王兴隆,余国乐,冯小荣
摘要: 航班着陆调度问题(Aircraft Landing Problem, ALP)是一个具有严苛安全间隔约束的高维非线性组合优化难题。针对大规模流量场景下,群体智能算法面临“维度灾难”难以满足实时需求,以及传统强化学习在处理硬约束时收敛困难的问题,提出一种引导式策略梯度方法(Guided Policy Gradient, GPG)。首先,构建了基于注意力机制的序列决策网络,利用其多头注意力机制深度捕捉航班间复杂的时空关联特征,实现对全局调度状态的精准感知。其次,针对大规模场景下的维度灾难,提出一种动态受限候选集掩码(Dynamic Restricted Candidate Mask, DRCM)策略,通过目标时间准则实时筛选最具调度关联性的航班子集,将高维动作空间有效压缩至固定维度的滚动决策窗口,显著降低了策略搜索成本。最后,提出一种松弛引导(Relaxed Guidance)机制,通过将离散的硬间隔约束转化为平滑的梯度引导路径,有效化解了 ALP 决策空间的不可导难题,并结合指数移动平均(EMA)基准线机制降低策略梯度的方差,提升了模型在海量随机样本下的训练稳定性。采用OR-Library数据集进行对所提方法进行验证。实验表明,所提模型求解结果优于先到先服务(FCFS)策略, 位移决策(DALP)算法,分散搜索(SS)算法,生物仿生(BA)算法,求解精度平均提升44.58%,20.69%,3.16%,0.84%。在小规模数据集上,与混合粒子群优化-局部搜索(RH-HPSO-LS)算法相近。在大样本数据集上,在保证计算精度的同时,时间效率优于对比算法,表明该算法能够兼顾求解效率与约束鲁棒性。
中图分类号: