【技术实现步骤摘要】
飞机维修人员的智能调度方法、装置、设备及介质
[0001]本申请涉及人工智能
,尤其涉及一种飞机维修人员的智能调度方法
、
装置
、
设备及介质
。
技术介绍
[0002]飞机维护
、
修理和大修
(MRO)
活动是民航运输不可或缺的一部分,兼具高技术与劳动密集特性,其成本一般占航空公司总体运营成本约
10
%至
20
%,航空公司自行开展飞机维修需耗费高额成本
。
为了尽可能减少各项开支
、
提高客运获利,越来越多的航空公司委托独立的第三方飞机维修服务合作商开展
MRO
业务
。
在这些飞机外包维修公司中,大部分工作都是由拥有不同级别资质的持照维修人员完成的,他们能够影响维修的时间范围
。
此外,与航线维修相比,机库维修涉及大量的资源投入,是飞机外包维修公司的重要业务
。
然而,在资源有限的情况下,必须考虑如何合理安排这些技术人员在短时间内完成飞机维修工作
。
大多数飞机维修公司仍然基于专家主观经验指派员工,使得调度反应滞后,工作效率降低,难以满足现今维修管理的要求
。
此外,仅考虑维修效率容易使得员工工作量的分配不均,进而可能导致维修人员的过劳
。
[0003]现有的方式是采用传统的数学规划和精确算法作为调度方法,但飞机维修人员调度属于
NP
‑< ...
【技术保护点】
【技术特征摘要】
1.
一种飞机维修人员的智能调度方法,其特征在于,包括:获取初始数据信息,并基于所述初始数据信息进行编码处理,得到编码方案;基于所述编码方案与所述初始数据信息进行种群初始化处理,得到初始种群;将所述初始种群划分为多个子种群,采用子种群内协作交流策略更新任一所述子种群中的个体位置,得到第一更新方案集,并对所述第一更新方案集进行解更新和适应度计算,得到第一目标方案集和第一适应度值,其中,一个子种群对应一个所述第一目标方案集;采用多种群间协作交流策略更新所述第一目标方案集中的个体位置,得到第二更新方案集,并对所述第二更新方案集进行解更新和适应度计算,得到第二目标方案集和第二适应度值;将多个所述第二目标方案集进行合并处理,得到初始方案集;基于所述第二适应度值和预设消亡驱散概率值对所述初始方案集进行消亡驱散处理,得到目标方案集
。2.
根据权利要求1所述的飞机维修人员的智能调度方法,其特征在于,所述将所述初始种群划分为多个子种群,采用子种群内协作交流策略更新任一所述子种群中的个体位置,得到第一更新方案集,并对所述第一更新方案集进行解更新和适应度计算,得到第一目标方案集和第一适应度值,包括:采用同等概率的方式将所述初始种群中的任一个体随机分配到不同的种群中,以将所述初始种群划分为多个所述子种群;采用所述子种群内协作交流策略更新任一所述子种群中的个体位置,得到所述第一更新方案集;采用预设约束处理机制对所述第一更新方案集中的可行解进行更新,得到第一初始方案集;计算所述第一初始方案中的任意个体的适应度值,得到所述第一初始适应度值;判断趋化迭代次数是否达到最大值,若否,则返回执行所述采用同等概率的方式将所述初始种群中的任一个体随机分配到不同的种群中,以将所述初始种群划分为多个所述子种群的步骤,以进行迭代处理,直至所述趋化迭代次数达到最大值,输出所述第一目标方案集和所述第一适应度值
。3.
根据权利要求2所述的飞机维修人员的智能调度方法,其特征在于,所述采用所述子种群内协作交流策略更新任一所述子种群中的个体位置,得到所述第一更新方案集,包括:通过第一预设公式更新任一所述子种群中的个体位置,得到所述第一更新方案集;所述第一预设公式为:
θ
i
(j+1,k,l)
=
θ
i
(j,k,l)+C(i)
×
φ
'(j)+1.5
×
rand
×
(
θ
lb
(j,k,l)
‑
θ
i
(j,k,l))
;其中,
θ
i
(j,k,l)
表示第
i
个细菌个体在第
j
次趋化
、
第
k
次复制及第
l
次驱散时的位置,
φ
'(j)∈[0,2
π
]
表示第
j
次趋化时细菌随机翻滚的方向,
C(i)
表示第
i
个细菌个体在随机方向上翻滚的步长,
θ
lb
(j,k,l)
是第
i
细菌个体所属小种群中的最佳细菌个体,
rand
代表返回的随机数介于
[0,1]
之间
。4.
根据权利要求2所述的飞机维修人员的智能调度方法,其特征在于,所述采用预设约束处理机制对所述第一更新方案集中的可行解进行更新,得到第一初始方案集,包括:基于所述方案可行性
、
适应度函数值以及违反约束个数对所述第一更新方案集中的可
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。