一种机场机位分配方法组成比例

本发明专利技术公开了一种机场机位分配方法，包括：根据预分配航班表中航班信息，建立各航班中进港机位和离港机位的所有组合对应的初始Q表；采用ε贪婪搜索方法在各航班中均筛选出一个进港机位和离港机位组合，作为表征各航班的基因组；各航班按顺序排列后，相应基因组构成染色体，并计算其适应度；根据各航班回报值更新Q表；经过多次迭代染色体和更新Q表，得到机位分配方案。本发明专利技术不依赖初始种群的生成，且计算收敛速度快，同时通过本发明专利技术获取的机场分配方案能极大提高机场机位的利用率。

An Airport Location Allocation Method

The invention discloses an airport seat allocation method, which includes: establishing an initial Q table corresponding to all combinations of inbound and outbound seats in each flight according to the flight information in the pre-allocated flight schedule; screening out an inbound and outbound seat combination in each flight by means of epsilon greedy search method as a genome to characterize each flight in sequence; The chromosomes should be constituted by genome, and their fitness should be calculated. The Q-table should be updated according to the return value of each flight. After repeated iterations of chromosomes and Q-table, the allocation of seats can be obtained. The invention does not depend on the generation of the initial population, and the calculation convergence speed is fast. At the same time, the airport allocation scheme obtained by the invention can greatly improve the utilization rate of the airport seat.

【技术实现步骤摘要】
一种机场机位分配方法
本专利技术属于调度分配领域，更具体地，涉及一种机场机位分配方法。
技术介绍
机位分配问题是NP(Non-deterministicPolynomial)完全问题，国内的很多机场仍然采用人工分配的方法，然而，随着机场规模的不断扩大，机位分配方案呈指数增长，这给工作人员带来了巨大的工作量，实现机位分配的智能化与便捷化迫在眉睫。机位分配问题的解决，可充分利用机场资源，提高机场运行效益和服务质量，通常可采用各种现代数值求解算法例如传统遗传算法、模拟退火算法等。传统遗传算法求解机位分配方案，是一种可行的方案。但是传统遗传算法求解结果很不稳定，弱化了机位、机型约束，交叉、变异时需要自我纠正，收敛速度慢、初始种群生成困难等问题。
技术实现思路
针对现有技术的缺陷，本专利技术的目的在于提供一种机场机位分配方法，旨在解决传统遗传因机位机型约束单一，同时对初始化种群的依赖较大而导致机位利用率低的问题。为实现上述目的，本专利技术提供了一种机场机位分配方法，包括：(1)根据预分配航班表中航班信息，建立各航班各动作对应的初始Q表；具体包括如下步骤：(1.1)获取航班和机场机位信息；所述信息包括：航班编号、机型、是否为公务、是否为VIP、是否为国际航线、进港时刻、离港时刻、机场调度业务规则信息及每个机位对应机型约束信息；(1.2)根据上述信息，确定各航班中进港机位和离港机位的组合；具体地，各航班采用进港机位和离港机位表示，将进港机位和离港机位作为航班对应的两个基因，即在染色体中位于奇偶位相邻两个基因代表一个航班；优选地，对每个航班而言，所有可能的基因组合称为该航班对应的动作空间；(1.3)对各航班中进港机位和离港机位组合进行Q表初始化；优选地，Q表初始化过程为：根据机场业务硬约束、软约束规则，对于各航班中进港机位和离港机位组合，满足约束条件赋予正数，不满足约束条件赋予负数；(2)对各航班中进港机位和离港机位组合采用ε贪婪搜索算法选择；优选地，ε贪婪搜索算法为：随机设定阈值α，当ε＜α时，在各航班动作中筛选最大Q值对应的进港机位和离港机位组合，否则，在各航班中均随机筛选任一进港机位和离港机位组合；(3)根据选择的各航班进港机位和离港机位组合构建染色体，并计算染色体的适应度；优选地，根据上述ε贪婪搜索算法筛选获取的各航班进港机位和离港机位组合，利用动作-基因映射表构建航班数目两倍大小的染色体，更为具体地，染色体由N个航班筛选的进港机位和离港机位组合组成；优选地，对染色体而言，因N个基因组中基因的不同构建的染色体集合称为状态空间；将染色体中包含的目标优化函数作为适应度函数，即出港靠桥次数、空闲时间、拖拽次数；但考虑到多个目标单位和影响幅度的不同，本专利技术采用归一化方法和权重系数法解决多目标优化的问题，具体适应度值的计算公式为：F＝αBr+βFt+γRn其中：其中，Ft代表空闲时间，Br代表靠桥次数，Rn代表拖拽次数，F代表适应度值，α，β，γ是常数；(4)检验染色体是否符合约束条件，将符合约束条件的染色体适应度值作为各航班的回报值；具体地，上述获取的染色体通过约束检验函数(Check)检验是否符合条件约束；若符合条件，则回报值R＝F，否则回报值R＝-0.01；(5)根据各航班回报值更新Q表；优选地，采用SARSA算法更新Q表：Qi(st)＝(1-α)Qi(st)+α(R+λ(Qi(st+1)))其中：α是学习率，λ是折扣系数，Qi(St)代表第i个航班在t次迭代时进港机位和离港机位组合对应的Q值，Qi(St+1)代表第i个航班在(t+1)次迭代时进港机位和离港机位组合对应的Q值；(6)根据预设迭代次数，重复步骤(2)～(5)，将符合约束条件的染色体作为机位分配方案。通过本专利技术所构思的以上技术方案，与现有技术相比，能够取得以下有益效果：(1)本专利技术不仅考虑了多种机型的约束，同时各航班均采用两个基因表示，增强了染色体的可读性；进一步对染色体采用约束检验函数检验是否满足约束条件，避免了染色体的冗余性。(2)本专利技术不需要初始种群的生成，通过ε贪婪搜索算法筛选Qij值对应的进港机位和离港机位组合，进一步构建染色体，避免了传统遗传算法对初始种群的依赖，同时未采取传统的染色体变异和交叉，加快了收敛速度。附图说明图1是本专利技术提供的机位分配方法的流程图：图2是本专利技术实施例提供的强化学习的流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术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仅用以解释本专利技术，并不用于限定本专利技术。图1为机位分配方法的流程图，图2对应具体显示了机位分配方法中算法处理的流程图，如图1和图2所示，本专利技术提供的一种机场机位分配方法，包括：(1)根据预分配航班表中航班信息，对各航班中进港机位和离港机位的所有组合进行Q表初始化；具体步骤为：(1.1)获取航班和机场机位信息；所述信息包括：航班编号、机型、是否为公务、是否为VIP、是否为国际航线、进港时刻、离港时刻、机场调度业务规则信息及每个机位对应机型约束信息；(1.2)根据上述信息，确定各航班中进港机位和离港机位的组合；具体地，各航班采用进港机位和离港机位表示，将进港机位和离港机位作为航班对应的两个基因，即在染色体中位于奇偶位相邻两个基因代表一个航班；优选地，对每个航班而言，所有可能的基因组合称为该航班对应的动作空间；(1.3)对各航班中进港机位和离港机位组合进行Q表初始化；优选地，Q表初始化过程为：根据机场业务硬约束、软约束规则，对于各航班包含的所有进港机位和离港机位组合，满足约束条件赋予正数，不满足约束条件赋予负数；(2)对各航班中进港机位和离港机位组合采用ε贪婪搜索算法选择；优选地，ε贪婪搜索算法为：随机设定阈值α，当ε＜α时，在各航班动作中筛选最大Q值对应的进港机位和离港机位组合，否则，在各航班中均随机筛选任一进港机位和离港机位组合；(3)根据选择的各航班进港机位和离港机位组合构建染色体，并计算染色体的适应度；优选地，根据上述ε贪婪搜索算法筛选获取的各航班进港机位和离港机位组合，利用动作-基因映射表构建航班数目二倍大小的染色体，更为具体地，染色体由N个航班筛选的进港机位和离港机位组合组成；优选地，对染色体而言，因N个基因组中基因的不同构建的染色体集合称为状态空间；将染色体中包含的目标优化函数作为适应度函数，即出港靠桥次数、空闲时间、拖拽次数；但考虑到多个目标单位和影响幅度的不同，本专利技术采用归一化方法和权重系数法解决多目标优化的问题，具体适应度值的计算公式为：F＝αBr+βFt+γRn其中：其中，Ft代表空闲时间，Br代表靠桥次数，Rn代表拖拽次数，F代表适应度值，α，β，γ是常数；(4)检验染色体是否符合约束条件，将符合约束条件的染色体适应度值作为各航班的回报值；上述获取的染色体通过约束检验函数(Check)检验是否符合条件约束；若符合条件，则回报值R＝F，否则回报值R＝-0.01；(5)根据各航班回报值更新Q表；优选地，采用SARSA算法更新Q表：Qi(st)＝(1-α)Qi(st)+α(R+λ(Qi(st+1)))其中：α是学习率，λ是折扣系数，Qi(St)代表第i个航班在t次迭代时进港机位和离港机位组合对本文档来自技高网...

