一种基于遗传算法的加油车和摆渡车协同调度方法与流程

本发明属于预测理论与方法技术领域，具体涉及一种基于遗传算法的加油车和摆渡车协同调度方法。

背景技术：

目前，多数机场航班的地面保障车辆调度还停留在人工管理阶段，面临调度效率低，对恶劣天气和车辆故障等突发状况应对能力不足等问题。另外，不同保障车辆分别隶属于不同的部门，但是航班地面服务常常需要多个保障车辆，因此需要综合各部门的保障任务，进行协同调度。

现有技术中，主要研究都是针对单一类型保障车辆调度展开的。举例如下：(1)针对航班过站作业中的拖车作业调度进行了研究，将拖车作业调度问题描述为带有时间窗约束的vrp，以最小化运营成本为优化目标、以拖车运营限制为约束建立了mip模型，使用了列代启发式算法对模型进行了求解。(2)在分析航班延误规律的基础上，采用simio仿真软件分别对加油车和摆渡车的调度进行仿真，提出基于平衡设备工作量和航班延误最少的双优化目标，建立了优化模型。(3)基于博弈论对机场除冰车的调度进行的研究，以最小化除冰服务引起的航班延误、最小化除冰车的行驶距离为目标，对机场除冰车的优化调度进行了研究，并基于瑞典阿兰达机场实际运行数据的实验，论证了优化调度模型的有效性。(4)以最小化车辆总流转时间为目标，分别进行了牵引车、清水车、清洁车的单独调度。

可见，现有的针对单一类型保障车辆调度展开的研究，由于研究目标为单一类型保障车辆，没有实现不同类型保障车辆之间的协同调度，因此，已无法满足机场运行需求。

技术实现要素：

针对现有技术存在的缺陷，本发明提供一种基于遗传算法的加油车和摆渡车协同调度方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种基于遗传算法的加油车和摆渡车协同调度方法，包括以下步骤：

步骤1，建立加油车和摆渡车的协同调度模型；所述协同调度模型包括优化目标函数和约束条件；

其中，所述优化目标函数包括第1优化目标函数和第2优化目标函数；

第1优化目标函数为：

即：最小化所需要的加油车和摆渡车总数；

第2优化目标函数为：

即：最小化航班服务总开始时间；

所述约束条件包括以下13个约束条件：

ai≤si≤bi,i＝1,2,...,n(17)

si+pi≤ti≤di,i＝1,2,...,n(18)

si+pi+hij+m(xik+xjk-2)≤sj+m(1-uij)(19)

ti+qi+h'ij+m(yil+yjl-2)≤tj+m(1-vij)(20)

xik+xjk-1≤uij+uji≤1(21)

yil+yjl-1≤vij+vji≤1(22)

其中：

式(3)和(4)分别表示每个航班由并且只能由一辆加油车和一辆摆渡车进行服务；

式(5)和(6)分别表示每个航班的加油服务开始时间和上客服务开始时间的取值范围；

式(7)和(8)表示航班i和航班j之间的加油服务和上客服务时间约束关系，其中，i＜j，m为一个足够大的常量，当且仅当xik＝xjk＝uij＝1时，存在约束si+pi+hij≤sj，同理，当且仅当yil＝yjl＝vij＝1时，存在约束ti+qi+h'ij≤tj，其它情况下，式(7)和(8)为恒成立的不等式；

式(9)和(10)表示决策变量之间的关系；

其中，在上述加油车和摆渡车的协同调度模型中，输入变量和决策变量分别为：

(1)输入变量包括：

m1：加油车总数量；

m2：摆渡车总数量；

n：停在不同机位上需要接受服务的航班总数量；

ai：航班i接受加油服务所允许的最早服务开始时间；

bi：航班i接受加油服务所允许的最晚服务开始时间；

ci：航班i接受上客服务所允许的最早服务开始时间；

di：航班i接受上客服务所允许的最晚服务开始时间；

pi：航班i需要的加油服务时间；

qi：航班i需要的上客服务时间；

hij：加油车从航班i所在机位到达航班j所在机位所需要的时间；

h'ij：摆渡车从航班i所在机位到达航班j所在机位所需要的时间；

其中，i,j＝1,2,...,n,i≠j；

(2)决策变量包括：

xik：加油车k是否指派给航班i；

xjk：加油车k是否指派给航班j；

yil：摆渡车l是否指派给航班i；

yjl：摆渡车l是否指派给航班j；

zk：加油车k是否被使用；

z'l：摆渡车l是否被使用；

si：表示航班i的加油服务开始时间，i＝1,2,...,n

ti：表示航班i的上客服务开始时间，i＝1,2,...,n；

sj：表示航班j的加油服务开始时间，j＝1,2...n

tj：表示航班j的上客服务开始时间，j＝1,2...n；

步骤2，基于多目标遗传算法对所述加油车和摆渡车的协同调度模型进行求解，求解方法包括如下步骤：

步骤2.1，选用crtbp函数创建任意离散随机种群；

步骤2.2，按照第1优化目标函数和第2优化目标函数，将步骤2.1生成的种群按照并列选择法均等地划分为第1子种群和第2子种群；

步骤2.3，对于第1子种群和第2子种群，分别按照标准遗传算法流程进行适应度计算和选择操作，从第1子种群和第2子种群中分别选择出若干个适应度高的个体组成两个新的子种群，记为新的第1子种群和新的第2子种群；

