一种基于救援效率的通航救援调度优化方法技术

本发明专利技术公开一种基于救援效率的通航救援调度优化方法，包括以下步骤：获取每个救援点和受灾点的信息；根据救援点和受灾点的信息，建立总救援时间最小化的目标函数，基于遗传

【技术实现步骤摘要】
一种基于救援效率的通航救援调度优化方法


[0001]本专利技术属于救援调度
，尤其涉及一种基于救援效率的通航救援调度优化方法。

技术介绍

[0002]近年来，各类灾害在世界各国频有发生，而灾害发生后往往由于救灾物资运送不及时，难以准确快速的展开救援，导致灾害影响进一步加剧。
[0003]当自然灾害发生时，特别是在山区，航空器是最重要的救援手段。但是由于复杂低空应急救援飞行的特殊性，地形障碍等不确定因素的干扰，航空应急救援将面临救援风险大、救援效率低等问题。

技术实现思路

[0004]本专利技术提供一种基于救援效率的通航救援调度优化方法，旨在解决上述存在的问题。
[0005]本专利技术是这样实现的，一种基于救援效率的通航救援调度优化方法，包括A个救援点和B个受灾点，每个救援点拥有充足的救援物资，以及拥有最大载重量为M的航空器W架；其中，每个受灾点被经过一次且仅一次就完成配送，每架航空器每次飞行至少救援一个受灾点，包括以下步骤：
[0006]获取每个救援点和受灾点的信息；
[0007]根据救援点和受灾点的信息，建立总救援时间最小化的目标函数，基于遗传
‑
模拟退火混合算法，对航空器进行调度，输出每个航空器的起始点和终止点；
[0008]根据航空器的起始点和终止点，建立总飞行里程最小化的目标函数，基于改进的蚁群算法，输出每个航空器的最优飞行路径。
[0009]进一步的，所述总救援时间最小化的目标函数为：
[0010][0011]其中，t
j
表示第j个受灾点的飞行时间实际值；T
j
表示第j个受灾点的飞行时间目标值；表示第j个受灾点对物资g的需求量；E表示救援点A与受灾点B的集合，i,j∈E＝A∪B，每个救援点和受灾点均为航空器飞行路径中的节点；w表示航空器，w＝1,2,...,W；
[0012]其中，t
j
＝(t
ijw
+t
gw
)x
ijw
，t
ijw
表示航空器w从节点i到节点j的飞行时间；t
gw
表示物资投放或者降落卸载所需时间；x
ijw
表示决策变量，当航空器w经过(i,j)时，x
ijw
为1，当航空器w不经过(i,j)时，x
ijw
为0；
[0013]总救援时间最小化的目标函数均满足以下条件：
[0014][0015][0016][0017](t
gw
+t
ijw
)x
ijw
≤L
w
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0018][0019]其中，式(1)表示每个受灾点由一架航空器救援；式(2)表示救援点处航空器数量受限；式(3)表示每条飞行路线途径的各受灾点物资需求量总和不超过该路线上救援航空器的最大载重量；式(4)约束航空器满油最大飞行时间；式(5)表示如果受灾点j由航空器f救援，则航空器f至少要访问受灾点j一次；
[0020]y
jw
表示决策变量，当航空器w为受灾点j运送物资时，y
jw
为1，当航空器w不为受灾点j运送物资时，y
jw
为0；K
p
表示救援点p可用航空器数量；z
ij
表示决策变量，当救援点i为受灾点j提供物资时，z
ij
为1，当救援点i不为受灾点j提供物资时，z
ij
为0；M
w
表示航空器最大载重量；L
w
表示每架航空器满油最大飞行时间。
[0021]进一步的，基于遗传
‑
模拟退火混合算法，对航空器进行调度，具体包括：
[0022]步骤S11、设定控制参数，包括初始温度T0、迭代次数C、交叉概率P
c
、变异概率P
m
和种群规模N；
[0023]步骤S12、以自然数编码方式构造染色体，以随机的方式生成初始种群，其中染色体为航空器的飞行路径；
[0024]步骤S13、计算适应度，适应度值f表示为f＝1/Z，Z表示总飞行里程；
[0025]步骤S14、进行遗传操作：
[0026]选择，根据适应度值采用精英保留和轮盘赌法选择种群；
[0027]交叉，对通过自适应交叉概率的染色体采用部分匹配交叉法进行交叉操作；
[0028][0029]变异：对通过自适应变异概率的染色体采用对换变异法进行变异操作；
[0030][0031]其中，f
avg
表示每代种群平均适应值；f
max
表示种群中最大适应值；f
′
表示交叉的两个个体中较大的适应值；f表示群体要变异个体适应值；P
c1
、P
c2
表示最高交叉率与最低交叉率；P
m1
、P
m2
表示最高变异率与最低变异率；
[0032]步骤S15、模拟退火算法局部优化，对变异产生的新个体进行调整解码，并计算适应度，通过Metropolis准则来决定是否接受新个体：
[0033]设x1为新解，若f(x1)＞f(x0)，则以概率1接受新解x1；
[0034]若f(x1)≤f(x0)，接受概率exp((f(x0)
‑
f(x1))T
k
)大于[0,1]内的随机数，则仍接受新解x1，若不成立则保留x0为当前解；
[0035]步骤S16、当算法满足终止条件则停止运算，输出高适应度染色体所对应的航空器飞行路线集合；否则，继续执行降温后转至计算个体适应度值。
[0036]进一步的，所述总飞行里程最小化的目标函数为：
[0037][0038]其中，d
ij
表示节点i与节点j之间的距离；
