System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于航班延误率控制技术,具体涉及一种航班分配方法。
技术介绍
1、由于遭受各种偶然因素导致机场暂时关闭,例如恶劣的天气或航空管制发生时,就会导致航班的延误,航班的延误不仅会给航空公司带来很大的经济损失,也会给旅客造成一定的经济损失。从航空公司角度来看,航班延误打乱了航班的正常计划,使机场、航司等各方面资源分配压力激增,增加了航司的运营成本。此外,从旅客角度来看,航班延误会对后续行程造成影响,产生因航班延误造成的经济损失,导致旅客对航司产生失望情绪,因此也会对航司产生一定的失望成本。航班延误恢复问题要求在较短时间内安排各种资源计划尽快执行航班,安置延误旅客,这也是航空公司和运筹学界共同关注的难题。
2、etschmaier在研究不正常航班恢复问题中提出了最小费用流模型,但该模型仅考虑了单机型、小规模的情况。teodorovic提出采用分支定界法求解该问题,使总延误时间最小或延误成本最小并给出航班恢复方案。jarrah建立了最小成本网络流模型进行航班延误的恢复。andersson等人根据dantzig-wolfe分解提出了启发式算法解决延误航班的重新调度。manyem考虑航班延误所受影响的主体,建立最小化所有航班的延误成本模型。mccarty构建使所有旅客总延误时间最小化的数学模型。
3、现有技术只关注延误成本或延误时间其中一个目标,随着民航业体量的增大,对多个目标进行优化更加符合实际。然而对多个目标进行优化的问题采用nsga-iii算法求解,其结果不够精确。
技术实现思
1、为了克服上述现有技术存在的不足,本专利技术提供了一种航班分配方法。
2、为了实现上述目的,本专利技术提供如下技术方案:
3、一种航班分配方法,包括:
4、将航班总延误成本最低、旅客延误损失最小、总延误时间最少作为目标函数,构建多目标优化的数学模型;
5、利用改进的nsga-iii算法求解多目标优化的数学模型,获得最优的航班分配时隙;并利用最优的航班分配时隙进行航班分配;
6、其中,所述获得最优的航班分配时隙,包括:
7、随机生成表征航班编号和航班时隙的多个个体构成的种群;
8、计算种群的适应度并对种群进行筛选,得到适应度最高的n个种群;
9、对n个种群进行交叉变异,当交叉变异次数达到预设的迭代次数后,输出最优的航班分配时隙;
10、其中,所述对种群进行筛选,包括:
11、生成初始参考点;
12、利用pso算法计算使得目标函数的值超过阈值的最优聚类个数和原始簇心后,利用k-meanss聚类算法对初始参考点进行聚类,根据多目标优化的数学模型中优化目标的个数和初始参考点的位置,产生新的参考点;
13、利用种群的适应度对种群进行非支配排序,筛选出s个种群;
14、利用pbi聚合函数计算种群的个体与新的参考点的参考点向量ω=(ω1,ω2,···,ωm)之间的距离,距离小于阈值的种群保留至下一代作为父代种群,直到筛选出n-s个种群,与非支配排序筛选出的s个种群共同组成n个种群。
15、进一步,所述生成表征航班编号和航班时隙的多个个体构成的种群;包括:
16、利用cubic混沌映射方法生成生成多个种群的排列组合方案。
17、进一步,所述cubic混沌映射方法的cubic混沌映射函数为:
18、xi+1=ρxi(1-xi2),0≤xi≤1 (4)
19、式中,xi∈(0,1),ρ为控制参数。
20、进一步,所述pso算法的适应度函数为:
21、
22、
23、
24、其中,tr(bk)是簇间分散矩阵的分布情况,tr(wk)是簇内分散矩阵的分布情况。
25、进一步,所述pbi聚合函数为:
26、d(xj)=di,1(xj)+θdi,2(xj) (5)
27、其中,xj是第j个解,di,1(xj)是个体xj到参考线ωi之间的欧氏距离,di,2(xj)是是个体xj到参考线ωi之间的垂直距离,θ是惩罚参数,di,1(xj)控制解的收敛性,di,2(xj)控制解的多样性。
28、进一步,所述多目标优化的数学模型为:
29、目标函数:
30、
31、
32、
33、其中,
34、
35、cy(tij)=μnps (10)
36、
37、minf1为航司最低总运营成本,cf表示单位时间内地面燃油费用,cm为单位时间内维护运营费用,式(10)表示航司延误的隐性成本,为旅客的失望成本,式(11)是失望溢出率函数,np为航班载客量,s为平均每位旅客所支付票价;minf2为最小化旅客因延误造成的损失;minf3为最少总延误时间;
38、约束条件:
39、
40、
41、
42、
43、
44、
45、式中,(14)为确保每个航班被重新分配到一个时隙;(15)、(16)为要求每个时隙只属于一个航班;(17)为每个航班不能在机场放行前起飞(18)为每个航班延误不超过最大延误时间(19)为在航班恢复过程中,机场放飞应满足时间间隔要求。
46、进一步,所述对n个种群进行交叉变异,包括:
47、将n个种群作为父代种群,对n个父代种群进行交叉变异,得到n个子代种群;合并n个父代种群和n个子代种群得到2n个种群,对2n个种群进行筛选,保留n个种群作为下一代种群;对n个种群继续进行交叉变异。
48、本专利技术提供的一种航班分配方法具有以下有益效果:
49、本文将航班的航班总延误成本最低、旅客延误损失最小、总延误时间最少作为目标函数,构建了多目标优化的数学模型,相对于现有技术的单目标模型更加符合实际;并且对于多目标优化问题的求解,通过在nsga-iii算法的基础上,利用pso算法计算最优聚类个数和原始簇心后,利用k-meanss聚类算法对初始参考点进行聚类得到参考点向量后,利用pbi聚合函数计算种群个体与参考点向量之间的距离,能够显著提高算法的收敛性,进而能够提高求解的精确度。
本文档来自技高网...【技术保护点】
1.一种航班分配方法,其特征在于,包括:
2.根据权利要求1所述的一种航班分配方法,其特征在于,所述生成表征航班编号和航班时隙的多个个体构成的种群;包括:
3.根据权利要求2所述的一种航班分配方法,其特征在于,所述Cubic混沌映射方法的Cubic混沌映射函数为:
4.根据权利要求1所述的一种航班分配方法,其特征在于,所述PSO算法的适应度函数为:
5.根据权利要求1所述的一种航班分配方法,其特征在于,所述PBI聚合函数为:
6.根据权利要求1所述的一种航班分配方法,其特征在于,所述多目标优化的数学模型为:
7.根据权利要求1所述的一种航班分配方法,其特征在于,所述对N个种群进行交叉变异,包括:
【技术特征摘要】
1.一种航班分配方法,其特征在于,包括:
2.根据权利要求1所述的一种航班分配方法,其特征在于,所述生成表征航班编号和航班时隙的多个个体构成的种群;包括:
3.根据权利要求2所述的一种航班分配方法,其特征在于,所述cubic混沌映射方法的cubic混沌映射函数为:
4.根据权利要求1所述的一种航班分配...
【专利技术属性】
技术研发人员:邓武,徐昊天,赵慧敏,徐俊洁,
申请(专利权)人:中国民航大学,
类型:发明
国别省市:
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。