一种航班调度方法和装置的制造方法
【技术领域】
[0001] 本发明实施例设及信息技术，尤其设及一种航班调度方法和装置。
【背景技术】
[0002] 随着我国空中交通运输事业取得的发展，飞行流量快速增加，枢纽机场W及主干 航路的容量日渐饱和，空中交通拥堵现象逐步加剧，导致大面积航班延误，不但造成巨大的 经济损失，而且严重影响飞行运行安全，已成为影响我国航空运输业发展的焦点问题。解 决空中交通拥堵问题最有效、最经济的手段是空中交通流量管理，即通过先期的航班计划 优化和实时的飞行流量控制等措施，减少不同航班对有限的航路资源和时刻资源的使用冲 突，进而保障空中交通系统的安全、有序、顺畅地运行。
[0003] 智能优化算法（Intelligent Optimization Algorithm)，又称智能计算 (Intelligent Computation)，是通过模拟或揭示某些自然现象或过程发展而来的优化算 法，其中的粒子群算法（Particle Swarm化timization，简称PS0)是一种模仿鸟类群体行 为的智能优化算法，基本思想是通过群体中个体之间的协作和信息共享来寻找最优解。
[0004] 基本PS0算法由于采用全联通网络结构，其获取结果的收敛速度较慢。
【发明内容】
[0005] 本发明实施例提供一种航班调度方法和装置，W克服现有技术中获取结果的速度 较慢的问题。
[0006] 本发明实施例的第一方面提供一种航班调度方法，包括：
[0007] 获取时间段T内在第一机场待降落的D架飞机的计划到达时间段和的空中等待成 本；其中，第d架飞机的计划到达时间段为A(d)，第d架飞机的空中等待成本为Ca化At)， At为空中等待时长，时间段T包括m个安全着陆时间段Ti、T2、…、Tm，A(d)为Ti、T2、…、 Tm中的一个时间段，dG[1，D];
[000引随机生成X个粒子，并根据无标度网络的产生机制建立初始状态各个粒子的网络 拓扑；其中，X大于D，每个粒子包括D维位置矢量和D维速度矢量，所述D维位置矢量中的 第d个元素为第d架飞机的着陆时间段L(d)，且L(d)大于等于A(d)，所述D维速度矢量中 的第d个元素为第d架飞机的着陆时间段的迭代改变量；所述各个粒子中的第i个粒子的 网络拓扑包括第i个粒子与所述X个粒子中除该粒子之外的其他粒子之间的相邻关系；根 据初始状态各个粒子的位置矢量和各个飞机的空中等待成本，计算各个粒子当前的位置矢 量对应的航班总延误成本，确定各个粒子当前的位置矢量对应的航班总延误成本为各个粒 子的初始的自身历史最好位置；根据各个粒子的当前的位置矢量对应的航班总延误成本和 所述初始状态各个粒子的网络拓扑，确定各个粒子的邻居最好位置和所述X个粒子的全局 最好位置；其中，第i个粒子的邻居最好位置为当前与第i个粒子直接相邻的粒子的自身历 史最好位置中对应的航班总延误成本最小的粒子的自身历史最好位置；所述X个粒子的全 局历史最好位置为所述X个粒子的当前自身历史最好位置中对应的航班总延误成本最小 的自身历史最好位置；
[0009] 开始迭代过程，所述迭代过程包括（1)至（3);
[0010] (1)分别根据各个粒子的自身历史最好位置和邻居最好位置，更新各个粒子的速 度矢量；分别根据各个粒子的更新后的速度矢量，更新各个粒子的位置矢量；
[0011] (2)根据更新后的各个粒子的位置矢量和各个飞机的空中等待成本，计算各个粒 子当前的位置矢量对应的航班总延误成本，并根据由更新后的各个粒子的位置矢量计算的 各个粒子的航班总延误成本，确定各个粒子的自身历史最好位置、邻居最好位置和所述X 个粒子的全局历史最好位置；其中，第i个粒子的自身历史最好位置为在迭代过程中第i个 粒子的所有位置矢量中对应的航班总延误成本最小的位置矢量；
[0012] (3)判断本次迭代是否达到迭代终止条件，若达到所述迭代终止条件，则确定当前 全局历史最好位置中的D个元素为所述待着陆飞机中各架飞机的着陆时间段，停止迭代过 程；若未达到所述迭代终止条件，则进一步判断本次迭代是否达到拓扑自适应调整口限，若 本次迭代达到所述拓扑自适应调整口限，则对各个粒子的网络拓扑进行调整；所述调整包 括；选择当前所述X个粒子中自身历史最好位置对应的航班总延误成本最小的P个第一粒 子和所述X个粒子中自身历史最好位置对应的航班总延误成本最大的Q个第二粒子，对每 个所述第一粒子，随机选择第一边调整个数个第=粒子，增加第一粒子与每个第=粒子之 间的相邻关系，对每个所述第二粒子，在与所述第二粒子直接相邻的粒子中，随机选择第二 边调整个数个第四粒子，删除第二粒子与每个第四粒子之间的相邻关系，执行（1);