步骤2.4，将所述新的第1子种群和新的第2子种群合并成一个完整的种群，并在所述完整的种群中进行交叉和变异操作，从而生成下一代的完整种群；

步骤2.5，若进化代数达到终止进化代数，算法结束，输出结果；否则，重复步骤2.2—步骤2.4。

本发明提供的一种基于遗传算法的加油车和摆渡车协同调度方法具有以下优点：

本发明提供的基于遗传算法的加油车和摆渡车协同调度方法，可以有效反映不同服务之间的约束关系，更加符合机场航班地面服务实际。使用多目标遗传算法对加油车和摆渡车的协同调度模型进行求解，可以得到一组pareto最优解，可供业务部门工作人员按照需求协同决策，从而实现了加油车和摆渡车的协同调度。

附图说明

图1为航空器接受保障车辆服务的示意图。

图2显示了b767、b787、a330-200等机型国内过站航班标准保障流程；

图3为并列选择法的示意图。

图4为对协同调度模型求解得到的pareto最优解(第1优化目标函数最优)对应的调度方案的甘特图图示；其中，横轴表示时间(以16:16为参照时间，单位：分钟)，纵轴表示航班。

图5为对协同调度模型求解得到的pareto最优解(第1优化目标函数最优)对应的加油车指派结果图；

图6为对协同调度模型求解得到的pareto最优解(第1优化目标函数最优)对应的加油车服务时间示意图；

图7为对协同调度模型求解得到的pareto最优解(第1优化目标函数最优)对应的摆渡车指派结果图；

图8为对协同调度模型求解得到的pareto最优解(第1优化目标函数最优)对应的摆渡车服务时间示意图。

具体实施方式

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明提供一种基于遗传算法的加油车和摆渡车协同调度方法，包括按顺序进行的下列步骤：

步骤1，建立加油车和摆渡车的协同调度模型；所述协同调度模型包括优化目标函数和约束条件；

优化目标函数：

如图1所示，在机场停机坪上，共有m1辆加油车和m2辆摆渡车以及n个停在不同机位上需要接受服务的航班。图2列出部分机型过站航班保障流程，用pi表示航班i的加油服务时间，qi表示航班i的上客服务时间，[ai,bi]表示航班i加油服务开始时间的时间窗，[ci,di]表示航班i上客服务开始时间的时间窗，根据加油服务和上客服务之间的时间约束关系，不难得出，[ai,bi]应早于[ci,di]。假定n个航班按照加油服务最早开始时间ai升序排序，即a1＜a2＜...＜ai＜ai+1＜...＜an。

结合机场运行实际需求，设定加油车和摆渡车协同调度优化目标如下：

1)最小化所需要的加油车和摆渡车的总数量，即完成当前航班加油和上客服务至少需要的车辆数目。

2)最小化航班服务总开始时间，即航班的服务开始时间应尽可能提前，为机场运行中可能出现的突发事件预留出尽可能多的处理时间，确保航班计划准时执行。

本发明基于如下假设：每个航班接受加油服务和上客服务各一次，并且只需要一辆加油车和一辆摆渡车；每辆加油车和摆渡车的总服务时间没有限制；服务一旦开始，直到完成之前不会中断。

因此，建立以下优化目标函数，优化目标函数包括第1优化目标函数和第2优化目标函数；

第1优化目标函数为：

即：最小化所需要的加油车和摆渡车总数；

第2优化目标函数为：

即：最小化航班服务总开始时间；

约束条件：

如果航班i和航班j可以使用同一辆加油车进行加油服务，需要满足：si+pi+hij≤bj，sj＝max{si+pi+hij,aj}；其中，aj：航班j接受加油服务所允许的最早服务开始时间；bj：航班j接受加油服务所允许的最晚服务开始时间；

如果航班i和航班j可以使用同一辆摆渡车进行上客服务，需要满足：ti+qi+h'ij≤dj，此时，tj＝max{ti+qi+h'ij,cj}；其中，dj：航班j接受上客服务所允许的最晚服务开始时间；cj：航班j接受上客服务所允许的最早服务开始时间；

在协同调度模型中，对于同一个航班i，当加油服务完成后，可进行上客服务，因而所允许的最早上客服务开始时间为：ci＝si+pi≤ti。

由ai≤si知，ai＜ci；在机场航班地面服务实际中，[ai,bi]的区间长度小于pi，即bi-ai＜pi，因而实际中总是满足bi＜ai+pi≤si+pi≤di，即bi＜di。

