基于NSGAⅡ的机场资源调度方法与流程

基于nsgaⅱ的机场资源调度方法
技术领域
1.本发明涉及一种基于nsgaⅱ的机场资源调度方法，属于民用航空技术领域的nsgaⅱ的应用。


背景技术：

2.在机场的日常运营中，航班在机场停靠时，需要为其调度停机位、行李提取转盘、行李分拣转盘、登机口、保障车辆及保障人员等保障资源，以完成正常的保障需要。若干数量的分配资源分配给一定数量的航班，在满足一定约束规则的前提下，还会存在多种分配方案。分配方案的优劣直接影响机场资源的利用效率和保障服务质量水平。
3.在实际的机场运营中，机场资源的调度需要考虑多个方面的因素。比如，在保障人员分配保障任务时，考虑保障人员保障能力、保障人员总工作量的平衡、个人保障工作在时间上的离散度等因素；机位分配需要考虑的有航班的靠桥率、机位使用均衡性、机位适用机型情况等因素。目前机场在机场资源分配中主要采用人工或基于业务规则的计算机自动分配两种方式。人工调度方式由调度员根据经验为每个航班分配机场资源，不仅工作量大、效率低，且操作结果只生成一种可行方案，无法确定分配方案质量优劣，分配方案质量受人为因素影响随机性较大。第二种方式是使用计算机按照调度规则能够生成多个调度方案， 生成的多个方案在多个目标上各有优劣，大多采用各个目标加权算出总得分比较，不同目标要求的含义与量化结果不同，纳入统一平台去比较是个难题。如何保证生成较优的方案，并设计出方案优劣比较方法，尽可能比选出最佳方案是实现自动调度方案的关键。
4.随着民航业的快速发展，航班量急剧增加，如何在兼顾平衡多目标较优的情况下高效给出机场资源的调度方案是个亟待解决的问题。