【技术保护点】
1.一种机场机位分配方法，其特征在于，包括：(1)根据预分配航班表中航班信息，对各航班中进港机位和离港机位的所有组合进行Q表初始化；(2)根据设定的阈值和各航班的Q值的比较，在各航班中均筛选出一个进港机位和离港机位组合；(3)以进港机位和离港机位作为每个航班的基因组，根据各航班设定的排列顺序，对应基因组构建染色体，并计算染色体的适应度；(4)检验染色体是否符合约束条件，将符合约束条件的染色体的适应度值作为各航班对应的回报值；(5)根据各航班回报值更新Q表；(6)根据预设迭代次数，重复步骤(2)～(5)，将最终符合约束条件的染色体作为机位分配方案。

【技术特征摘要】
1.一种机场机位分配方法，其特征在于，包括：(1)根据预分配航班表中航班信息，对各航班中进港机位和离港机位的所有组合进行Q表初始化；(2)根据设定的阈值和各航班的Q值的比较，在各航班中均筛选出一个进港机位和离港机位组合；(3)以进港机位和离港机位作为每个航班的基因组，根据各航班设定的排列顺序，对应基因组构建染色体，并计算染色体的适应度；(4)检验染色体是否符合约束条件，将符合约束条件的染色体的适应度值作为各航班对应的回报值；(5)根据各航班回报值更新Q表；(6)根据预设迭代次数，重复步骤(2)～(5)，将最终符合约束条件的染色体作为机位分配方案。2.如权利要求1所述的机场机位分配方法，其特征在于，步骤(1)具体包括如下步骤：(1.1)获取航班和机场机位信息；(1.2)根据所获取的信息，确定各航班的进港机位和离港机位组合；(1.3)对各航班中的进港机位和离港机位组合进行Q...

【专利技术属性】
技术研发人员：曾伟，许永磊，余明晖，周洪涛，潘林强，苏厚胜，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42