[0013] 分别将所述待着陆飞机中的各架飞机的着陆时间段发送给对应的飞机。
[0014] 进一步地，所述根据初始状态各个粒子的位置矢量和各个飞机的空中等待成本， 计算各个粒子的当前的位置矢量对应的航班总延误成本，包括：
[0015] 根捐
I计算第i个粒子的当前的位置矢量对应的航班总延 误成本；
[0016] 其中，L,(d)为初始状态第i个粒子的位置矢量中的第d架飞机的着陆时间段， A(d)为第d架飞机的计划到达时间段，Ca化At)为第d架飞机空中等待时长为At时的 成本；
[0017] 所述根据更新后的各个粒子的位置矢量和各个飞机的空中等待成本，计算各个粒 子当前的位置矢量对应的航班总延误成本，并根据由更新后的各个粒子的位置矢量计算的 各个粒子的航班总延误成本，包括：
[0018] 根据
计算第i个粒子的当前位置矢量对应的航班总延误 成本；
[0019] 其中，Li(d)为更新后的第i个粒子的位置矢量中的第d架飞机的着陆时间段， A(d)为第d架飞机的计划到达时间段，Ca化At)为第d架飞机空中等待时长为At时的 成本。
[0020] 进一步地，所述分别根据各个粒子的自身历史最好位置和邻居最好位置，更新各 个粒子的速度矢量，分别根据各个粒子的更新后的速度矢量更新各个粒子的位置矢量，具 体包括：
[0021] 对于每一个粒子，依次根据
[00巧V"二乂小'/'+('iX/;x0V' -x/) + ￡']xr]X(八/ -A'/'：)]更新第i个粒子的速度矢量 中的第d个元素，dG[1，D];其中，vf，胃为第i个粒子的第d个元素更新后的速度矢量， vf为第i个粒子的第d个元素更新前的速度矢量，Pid为第i个粒子的历史最好位置Pi的 第d个元素，Pgd为第i个粒子的历史邻居最好位置的第d个元素，C1为预设的自我学习因 子，C2为预设的社会学习因子，ri和r2为[Oa]间的随机数；X为预设的收缩因子；
[0023] 对于每一个粒子，依次根据xf胃=x/+v/更新第i个粒子的位置矢量中的第d个 元素，dG[1，D];其中，第i个粒子的第d个元素更新后的位置矢量，x/第i个粒子 的第d个元素更新前的位置矢量。
[0024] 进一步地，所述第一机场在Ti、T2、…、Tm时间段的可用跑道容量分别为C1、C2、…、 Cm，则
[0025] 对于初始状态随机生成的任一粒子中的位置矢量中的D个元素对应的D架飞机的 着陆时间W及在迭代过程中的任一粒子更新后的位置矢量中的D个元素对应的D架飞机的 着陆时间满足第一约束条件，所述第一约束条件具体包括：
[0026] 在Ti、T2、…、Tm各个时间段着陆的飞机的数量小于各个时间段的可用跑道容量； 其中，所述第一机场在时间段T内的可用跑道次大于X。
[0027] 进一步地，所述随机选择第一边调整个数个第=粒子，增加第一粒子与每个第= 粒子之间的相邻关系，具体包括：
[002引在与所述第一粒子不直接相邻的粒子中，随机选择第一边调整个数个第=粒子， 增加第一粒子与每个第=粒子之间的相邻关系；
[0029] 所述在与所述第二粒子直接相邻的粒子中，随机选择第二边调整个数个第四粒 子，删除第二粒子与每个第四粒子之间的相邻关系，还具体包括：
[0030] 若与所述第二粒子直接相邻的粒子的个数小于或等于所述第二边调整个数，则在 与所述第二粒子相邻的粒子中，随机删除第=边调整个数个第四粒子与所述第二粒子之间 的相邻关系，所述第=边调整个数为与所述第二粒子直接相邻的粒子的个数减一。
[0031] 进一步地，所述选择所述X个粒子中自身历史最好位置对应的航班总延误成本最 小的P个第一粒子和所述X个粒子中自身历史最好位置对应的航班总延误成本最大的Q个 第二粒子，包括：
[0032] 根据预设的第一调整概率，选择所述X个粒子中自身历史最好位置对应的航班总 延误成本最小的P个第一粒子；根据预设的第二调整概率选择所述X个粒子中自身历史最 好位置对应的航班总延误成本最大的Q个第二粒子；
[0033] 进一步地，P等于X与所述第一调整概率的乘积；Q等于X与所述第二调整概率的 乘积。
[0034] 进一步地，所述第一预设调整概率等于所述第二预设调整概率。
[0035]本发明实施例的第二方面提供一种航班调度装置，包括：
[0036] 获取模块，用于获取时间段T内在第一机场待降落的D架飞机的计划到达时间段 和空中等待成本；其中，第d架飞机的计划到达时间段为A(d)