[发明专利]基于量子启发式算法的机场滑行道调度方法

说明书

本发明公开了一种基于量子启发式算法的机场滑行道调度方法，该方法包括读取机场节点和飞机起飞计划的数据，并对每条相邻节点之间路径的信息素进行初始化，采用量子比特的振幅来表示路径的信息素，利用量子门旋转来实现路径信息素的更新操作，从而提高后代选择较优路径的概率，通过进行对头冲击检测、追尾冲击检测以及交叉冲击检测，并且解决冲突，经过不断迭代最终得到较优的机场滑行道调度方案。该方法具有良好的计算效率和计算结果，对于常见的无冲突路径规划问题有着较优的计算能力。

技术领域

本发明属于机场调度方法技术领域，尤其涉及一种基于量子启发式算法的机场滑行道调度方法。

背景技术

现有的机场滑行道调度大多依赖人工经验，很少采用算法进行计算。现有解决组合优化问题的算法主要分为MILP方法和启发式算法。但是随着交通运输业的发展，机场规模不断增大，航班数量快速增加，以MILP为代表的精确算法难以应对日益增长的计算需求。而现有的启发式算法如蚁群算法、遗传算法、粒子群算法等，虽然能应对较大的数据运算量，但是得到的结果常常不够理想，平均等待时间、总体滑行时间较长。总体而言，现有的机场滑行道调度算法难以应对未来的需求。

现有技术“Jiao-Hong Yi,Mei Lu,Xiang-Jun Zhao.Quantum inspired monarchbutterfly optimisation for UCAV path planning navigationproblem.International Journal of Bio-Inspired Computation,15(2),2020,75.”采用量子启发的帝王蝶算法对无人机的飞行路径进行计算，该算法将路径进行分段，并且计算每一段与障碍物的距离，通过迭代使得最终路径较短且避开障碍物。但是该算法只考虑了单个无人机的路径规划情形，并不适用于多无人机或者同类等价问题的协同路径规划场景。

现有技术“Min Liu,Feng Zhang,Yun long Ma.Evacuation path optimizationbased on quantum ant colony algorithm.Advanced Engineering Informatics,2016,30(3):259–267”采用了量子启发的蚁群算法对人群的避难路线进行计算，针对多个运动目标同时进行路径规划。但该算法计算出的多条可行路径，容许不同的人在同一时间选择同一条路径进行避难，故而不适用于机场调度的场景要求。

发明内容

发明目的：本发明的目的是提供一种基于量子启发式算法的机场滑行道调度方法，该方法通过模拟量子门旋转对信息素进行更新，并且提供了冲突解脱方案，既保障了飞机在滑行道上的安全性，又减少了航班因采取不合适滑行道调度方案导致的延误。

技术方案：本发明基于量子启发式算法的机场滑行道调度方法，包括以下步骤：

(1)读取机场节点以及飞机起飞计划的数据，并对每条相邻节点之间路径的信息素进行初始化；其中，飞机起飞计划包括飞机弹出的时间、弹出的位置、降落的时间、滑行的时间、滑动的速度以及滑行的终点；

(2)针对每架飞机，读取当前节点、滑行速度和滑行的终点，根据当前节点可选路径的信息素选取对应路径，通过该路径走到相邻下一个节点，随后继续计算后续路径，执行若干次直至走到目标节点或者无路可走；若无路可走，则不更新所走路径的信息素；若成功走到目标节点，则对走过的路径进行内部信息素更新；相邻节点a、b之间的信息素由量子比特Q_a,b表示，其中α²+β²＝1，用量子门U进行更新，更新方式如下所示：

其中，该更新方式中，θ为旋转角度；Q′为旋转后的量子比特；