一种大规模航线智能优化方法和装置制造方法及图纸

本发明专利技术涉及一种大规模航线智能优化方法和装置，方法包括以下步骤：S1、基于深度优先搜索算法，搜索以天为单位的所有基于初始节点的飞机路径，所述初始节点为所有基地；S2、设置飞机数量，将第一飞机路径集合输入基于飞机数量建立的整数规划模型；S3、求解所述整数规划模型，得到每架飞机对应的飞机路径。与现有技术相比，本发明专利技术采用深度优先搜索进行可行飞机路径生成，并结合运筹学的整数规划模型对已知可行飞机路径的航班计划优化进行建模，得到航班计划的全局最优解。计划的全局最优解。计划的全局最优解。

【技术实现步骤摘要】
一种大规模航线智能优化方法和装置


[0001]本专利技术涉及航线优化领域，尤其是涉及一种大规模航线智能优化方法和装置。

技术介绍

[0002]面对大规模的航班计划制定时，需要考虑到对航班时间和过站时间的调整，人工方法在该场景下工作量巨大，并且没有办法保证最优性。由于飞机需要定期达到具有维修条件的机场过夜，飞机维修也是航班计划中的一个重要考虑因素。
[0003]现有的航班计划优化方法主要分为两种，第一种是借助以往的航班计划，对个别的航班进行人工的增删和时刻修改完成微调；第二种则是使用计算的算法，对问题建模，实现优化。第一种方法依赖经验，以保证可行性为前提，往往实施效果较好，但是整体效率不高；第二种方法虽然没有办法完全符合实施条件，但是能够实现良好的运行效率。使用算法得到的航班计划已经具有较高的效率，进行简单的人工微调即可具有良好的实施性。
[0004]当前的航班计划算法往往考虑因素较少，为了兼顾到问题的求解规模，对问题进行了简化和妥协，没有办法在兼顾到航班时间和过站时间的修改的前提下实现飞机维修。并且，当前算法大多使用启发式智能算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大规模航线智能优化方法，其特征在于，方法包括以下步骤：S1、基于深度优先搜索算法，搜索以天为单位的所有基于初始节点的第一飞机路径集合，所述初始节点为所有基地；S2、设置飞机数量，将第一飞机路径集合输入基于飞机数量建立的整数规划模型，所述整数规划模型的约束包括维修约束；S3、求解所述整数规划模型，得到每架飞机对应的飞机路径；所述整数规划模型的目标函数的表达式为：其中，F(x)为飞机的使用量，a为飞机，A为可使用飞机集合，s为起飞机场，S为起飞机场集合，e为落地机场，E为落地机场集合，i为飞机路径，为第1天以s为起飞机场，e为落地机场的飞机路径集合，为第1天飞机a是否以s为起飞机场，e为落地机场的飞机路径i的决策变量；S1的具体步骤包括：S11、输入航权时刻集合、过站时间范围和航段时间变化范围以及业务逻辑；S12、枚举所有基地，连接航班，连接时考虑在要求范围内变动航段时间和过站时间是否能促成连接，若可以，则实现连接，连接所有可行情况；S13、判断航权是否用完，若未用完，则重复S12，若用完，则执行S14；S14、在每天将起飞和落地机场相同的飞机路径放在一个子集进行编号；S15、输出生成的第一飞机路径集合。2.根据权利要求1所述的一种大规模航线智能优化方法，其特征在于，所述整数规划模型的约束还包括航班覆盖约束、流平衡约束、和飞机使用约束。3.根据权利要求2所述的一种大规模航线智能优化方法，其特征在于，所述飞机使用约束的表达式为：其中，d为日期，为第d天飞机a是否以s为起飞机场，e为落地机场的飞机路径i的决策变量。4.根据权利要求2所述的一种大规模航线智能优化方法，其特征在于，所述维修约束的表达式为：其中，D
main
为飞机起飞返回基地维修所需的天数。5.根据权利要求1所述的一种大规模航线智能优化方法，其特征在于，求解所述整数规划模型，得到无解时，增加飞机数量，更新并再次求解整数规划模型，重复上述步骤，直至模型有解，得到每架飞机对应的飞机路径。6.一种大规模航线智能优化装置，包括存储器和处理器...

【专利技术属性】
技术研发人员：康琦，李月文，范峥，
申请(专利权)人：同济大学，
类型：发明
国别省市：