技术实现要素：

5.为克服现有技术的缺陷，本发明提供一种基于nsgaⅱ的机场资源调度方法，本发明的技术方案是：一种基于nsgaⅱ的机场资源调度方法，包括以下步骤：s1、定义资源调度的约束条件，同时定义量化资源调度的多个目标；s2、随机生成满足资源调度约束条件的解集，作为初始解集；s3、由初始种群经过选择、交叉和变异生成新个体集；新个体集通过非支配快速排序和拥挤度计算，选择精英个体集新种群；s4、由精英个体新种群当做父种群再去生成下一代种群，反复迭代，达到一定代数；s5、从迭代的最新种群中，选择一个最优个体。
6.所述的步骤s1中，定义资源调度的约束条件具体为：假设有保障任务，需要请求分配保障人员，即n个保障人员完成m个保障任务；假设保障人员无能力
完成保障任务，在生成的可行解中不能将任务分配资源；调度方案生成时间约束，在规定的时间内生成pareto最优解；设置种群遗传代数，在规定时间内计算出资源调度最优方案。
7.所述的步骤s1中，定义量化资源调度的多个目标具体为：调度方案使各保障人员的总工作量平衡，目标a表示总工作量均衡度，保障人员， ，
…
，，总工作量分别为a，b，
…
x，y；总工作量均值，调度方案目标a得分值a=，a越小表示目标最优；根据当前保障人员的位置，采用就近派工原则，使保障人员平均移动距离尽可能短，保障人员平均移动距离设为目标b, 根据保障人员上次保障工作位置与分配保障任务的位置得出移动距离，目标b等于保障人员平均移动距离；调度方案考虑每个保障人员两次保障任务之间有时间间隔，任务间隔最小时间设为目标c，c等于每个保障人员两次保障任务最小间隔时间。
8.所述的步骤s2具体为：先随机生成n个满足条件的调度方案，n个调度方案，即n个解形成初始解集；就是第一代种群，种群有n个个体，每个个体都是一种调度方案。
9.所述的步骤s3具体为：由第一代种群，经过选择、交叉、变异生成新个体集，与第一代种群合并为种群，；从中通过非支配快速排序和拥挤度计算选择n个优秀个体，即多目标较优的n个资源调度方案；这n个资源调度方案组成解集，就是精英个体集新种群，即第二代种群。
10.所述的步骤s4具体为：由第二代作为父种群按照步骤s3的方法再生成第三代，如此循环迭代，每一代都保留了父代的精英个体，保证了pareto最优解逐步收敛，经过代，生成种群。
11.所述的步骤s5具体为：从种群中选择最优解作为最终解，即最终资源调度方案。
12.在所述的步骤s3中，为保持个体的多样性，在选取个体时选取在多目标值上相互离散的个体，使用拥挤算子计算个体的拥挤度，拥挤度定义为个体周围个体的密度；由于总工作量均衡度、保障人员平均移动距离和个人任务间隔最小时间三个目标，在计算拥挤度时计算三次，步骤如下：步骤1：支配度同层次中的个体拥挤度初始化为0；步骤2：先按照目标总工作量均衡度目标值进行个体排序；步骤3：将第一个个体和最后一个个体拥挤置位；步骤4：从第二个个体开始到倒数第二个个体，计算每个个体的拥挤度
；步骤5：按照保障人员平均移动距离目标值对个体从小到大进行排序；步骤6：将第一个个体和最后一个个体拥挤置位；步骤7：从第二个个体开始到倒数第二个个体，计算每个个体的拥挤度；步骤8：按照个人任务间隔最小时间目标值对个体从小到大进行排序；步骤9：将第一个个体和最后一个个体拥挤置位；步骤10：从第二个个体开始到倒数第二个个体，计算每个个体的拥挤度；按拥挤度从大到小排序后，依次选取优良个体作为下一代种群个体。
13.在所述的步骤s5中，基于总工作量均衡度、保障人员平均移动距离和个人任务间隔最小时间三个目标上考虑，选择最优个体，设置多目标的偏好权重，分别设置权重为、、；选择最优个体步骤:步骤1：根据总工作量均衡度目标a进行优劣排序；步骤2：从种群淘汰目标值a最劣的个个体，保留个个体；步骤3：保留的个个体根据保障人员平均移动距离目标b进行优劣排序；步骤5：淘汰目标值b最劣的个个体，保留个个体；步骤6：把保留的个体集根据个人任务间隔最小时间目标优劣排序，选择最优个体，最终筛选出的个体就是机场资源的最佳调度方案。
14.在所述的步骤s3中，新个体集通过以下步骤选出：个体的总工作量均衡度、保障人员平均移动距离和个人任务间隔最小时间所有目标上都优于，则支配；若在目标a上优于， 在目标b上优于，在各目标上互有优劣，与是互不支配关系；可支配的个体数量就是的支配度，遍历种群个体有n个个体可支配，的支配度就是n；对种群个体进行分层正序排序，支配度相同个体划分在同一层次；挑选优良个体先从支配度低的层次挑选，先选支配度为0的解集，再挑选支配度为1的解集，依次类推，挑选出n个个体组成新一代种群，即新个体集。
15.本发明的优点是：基于多目标优化思想，能够兼顾资源调度多个目标的情况下，在短时间内给出较优的资源调度方案，应用于机场日常运营，调度的各目标取得良好优化效果。
附图说明
16.图1是本发明的流程示意图。
17.图2是本发明的个体交叉示意图。
18.图3是本发明的个体变异示意图。
具体实施方式
19.下面结合具体实施例来进一步描述本发明，本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的，并不对本发明的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。
