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() 一种基于遗传算法的飞机再次出动准备优化方法技术_技高网

一种基于遗传算法的飞机再次出动准备优化方法技术

技术编号:40600888 阅读:4 留言:0更新日期:2024-03-12 22:05
本申请属于飞行保障设计技术领域,涉及一种基于遗传算法的飞机再次出动准备优化方法。该方法包括:步骤S1、使用串行调度解码方式,获得各飞机再次出动的保障活动所对应的多个初始的时序方案;步骤S2、基于时序约束调整时序方案,以使得各保障活动的紧前活动位于该保障活动之前;步骤S3、基于部分保障活动进行的时间段不能产生重叠的逻辑约束、具有足够资源的保障资源约束、部分保障活动进行的空间不能产生重叠的空间约束确定时序方案中各个保障活动的起始时间;步骤S4、以最后一个保障活动的完成时间最早对应的时序方案作为优化目标,进行遗传算法迭代计算。本申请优化了飞机再次出动的准备时序,减少了飞机再次出动的准备时间。

【技术实现步骤摘要】

本申请属于飞行保障设计,特别涉及一种基于遗传算法的飞机再次出动准备优化方法


技术介绍

1、飞机在船舶平台上起降,降落后再次起飞对船舶的任务能力有重要影响,而飞机再次出动保障效率是保证飞机顺利起飞执行任务的关键。飞机的保障活动包括起外观检查、充氧、加油、惯导对准、挂载任务载荷设备等多项作业,涉及多种相关保障人员、保障设施和保障设备的协同和调度,作业空间有限,作业流程及资源约束复杂。

2、以往型号设计过程中,飞机再次出动准备时序通常基于型号经验设计规划,人为地依据保障活动的紧前紧后关系、保障资源数量限制等约束条件,对再次出动准备时序进行优化,针对单机再次出动准备,由于保障活动较少尚可人为规划,如对多机再次出动准备优化,则很难人为生成最优的再次出动准备方案,为此需要迫切开展多个飞机再次出动准备优化方法研究。


技术实现思路

1、为了解决上述问题,本申请提供了一种基于遗传算法的飞机再次出动准备优化方法,对再次出动准备过程中的保障活动的时序约束、逻辑约束、资源约束、空间约束、自由人约束和最先开始活动约束进行梳理,并将其转换成数学表达式,利用遗传算法对飞机再次出动准备活动时序进行优化。

2、本申请基于遗传算法的飞机再次出动准备优化方法主要包括:

3、步骤s1、使用串行调度解码方式,获得各飞机再次出动的保障活动所对应的多个初始的时序方案;

4、步骤s2、基于时序约束调整所述时序方案,以使得各保障活动的紧前活动位于该保障活动之前;

5、步骤s3、基于部分保障活动进行的时间段不能产生重叠的逻辑约束、具有足够的资源的保障资源约束、部分保障活动进行的空间不能产生重叠的空间约束确定时序方案中各个保障活动的起始时间;

6、步骤s4、以最后一个保障活动的完成时间最早对应的时序方案作为优化目标,通过遗传算法进行迭代计算,确定最优的时序方案。

7、优选的是,步骤s1中,所述串行调度解码方式形成的时序方案包括用若干实数的排序形成的调度方案,其中实数的小数点前的值表示飞机架次,小数点后的值表示该飞机架次的保障活动序号,每个调度方案对应有一个由时间序列组成的时间集合,所述时间集合中的各时间值对应于所述调度方案中对应位置的保障活动起始时间。

8、优选的是,步骤s2中,所述时序约束包括:

9、各保障活动j的全部紧前活动集合pj中的每个活动h的完成时间不晚于该保障活动j的开始时间sj:

10、sj≥sh+dh;

11、其中,sh为活动h的开始时间,dh为活动h的持续时间。

12、优选的是,各保障活动j的开始时间sj进一步通过转运时间进行修正,所述转运时间为第k种资源从活动h的位置转移到保障活动j的位置需要的时间△hjk,即:

13、sj≥sh+dh+△hjk。

14、优选的是,步骤s3中,确定时序方案中各个保障活动的起始时间包括:

15、步骤s31、以保障活动f之前的所有紧前活动的完成时刻t开始,分别判断是否满足逻辑约束、保障资源约束及空间约束;

16、步骤s32、如果满足,则将保障活动f的起始时间安排在t时刻,否则增加预设步长形成新的时刻,并返回步骤s31,重新判断是否满足逻辑约束、保障资源约束及空间约束。

17、优选的是,所述预设步长为0.5分钟。

18、优选的是,步骤s4中,确定最优解对应的时序方案包括:

19、步骤s41、由初始的时序方案构成左种群,以左对齐串行调度解码计算适应度,形成右种群;

20、步骤s42、对所述右种群,以右对齐齐串行调度解码计算适应度,形成左种群,返回步骤s41,直至获得最优解。

21、本申请优化了飞机再次出动的准备时序,减少了飞机再次出动的准备时间。

本文档来自技高网...

【技术保护点】

1.一种基于遗传算法的飞机再次出动准备优化方法,其特征在于,包括:

2.如权利要求1所述的基于遗传算法的飞机再次出动准备优化方法,其特征在于,步骤S1中,所述串行调度解码方式形成的时序方案包括用若干实数的排序形成的调度方案,其中实数的小数点前的值表示飞机架次,小数点后的值表示该飞机架次的保障活动序号,每个调度方案对应有一个由时间序列组成的时间集合,所述时间集合中的各时间值对应于所述调度方案中对应位置的保障活动起始时间。

3.如权利要求2所述的基于遗传算法的飞机再次出动准备优化方法,其特征在于,步骤S2中,所述时序约束包括:

4.如权利要求3所述的基于遗传算法的飞机再次出动准备优化方法,其特征在于,各保障活动j的开始时间Sj进一步通过转运时间进行修正,所述转运时间为第k种资源从活动h的位置转移到保障活动j的位置需要的时间△hjk,即:

5.如权利要求1所述的基于遗传算法的飞机再次出动准备优化方法,其特征在于,步骤S3中,确定时序方案中各个保障活动的起始时间包括:

6.如权利要求5所述的基于遗传算法的飞机再次出动准备优化方法,其特征在于,其特征在于,所述预设步长为0.5分钟。

7.如权利要求1所述的基于遗传算法的飞机再次出动准备优化方法,其特征在于,其特征在于,步骤S4中,确定最优解对应的时序方案包括:

...

【技术特征摘要】

1.一种基于遗传算法的飞机再次出动准备优化方法,其特征在于,包括:

2.如权利要求1所述的基于遗传算法的飞机再次出动准备优化方法,其特征在于,步骤s1中,所述串行调度解码方式形成的时序方案包括用若干实数的排序形成的调度方案,其中实数的小数点前的值表示飞机架次,小数点后的值表示该飞机架次的保障活动序号,每个调度方案对应有一个由时间序列组成的时间集合,所述时间集合中的各时间值对应于所述调度方案中对应位置的保障活动起始时间。

3.如权利要求2所述的基于遗传算法的飞机再次出动准备优化方法,其特征在于,步骤s2中,所述时序约束包括:

4.如权利要求3所述的基于遗...

【专利技术属性】
技术研发人员:穆琳吴家仁刘东潘翼张克利
申请(专利权)人:中国航空工业集团公司沈阳飞机设计研究所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1