舰船直升机群波次出动回收任务规划模型；所述舰船直升机群波次出动回收任务规划模型包括：逻辑约束、资源约束和目标函数；所述逻辑约束为直升机六个阶段的工序约束及每个阶段的时序约束；所述直升机六个阶段依次包括：出动前调运阶段、机务勤务保障阶段、出动离场阶段、任务飞行阶段、回收入场阶段和回收后调运阶段；所述资源约束为直升机所需的调运设备、保障人员和供给性资源的约束；所述目标函数由直升机出动任务的任务窗满足率和直升机在舰船的甲板作业时间构成；

获取模块，用于获取出动回收任务需求；所述出动回收任务需求包括：任务波次集合、每个波次参与作业的直升机集合、每个波次任务的最早开始时间和最晚开始时间；

任务规划调度模块，用于基于所述出动回收任务需求，以逻辑约束和资源约束为约束条件，以目标函数值最小为目标，采用混合精英变异策略的竞争粒子群算法对直升机六个阶段的开始时间和结束时间求解，得到最优任务规划调度方案；混合精英变异策略的竞争粒子群算法是基于粒子群算法采用竞争的混合精英变异策略进行改进的算法；

每个直升机的每个阶段包括多个工序；所述目标函数的计算公式为：

；

；

；

；

；

其中，为目标函数值；和均为权重值；为直升机出动任务的任务窗满足率的最大值；为直升机出动任务的任务窗满足率的最小值；为直升机出动任务的任务窗满足率；为直升机在舰船的甲板作业时间；为直升机在舰船的甲板作业时间的最大值；为直升机在舰船的甲板作业时间的最小值；为第波次的任务窗满足条件；为任务波次集合；为第波次任务的最早开始时间；为第波次第架直升机在第4阶段的第道工序的开始时间；为第波次任务的最晚开始时间；为第波次第架直升机在第2阶段的第道工序的结束时间；为第波次第架直升机在第1阶段的第道工序的开始时间；为第波次第架直升机在第6阶段的第道工序的结束时间；为第波次第架直升机在第6阶段的第道工序的开始时间；

每个波次中包括多个直升机；每个直升机的每个阶段包括多个工序；

基于所述出动回收任务需求，以逻辑约束和资源约束为约束条件，以目标函数值最小为目标，采用混合精英变异策略的竞争粒子群算法对直升机六个阶段的开始时间和结束时间求解，得到最优任务规划调度方案，具体包括：

采用随机数对出动回收任务需求中出动前调运阶段的每个工序、机务勤务保障阶段的每个工序和回收后调运阶段的每个工序进行编码，得到多个编码个体，多个编码个体形成初始化种群；

根据随机数大小，确定每个编码个体的优先级；

根据每个编码个体的优先级对每个编码个体进行排序，得到多个排序后的编码个体；

以逻辑约束和资源约束为约束条件，采用串行调度机制对每个排序后的编码个体进行解码，得到多个任务规划调度方案；所述任务规划调度方案包括：出动前调运阶段的开始时间和结束时间、机务勤务保障阶段的开始时间和结束时间，以及回收后调运阶段的开始时间和结束时间；每个任务规划调度方案对应一个解码个体，多个解码个体形成第一种群；

根据出动前调运阶段的开始时间和结束时间、机务勤务保障阶段的开始时间和结束时间，以及回收后调运阶段的开始时间和结束时间，计算出动离场阶段的开始时间和结束时间、任务飞行阶段的开始时间和结束时间，以及回收入场阶段的开始时间和结束时间；

根据任务飞行阶段的开始时间和结束时间、出动前调运阶段的开始时间和结束时间、机务勤务保障阶段的开始时间和结束时间，以及回收后调运阶段中的开始时间和结束时间，计算每个解码个体的目标函数值；

判断当前迭代轮次是否达到预设的最大迭代轮次；

若是，则将目标函数值最小的解码个体确定为最优任务规划调度方案；

若否，则引入混合精英变异策略的粒子群对第一种群进行优化，得到子代种群，对子代种群重新解码，并计算子代种群中每个编码个体的目标函数值。