[发明专利]一种通航作业的运力与任务匹配的遗传算法优化方法

说明书

一种通航作业的运力与任务匹配的遗传算法优化方法。其结合遗传算法在智能处理、函数建模方面适应性强与快速找到最优解的优点，将其应用于通航各区域作业运力与任务匹配过程中，即通过对该模型的求解实现辅助年度运行方案制定与决策之功能，依据通航有关标准与直升机巡检工作的参数特点，利用遗传算法对模型进行求解优化。本发明效果：系统整合通用航空各区域运力资源，有助于加速发展大数据信息化管理方式；结合通航区域作业历史数据进行作业资源调配，提高生产作业效率；综合考虑运力资源的各方面约束条件，在保证完成给定任务量的情况下节约尽可能多的运力资源，控制运营成本；结合通用航空相关适航规定，实现了运力资源与生产任务的最优匹配。

技术领域

本发明属于通用航空技术领域，特别涉及一种针对通航电力作业的运力资源与生产任务匹配性问题的通航作业的运力与任务匹配的遗传算法优化方法。

背景技术

相较于大型民用航空，通用航空产业起步较晚，由于机队规模较小，因此机组资源安排也相对简单。随着通航公司业务量的逐渐扩大，机队的规模和数量迅速增加，也将面临如何降低运营成本，提高生产效益的问题。目前，在大型民用航空领域，运力资源调配常用线性规划法、智能体理论、非启发式算法、启发式算法等，但以上算法并不适用于通用航空领域；而且，国内通用航空针对于运力匹配、机组资源调度方面的理论和方法研究尚处于起步阶段。因此，迫切需要建立一套针对通航运力匹配优化方法，将有助于科学合理地统筹通航作业的运力生产资源，提高整个通航业的产能与效率，由此实现通航机组作业的标准化和精细化管理。

发明内容

为了解决上述问题，本发明的目的在于提供一种通航作业的运力与任务匹配的遗传算法优化方法。

为了达到上述目的，本发明提供的通航作业的运力与任务匹配的遗传算法优化方法包括按顺序进行的下列步骤：

(1)依据各区域的航空器与作业机组数据，确定现有的运力资源；依据承接的新增任务与结转任务，确定实际的年度任务量；

(2)依据通航作业中作业机组人员配置、运力资源与年度任务量在内的给定条件，确定以最少运力资源所代表的目标函数和约束条件，建立运力资源匹配性模型；

(3)对上述运力资源匹配性模型利用遗传算法求解目标函数，得到运力资源匹配性数据；

(4)依据运力资源在内的给定条件，结合步骤(3)中得到的运力资源匹配性数据，确定最大单机日利用率的目标函数和分别基于安全裕度、任务计划与外部环境的约束条件，建立运力资源与生产任务匹配性模型；

(5)对上述运力资源与生产任务匹配性模型利用两阶段算法求解目标函数，得到运力资源与生产任务匹配性结果，由此完成优化过程。

在步骤(1)中，所述的依据各区域的航空器与作业机组数据，确定现有的运力资源；依据承接的新增任务与结转任务，确定实际的年度任务量的方法是：收集各区域可用运力资源信息，统计当前阶段拟完成总任务量，最后进行实际的年度任务量的确定。

在步骤(2)中，所述的依据通航作业中作业机组人员配置、运力资源与年度任务量在内的给定条件，确定以最少运力资源所代表的目标函数和约束条件，建立运力资源匹配性模型的方法是：收集统计所需作业任务的作业机组人员配置、运力资源可用情况以及分区域相对应的任务量情况在内的信息，以使用最少运力资源为目标，构建目标函数，依据运力资源限制条件构建约束条件，最后建立运力资源匹配性模型。

在步骤(3)中，所述的对上述运力资源匹配性模型利用遗传算法求解目标函数，得到运力资源匹配性数据的方法是：收集求解运力资源匹配性模型所需信息数据，利用遗传算法求解模型，采用Matlab软件中的遗传算法工具箱进行辅助求解，最后得到运力资源匹配性数据。