【技术实现步骤摘要】
基于GA-DQN的停机位分配方法
本专利技术属于机场调度
，具体设计一种基于GA-DQN的停机位分配方法。
技术介绍
社会经济的快速发展，往往会带动民航业的发展，表现之一就是大型枢纽机场航班不断增多、旅客吞吐量屡创新高，这给机场的航班保障能力带来严峻的考验。保障能力不足的话，会引起航班延误，据不完全统计，航班延误是航空消费者投诉的主要原因之一，航班延误引起的纠纷最为突出，经常发生旅客群体性闹事，霸占值机柜台拒绝登机甚至冲入跑道等恶劣事件，严重影响了航空公司和机场等部门的正常运行。机场的停机位是过站航班在地面停靠的场所，合理化的分配停机位是保障机场地面各项工作顺利的前提，更是机场整体保障能力的重要体现。因此，研究停机位分配问题，不仅可以降低机场的运营成本，还能减少航空公司的油耗损失和旅客的延误损失，在机场实际的运营中有着重大的现实意义和广泛的应用前景。在优化停机位分配问题的研究过程中，学者们提出了多种智能优化算法，如禁忌搜索算法、遗传算法和DeepQ-Learing等人工智能优化算法。但是这些方法在实际应...
【技术保护点】
1.一种基于GA-DQN的停机位分配方法，其特征在于，包括以下步骤：/n(1)构建分配矩阵T/n在当日凌晨获取当日计划航班之后，先将计划航班按照进港时间进行排序，然后将机位依次对应到航班，建立的矩阵为：/nT＝[b
【技术特征摘要】
1.一种基于GA-DQN的停机位分配方法，其特征在于，包括以下步骤：
(1)构建分配矩阵T
在当日凌晨获取当日计划航班之后，先将计划航班按照进港时间进行排序，然后将机位依次对应到航班，建立的矩阵为：
T＝[b0…bmaxFlight](1)
bi表示机位的编号，表示第i航班分配到第bi机位，0≤i≤maxFlight，maxFlight表示航班最大数量。
(2)初始化种群
对分配矩阵进行随机赋值，得到900-5000个不同的分配矩阵，即可行解的集合，命名为初始种群；初始种群中不同分配矩阵的个数优选1000个；
(3)计算适应度f
适应度函数的计算公式如下：
公式中，α1为靠桥率，是被分配在近机位的航班数量与总航班数量的比值；α2为偏离度，是所有机位被占用时间的方差；α3为旅客步行距离，是旅客从下机到转盘的距离之和；
分配矩阵出现以下任一情况，适应度为-1：
Q1：机型-机位不匹配，指大飞机分配在小机位的情形；
Q2：时间冲突，同一机位上存在两架飞机的间隔小于安全间隔；
(4)选择
本过程同标准遗传算法一致，依照适应度做轮盘赌选择；
(5)交叉
引入自适应选择概率，具体公式如下：
其中，fmax为群体中最大的适应度值；f为个体的适应度值；favg为每一代种群适应度的平均值；k1为0.6；
具体过程如下：
Step1：随机选择2个分配矩阵，命名为ta，tb；
Step2：取i＝0；
Step3：如果i小于ta的长度，转Step4，否则转Step7；
Step4：根据公式3求随机数Pc，如果pc≥Pc，转Step5，否则转Step6；
Step5：ta的第i个元素和tb的第i个元素互换；
Step6：i+＝1，转Step3；
Step7：结束；
Step8：重复Step1-Step7共计10-300次；
(6)变异
改进的变异概率的计算公式如下：
其中，fmax为群体中最大的适应度值；f为个体的适应度值；favg为每一代种群适应度的平均值；k3为0.12；
具体过程如下：
Step1：随机选择1个分配矩阵，命名为t；
Step2：取i＝0；
Step3：如果i小于ta的长度，转Step4，否则转Step7；；
Step4：根据公式4求随机数pc；如果pc≥Pc，转Step5，否则转Step6；
Step5：随机选择两个元素，并更换；
Step6：i+＝1，转Step3；
Step7：结束；
Step8：重复Step1-Step7共计5-50次；
(7)获得预排班结果
在步骤(6)结束之后，继续从步骤(3)开始执行，重复步骤(3)到步骤(6)共计200次，获得适应度最大所对应的分配矩阵，即为最优预分配结果；
(8)对分配过程进行机器学习
构建深度学习网络，将计划航班的随机打乱，模拟航班变动的情形，生成10k种不同的计划航班；并分别对10k种不同的计划航班求解对应的最优预分配结果；
(9)再分配作业
如果航班发生了变动，则将新的航班序列作为输入变量，使用构建的深度学习网...
【专利技术属性】
技术研发人员：李闯，刘晓疆，战嘉馨，陈晓，李坤，
申请(专利权)人：青岛民航凯亚系统集成有限公司，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。