[0039]总飞行里程最小化的目标函数均满足以下条件：
[0040]d
i
≥D
min
(i＝1，
…
n
‑
1)
[0041][0042][0043]其中，d
i
表示航空器第i段航迹长度，D
min
航空器在相邻不同姿态点之间的最小直飞距离，x、y、z表示航空器的空间坐标，γ表示航空器在水平方向上偏转的最大角度，θ表示航空器在高度方向上爬升和俯冲的最大角度，n为航迹节点数量。
[0044]进一步的，基于改进的蚁群算法，输出每个航空器的最优飞行路径，具体包括：
[0045]S21、对三维飞行环境建模，根据航空器调度信息及环境模型选取合适的点作为路径规划的起始点和目标点；
[0046]S22、将蚁群中的所有蚂蚁放在设定的起点，同时确定搜索的主方向，选择经度和纬度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于救援效率的通航救援调度优化方法，包括A个救援点和B个受灾点，每个救援点拥有充足的救援物资，以及拥有最大载重量为M的航空器W架；其中，每个受灾点被经过一次且仅一次就完成配送，每架航空器每次飞行至少救援一个受灾点，其特征在于，包括以下步骤：获取每个救援点和受灾点的信息；根据救援点和受灾点的信息，建立总救援时间最小化的目标函数，基于遗传
‑
模拟退火混合算法，对航空器进行调度，输出每个航空器的起始点和终止点；根据航空器的起始点和终止点，建立总飞行里程最小化的目标函数，基于改进的蚁群算法，输出每个航空器的最优飞行路径。2.根据权利要求1所述的一种基于救援效率的通航救援调度优化方法，其特征在于，所述总救援时间最小化的目标函数为：其中，t
j
表示第j个受灾点的飞行时间实际值；T
j
表示第j个受灾点的飞行时间目标值；表示第j个受灾点对物资g的需求量；E表示救援点A与受灾点B的集合，i,j∈E＝A∪B，每个救援点和受灾点均为航空器飞行路径中的节点；w表示航空器，w＝1,2,...,W；其中，t
j
＝(t
ijw
+t
gw
)x
ijw
，t
ijw
表示航空器w从节点i到节点j的飞行时间；t
gw
表示物资投放或者降落卸载所需时间；x
ijw
表示决策变量，当航空器w经过(i,j)时，x
ijw
为1，当航空器w不经过(i,j)时，x
ijw
为0；总救援时间最小化的目标函数均满足以下条件：条件：条件：(t
gw
+t
ijw
)x
ijw
≤L
w
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中，式(1)表示每个受灾点由一架航空器救援；式(2)表示救援点处航空器数量受限；式(3)表示每条飞行路线途径的各受灾点物资需求量总和不超过该路线上救援航空器的最大载重量；式(4)约束航空器满油最大飞行时间；式(5)表示如果受灾点j由航空器f救援，则航空器f至少要访问受灾点j一次；y
jw
表示决策变量，当航空器w为受灾点j运送物资时，y
jw
为1，当航空器w不为受灾点j运送物资时，y
jw
为0；K
p
表示救援点p可用航空器数量；z
ij
表示决策变量，当救援点i为受灾点j提供物资时，z
ij
为1，当救援点i不为受灾点j提供物资时，z
ij
为0；M
w
表示航空器最大载重量；L
w
表示每架航空器满油最大飞行时间。3.根据权利要求2所述的一种基于救援效率的通航救援调度优化方法，其特征在于，基
于遗传
‑
模拟退火混合算法，对航空器进行调度，具体包括：步骤S11、设定控制参数，包括初始温度T0、迭代次数C、交叉概率P
c
、变异概率P
m
和种群规模N；步骤S12、以自然数编码方式构造染色体，以随机的方式生成初始种群，其中染色体为航空器的飞行路径；步骤S13、计算适应度，适应度值f表示为f＝1/Z，Z表示总飞行里程；步骤S14、进行遗传操作：选择，根据适应度值采用精英保留和轮盘赌法选择种群；交叉，对通过自适应交叉概率的染色体采用部分匹配交叉法进行交叉操作；变异：对通过自适应变异概率的染色体采用对换变异法进行变异操作；其中，f
avg
表示每代种群平均适应值；f
max
表示种群中最大适应值；f
′
表示交叉的两个个体中较大的适应值；f表示群体要变异个体适应值；P
c1
、P
c2
表示最高交叉率与最低交叉率；P
m1
、P
m2
表示最高变异率与最低变异率；步骤S15、模拟退火算法局部优化，对变异产生的新个体进行调整解码，并计算适应度，通过Metropolis准则来决定是否接受新个体：设x1为新解，若f(x1)＞f(x0)，则以概率1接受新解x1；若f(x1)≤f(x0)，接受概率exp((f(x0)
‑
f(x1))T
k
)大于[0,1]内的随机数，T
k
表示温度，则仍接受新解x1，若不成立则保留x0为当前解；步骤S16、当算法满足终止条件则停止运算，输出高适应度染色体所对应的航空器飞行路线集合；否则，继续执行降温后转至计算个体适应度值。4.根据权利要求3所述的一种基于救援效率的通航救援调度优化方法，其特征在于：所述总飞行里程最小化的目标函数为：其中，d
ij
表示节点i与节点j之间的距离；总飞行里程最小化的目标函数均满足以下条件：d
i
≥D
min
(i＝1，
…
，n
‑
1)
其中，d
i
表示航空器第i段航迹长度，D
min
航空器在相邻不同姿态点之间的最小直...

【专利技术属性】
技术研发人员：刘全义，艾洪舟，李海，熊升华，张健萍，胡茂绮，
申请(专利权)人：中国民用航空飞行学院，
类型：发明
国别省市：