[发明专利]基于DBSCAN-GA的机场保障车辆任务调度方法

权利要求书

1.基于DBSCAN-GA的机场保障车辆任务调度方法，其特征在于，通过DBSCAN聚类算法对历史数据进行分析，将数据分为若干个簇，并分别统计各个簇中的员工信息以及机位信息；通过遗传算法对要派工的新数据进行派工，派工时根据每个簇中的机位信息是否包含当前要分配任务的机位，当该簇存在该机位的历史任务时，则将该簇中的员工作为此任务的备选分配对象；

所述方法具体步骤如下：

步骤一：对机场保障车辆任务调度的历史数据进行预处理和特征工程，清除掉历史数据中丢失数据较多的部分，对不重要的特征进行删除，对数据做向量化处理；

步骤二：利用DBSCAN对历史数据进行聚类分析，通过自动调节计算出参数(ε，MinPts)，以此作为DBSCAN的参数，将数据分为若干个簇；ε为半径参数；

步骤三：分别统计各个簇中存在的员工以及机位，生成每个簇员工列表以及机位列表；

步骤四：根据机场规则，将文本规则转化成程序能够认知的数字规则，将待派工的人员数据以及任务数据，根据机场规则进行匹配；

步骤五：根据员工信息生成初始遗传算法个体基因以及群体，生成任务列表，基因列表中的数据代表任务列表的下标，设置变异概率、迭代数；

步骤六：根据保障车辆任务调度派工的目标设计遗传算法适应度函数；

步骤七：计算个体的适应度函数，选择适应度值较高的个体，进行基因交叉；

步骤八：根据变异概率选择基因组修改基因；

步骤九：迭代算法直到达到迭代次数为止。

2.根据权利要求1所述的基于DBSCAN-GA的机场保障车辆任务调度方法，其特征在于，所述步骤二中簇的生成步骤包括：

(1)将所有数据节点作为初始的核对象，对数据集中的每个节点在其ε领域内查找大于等于MinPts的节点个数；自动调节ε大小，达到自动化调参的目的，即选择数据集中的一个节点x，寻找k个距离x最近的点k＝MinPts-1求出与节点p距离其最近的k个节点的曼哈顿距离ε＝d(x，x_k)；

(2)以步骤(1)生成的ε为半径，以x为核对象，生成节点集合簇；并对生成的簇进行检验，对不符合逻辑的簇作撤销操作；

(3)对不同簇中含有公共节点的簇进行合并，合并后的簇最为最终结果；

(4)迭代多次，直至所有数据均被处理过，即得到DBSCAN聚类簇。

3.根据权利要求2所述的基于DBSCAN-GA的机场保障车辆任务调度方法，其特征在于，步骤(2)中簇的撤销操作步骤为：生成簇之后，对异常点进行检测；

首先，采用节点之间的平均值距离作为密度的测量标准；求核对象x周围的k个最近点的曼哈顿距离平均值距离越大，说明周围点的密度越小，相反的，距离越小说明周围点的密度越大；

其次，当异常点x成为核对象后，计算其范围内的点的距离平均值，当其簇内点平均值距离远小于ε半径参数时，则该簇是有问题的，对该簇进行撤销回滚，将该簇中的所有点的信息全部去除。

4.根据权利要求1所述的基于DBSCAN-GA的机场保障车辆任务调度方法，其特征在于，所述步骤六中，采用均衡人员工作负载作为优化目标建立适应度函数，使每个司机个体之间的负载差距最小；所述适应度函数为

其中，I代表司机数量，表示i司机的负载为s。

5.根据权利要求1所述的基于DBSCAN-GA的机场保障车辆任务调度方法，其特征在于，所述遗传算法的步骤包括：

(1)初始化：设置算法进化代数的计数器，设置算法最大进化数量，并将随机生成的若干个个体作为初始群体；

(2)个体评价：根据算法的目标设计适应度函数，计算群体中各个个体的适应度；

(3)选择交叉运算：选择运算的目的是通过适应度函数计算建立在群体中个体的适应度，将优秀的个体通过交叉配对等方式遗传到下一代；

(4)变异运算：对群体中某些个体上的某些基因的基因做修改；

(5)群体经过选择、交叉、变异运算之后得到下一代群体；

(6)终止条件判断：当算法执行达到设置进化代数时，终止计算。