[发明专利]基于遗传算法的飞机排班调度方法

权利要求书

1.一种基于遗传算法的飞机排班调度方法，其特征在于：包括以下步骤，

步骤1、构建飞机排班染色体模型，获得具有M个飞机排班染色体的初代种群，并设置所述飞机排班调度方法的迭代次数g＝0；

步骤2、构建用于评价飞机排班染色体适应度值的适应度函数，根据所述适应度函数计算当代种群中每个飞机排班染色体的适应度值；

步骤3、判断迭代次数g是否达到最大迭代次数G，若是，执行步骤4，若否，执行步骤5；

步骤4、输出适应度值最优的飞机排班染色体；

步骤5、根据个体选择策略对当代种群中的飞机排班染色体个体进行个体选择，获得飞机排班染色体中适应度值最优的飞机排班染色体c；

步骤6、根据交叉概率公式计算所述飞机排班染色体c发生交叉的概率，并根据交叉的概率判断所述飞机排班染色体c是否发生交叉，若发生染色体交叉，则根据染色体交叉方法进行染色体交叉，获得交叉后的飞机排班染色体c′，并根据飞机排班染色体c′执行步骤7，若不发生交叉，则直接根据飞机排班染色体c执行步骤7；

步骤7、根据变异概率公式计算飞机排班染色体发生变异的概率，并根据变异的概率判断该飞机排班染色体个体是否发生变异，若是，则根据染色体变异方法进行染色体变异，得到变异后的飞机排班染色体c″，并执行步骤8；若否，则直接执行步骤8；

步骤8、将经过个体选择、染色体交叉、染色体变异操作的染色体加入到新一代种群中，作为新一代种群中的个体；

步骤9、判断所述新一代种群中个体数目是否达到M，若是，执行步骤10，若否，执行步骤5；

步骤10、则用新一代种群代替当代种群，并迭代次数g+1，并返回步骤2。

2.根据权利要求1所述的基于遗传算法的飞机排班调度方法，其特征在于：

所述步骤1包括以下步骤，

步骤100、获得飞机集合F＝{f₁，f₂，…，f_N}和航班集合A＝{a₁，a₂，…，a_P}，构建包含用于存放首端航班的栈Stackh和用于存放尾端航班的栈Stackt的航班串；

步骤101、在航班集合A中随机选择一个航班加入栈Stackh中；

步骤102、根据栈Stackh.top航班的起飞机场，在航班集合A中选择一个降落机场与之相同的航班加入栈Stackt中；

步骤103、根据栈Stackh.top航班的降落机场，在航班集合A中选择一个起飞机场与之相同的航班加入栈Stackh中；

步骤104、根据栈Stackt.top航班的起飞机场，在航班集合A中选择一个降落机场与之相同的航班加入栈Stackt中；

步骤105、在生成航班串时计算航班串中的总航班时长，判断所述总航班时长是否大于飞机每日最大飞行时长限制，若否，重复步骤103和步骤104，若是，进行回溯操作，在栈中删除最近入栈中的航班，在航班集合A中重新选择一个未被选择过的其他航班，使航班串满足飞机每日最大飞行时长限制约束，若无法找到一个未被选择过的其他航班，则继续向前回溯；

步骤106、将栈Stackh与栈Stackt连接，并对连接后的航班串进行航班串约束检查，判断是否满足航班串约束，若否，则进行回溯操作，删除最近加入栈中的航班，在航班集合A中重新选择一个未被选择过的其他航班，直至航班串满足航班串约束，若是，则获得所述航班串，在飞机集合中选择一架空闲飞机执行该航班串任务，并执行步骤107；

步骤107、获取航班集合中剩余航班数量，并判断航班集合中剩余航班数量是否大于0，若是，返回步骤101，若否，飞机排班染色体数量加1并执行步骤108；

步骤108、判断所述飞机排班染色体数量是否小于M，若是，返回步骤101，若否，输出所述初代种群。

3.根据权利要求2所述的基于遗传算法的飞机排班调度方法，其特征在于：

所述航班串约束包括航班衔接地点约束、航班衔接时间约束、飞机基地约束、飞机最大飞行时间约束以及飞机过站时间约束。