20.参见图1至图3，本发明涉及一种基于nsgaⅱ的机场资源调度方法，包括以下步骤：s1、定义资源调度的约束条件，同时定义量化资源调度的多个目标；s2、随机生成满足资源调度约束条件的解集，作为初始解集；s3、由初始种群经过选择、交叉和变异生成新个体集；新个体集通过非支配快速排序和拥挤度计算，选择精英个体集新种群；s4、由精英个体新种群当做父种群再去生成下一代种群，反复迭代，达到一定代数；s5、从迭代的最新种群中，选择一个最优个体。
21.所述的步骤s1中，定义资源调度的约束条件具体为：假设有保障任务，需要请求分配保障人员，即n个保障人员完成m个保障任务；假设保障人员无能力完成保障任务，在生成的可行解中不能将任务分配资源；调度方案生成时间约束，在规定的时间内生成pareto最优解；设置种群遗传代数，在规定时间内计算出资源调度最优方案。
22.所述的步骤s1中，定义量化资源调度的多个目标具体为：调度方案使各保障人员的总工作量平衡，目标a表示总工作量均衡度，保障人员 ，，
…
，，总工作量分别为a，b，
…
x，y；总工作量均值，调度方案目标a得分值a=，a越小表示目标最优；根据当前保障人员的位置，采用就近派工原则，使保障人员平均移动距离尽可能短，保障人员平均移动距离设为目标b, 根据保障人员上次保障工作位置与分配保障任务的位置得出移动距离，目标b等于保障人员平均移动距离；调度方案考虑每个保障人员两次保障任务之间有时间间隔，任务间隔最小时间设为目标c，c等于每个保障人员两次保障任务最小间隔时间。
23.所述的步骤s2具体为：先随机生成n个满足条件的调度方案，n个调度方案，即n个解形成初始解集；就是第一代种群，种群有n个个体，每个个体都是一种调度方案。
24.设置种群大小为n，生成第1代种群。n个保障人分配m个保障任务，每个保障人随机
分配或个保障任务，生成一个分配方法，检测分配方法是否符合约束条件，若检测到保障任务分配给无对应保障能力的保障人员，采用贪心策略将的保障人员换为有对应保障能力的，分配方法若符合约束条件，就得到了资源调度的一个解，即种群的1个个体。随机生成n个个体，组成第1代种群（父种群）。
25.所述的步骤s3具体为：由第一代种群，经过选择、交叉、变异生成新个体集，与第一代种群合并为种群，；从中通过非支配快速排序和拥挤度计算选择n个优秀个体，即多目标较优的n个资源调度方案；这n个资源调度方案组成解集，就是精英个体集新种群，即第二代种群。
26.如图2所示，由父种群个体通过选择、交叉、变异生成子代新个体。
27.保障任务、、分配的保障人员，个体的解是、、，个体的解是、、，个体与经过交叉，交换、、片段的保障人员安排，形成两个新的解、。
28.如图3所示，选择个体进行变异，随机修改保障任务、的保障人员，由、改为、，生成新的解，新的解符合约束条件，即为新的个体。
29.将生成的个体群与父群个体合并为一个种群。从合并后的种群中选择n个优良个体作为新的父种群。
30.在所述的步骤s3中，新个体集通过以下步骤选出：个体的总工作量均衡度、保障人员平均移动距离和个人任务间隔最小时间所有目标上都优于，则支配；若在目标a上优于，在目标b上优于，在各目标上互有优劣，与是互不支配关系；可支配的个体数量就是的支配度，遍历种群个体有n个个体可支配，的支配度就是n；对种群个体进行分层正序排序，支配度相同个体划分在同一层次；挑选优良个体先从支配度低的层次挑选，先选支配度为0的解集，再挑选支配度为1的解集，依次类推，挑选出n个个体组成新一代种群，即新个体集。
31.在所述的步骤s3中，满足新一代种群的种群大小，在支配度相同的同层次个体中选取部分个体进入新种群，舍弃剩下的个体去淘汰。为保持个体的多样性，在选取个体时选取在多目标值上相互离散的个体，使用拥挤算子计算个体的拥挤度，拥挤度定义为个体周围个体的密度；由于总工作量均衡度、保障人员平均移动距离和个人任务间隔最小时间三个目标，在计算拥挤度时计算三次，步骤如下：
步骤1：支配度同层次中的个体拥挤度初始化为0；步骤2：先按照目标总工作量均衡度目标值进行个体排序；步骤3：将第一个个体和最后一个个体拥挤置位；步骤4：从第二个个体开始到倒数第二个个体，计算每个个体的拥挤度；步骤5：按照保障人员平均移动距离目标值对个体从小到大进行排序；步骤6：将第一个个体和最后一个个体拥挤置位；步骤7：从第二个个体开始到倒数第二个个体，计算每个个体的拥挤度；步骤8：按照个人任务间隔最小时间目标值对个体从小到大进行排序；步骤6：将第一个个体和最后一个个体拥挤置位；步骤7：从第二个个体开始到倒数第二个个体，计算每个个体的拥挤度；按拥挤度从大到小排序后，依次选取优良个体作为下一代种群个体。
32.所述的步骤s4具体为：由第二代作为父种群按照步骤s3的方法再生成第三代，如此循环迭代，每一代都保留了父代的精英个体，保证了pareto最优解逐步收敛，经过代，生成种群。
33.所述的步骤s5具体为：从种群中选择最优解作为最终解，即最终资源调度方案。
34.在所述的步骤s5中，基于总工作量均衡度、保障人员平均移动距离和个人任务间隔最小时间三个目标上考虑，选择最优个体，设置多目标的偏好权重，分别设置权重为、、；选择最优个体步骤:步骤1：根据总工作量均衡度目标a进行优劣排序；步骤2：从种群淘汰目标值a最劣的个个体，保留个个体；步骤3：保留的个个体根据保障人员平均移动距离目标b进行优劣排序；步骤5：淘汰目标值b最劣的个个体，保留个个体；步骤6：把保留的个体集根据个人任务间隔最小时间目标优劣排序，选择最优个体，最终筛选出的个体就是机场资源的最佳调度方案。
35.本方法能够兼顾多个目标，在短时间内能够生成符合机场运营实际使用的pareto最优解。
36.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。