Лебедев Георгий Николаевич - доктор технических наук, профессор кафедры систем автоматического и интеллектуального управления
Georgiу N. Lebedev - Doctor of Technical Sciences, Professor of the Chair of the Automatic and Intellectual Management Systems
Малыгин Вячеслав Борисович - начальник учебно-тренажерного центра кафедры управления воздушным движением МГТУ ГА
Vyacheslav B. Malygin - Head of the Training Center of the Air Traffic Management Chair
Михайлин Денис Александрович - кандидат технических наук, доцент МАИ, научный сотрудник ГНИИЦ Министерства обороны РФ
Denis A. Mikhaylin - Candidate of Technical Sciences, Associate Professor, Moscow Aviation Institute (National Research University), Research Officer, Main Research and Testing CR MD RF
Тан Бяо - магистрант Московского авиационного института (НИУ)
Tan Byo - Master’s Degree Student
В работе ставится многокритериальная задача маршрутизации и планирования графиков полета беспилотной и пилотируемой гражданской авиации с использованием метода штрафных функций. Показана актуальность решаемой задачи для управления авиакомпанией в условиях существующих изменений динамической обстановки при большом разнообразии полетных ситуаций. Сформулирована математическая постановка задачи и предложен универсальный критерий оптимальности в виде суммы аддитивной и мультипликативной форм, включающих частные показатели качества. Поиск оптимальных и рациональных вариантов решения задачи оптимальной маршрутизации полетов с учетом имеющихся у компании ресурсов самолетного парка, предложений пользователей воздушного пространства, ограничений постоянного и переменного характера, связанных, к примеру, с неблагоприятными погодными условиями, может осуществляться с помощью однокритериального и многокритериального подхода, но в итоге предлагается использовать генетический алгоритм, обладающий невысокой трудоемкостью вычислений и предлагающий в качестве решений («предков») близкий к оптимальному и рациональному результат. При таком подходе в начале работы алгоритма образуется «элита», что позволяет затем на каждом шаге итерации (эволюции) выполнить операцию скрещивания. В итоге получаем новых «потомков», а путем перестановки хотя бы одного пункта из одного блока в соседний можно получить достаточно большое число представителей, из которых затем с помощью критерия может быть отобрана новая «элита». Практика использования генетических алгоритмов показала, что наряду с достижением с его помощью глобального экстремума процесс существенного улучшения результатов планирования достигается за несколько шагов эволюции, и их число явно меньше, чем число шагов при использовании численных методов параметрической оптимизации. Предлагаемый подход позволит значительно повысить эффективность и качество планирования выполнения полетов авиакомпании с учетом разнообразия самолетного парка, коммерческой загрузки и влияния внешней среды. Особую актуальность данная задача приобретает в условиях совместного управления (CDM), где в качестве дополнительных критериев могут рассматриваться аэронавигационные данные.
The article deals with the multi-criteria task of routing and scheduling of unmanned and manned aircraft using the method of penalty functions. The authors describe the urgency of the problem being solved for the airline management under the conditions of the existing changes in the dynamic situation with a great variety of flight situations. A mathematical statement of the problem is formulated and a universal optimality criterion is proposed in the form of a sum of additive and multiplicative forms, including partial quality indicators. The search for optimal and rational solutions to the problem of optimal flight routing, taking into account the airline fleet resources, airspace users' offers, constant and variable restrictions, associated, for example, with unfavorable weather conditions, can be implemented using a one-criteria and multi-criteria approach, but as a result, it is proposed to use a genetic algorithm that has low computational complexity and offers as solutions ("ancestors"), close to the optimal and rational result. With this approach, an "elite" is formed at the beginning of the algorithm, which allows the crossing operation to be performed at each step of the iteration (evolution). As a result, we get new "descendants", and by rearranging at least one item from one block to the next one, we can get a sufficiently large number of representatives, from which a new "elite" can be selected with the help of the criterion. The practice of using genetic algorithms has shown that along with the achievement of a global extremum with it, the process of substantial improvement of planning results is achieved in several evolution steps, and their number is clearly less than the number of steps when using numerical methods of parametric optimization. The proposed approach will significantly improve the efficiency and quality of flight planning for the airline, taking into account the diversity of aircraft fleet, payload and environmental impact. This task is especially important under the conditions of joint management (CDM), where aeronautical data can be considered as additional criteria.
The authors declare that there are no conflicts of interest present.