综上，协同调度模型的约束条件如下：

ai≤si≤bi,i＝1,2,...,n(29)

si+pi≤ti≤di,i＝1,2,...,n(30)

si+pi+hij+m(xik+xjk-2)≤sj+m(1-uij)(31)

ti+qi+h'ij+m(yil+yjl-2)≤tj+m(1-vij)(32)

xik+xjk-1≤uij+uji≤1(33)

yil+yjl-1≤vij+vji≤1(34)

其中：

式(3)和(4)分别表示每个航班由并且只能由一辆加油车和一辆摆渡车进行服务；

式(5)和(6)分别表示每个航班的加油服务开始时间和上客服务开始时间的取值范围；

式(7)和(8)表示航班i和航班j之间的加油服务和上客服务时间约束关系，其中，i＜j，m为一个足够大的常量，当且仅当xik＝xjk＝uij＝1时，存在约束si+pi+hij≤sj，同理，当且仅当yi^l＝yjl＝vij＝1时，存在约束ti+qi+h'ij≤tj，其它情况下，式(7)和(8)为恒成立的不等式；

式(9)和(10)表示决策变量之间的关系；

其中，在上述加油车和摆渡车的协同调度模型中，输入变量和决策变量分别为：

(1)输入变量包括：

m1：加油车总数量；

m2：摆渡车总数量；

n：停在不同机位上需要接受服务的航班总数量；

ai：航班i接受加油服务所允许的最早服务开始时间；

bi：航班i接受加油服务所允许的最晚服务开始时间；

ci：航班i接受上客服务所允许的最早服务开始时间；

di：航班i接受上客服务所允许的最晚服务开始时间；

pi：航班i需要的加油服务时间；

qi：航班i需要的上客服务时间；

hij：加油车从航班i所在机位到达航班j所在机位所需要的时间；

h'ij：摆渡车从航班i所在机位到达航班j所在机位所需要的时间；

其中，i,j＝1,2,...,n,i≠j；

(2)决策变量包括：

xik：加油车k是否指派给航班i；

xjk：加油车k是否指派给航班j；

yil：摆渡车l是否指派给航班i；

yjl：摆渡车l是否指派给航班j；

zk：加油车k是否被使用；

z'l：摆渡车l是否被使用；

si：表示航班i的加油服务开始时间，i＝1,2,...,n

ti：表示航班i的上客服务开始时间，i＝1,2,...,n；

sj：表示航班j的加油服务开始时间，j＝1,2...n

tj：表示航班j的上客服务开始时间，j＝1,2...n；

步骤2，基于多目标遗传算法对所述加油车和摆渡车的协同调度模型进行求解；

加油车和摆渡车协同调度模型是一个典型的多目标优化问题。对于多目标优化问题，一般是求解其pareto最优解。多目标优化问题的pareto最优解只是问题的一个可以接受的“非劣解”，并且多目标优化问题一般都存在多个pareto最优解；

加油车和摆渡车协同调度模型的求解方法包括如下步骤：

步骤2.1，选用crtbp函数创建任意离散随机种群；

步骤2.2，按照第1优化目标函数和第2优化目标函数，将步骤2.1生成的种群按照图3所示的并列选择法均等地划分为第1子种群和第2子种群；

步骤2.3，对于第1子种群和第2子种群，分别按照标准遗传算法流程进行适应度计算和选择操作，从第1子种群和第2子种群中分别选择出若干个适应度高的个体组成两个新的子种群，记为新的第1子种群和新的第2子种群；

步骤2.4，将所述新的第1子种群和新的第2子种群合并成一个完整的种群，并在所述完整的种群中进行交叉和变异操作，从而生成下一代的完整种群；

步骤2.5，若进化代数达到终止进化代数，算法结束，输出结果；否则，重复步骤2.2—步骤2.4。

本发明提供的基于遗传算法的加油车和摆渡车协同调度方法，通过分析机场过站航班保障的业务流程，确定了加油服务和上客服务的时间约束关系。例如，图2显示了b767、b787、a330-200等机型国内过站航班标准保障流程，从图2可以看出不同服务之间的约束关系，如只有加油服务完成后才能进行上客服务。

然后。并在此基础上，以至少需要的保障车辆数目和服务总开始时间最早为目标研究构建了远机位航班加油服务和上客服务的协同调度模型，并给出了基于多目标遗传算法的模型求解方法。基于机场实际运行数据的实验结果表明，所提出的模型能较好地解决加油车和摆渡车协同调度问题，并通过实验得到一组pareto最优解，图4对协同调度模型求解得到的pareto最优解(目标一最优)对应的调度方案的甘特图图示，横轴表示时间(以16:16为参照时间，单位：分钟)，纵轴表示航班。图5-图8为对协同调度模型求解得到的pareto最优解(目标一最优)对应的加油车和摆渡车的调度方案图示。其中，图5为加油车指派结果，如编号为4的加油车指派给编号为9、10、12和16的航班；图6为加油车的服务时间示意，指示了每辆加油车的服务开始时间和服务时间。相应的，图7为摆渡车指派结果，图8为摆渡车的服务时间示意，可为业务部门提供决策支持。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。