面向含多个机组基地与轮辐式子网络的大型网络的航空公司机组配对优化框架
摘要
机组配对优化旨在以最小成本生成一组飞行序列(机组配对),覆盖某航空公司航班时刻表中的所有航班,同时满足若干合法性约束。鉴于机组运营成本是航空公司第二大支出,CPO 对其商业生存能力至关重要。它构成一个 NP 难组合优化问题,对此最先进的方法依赖于将底层整数规划问题(IPP)松弛为线性规划问题(LPP),通过列生成(CG)技术求解后者,并对所得 LPP 解进行整数化。然而,随着航班网络规模与复杂度增长(具有大量航班、多个机组基地和/或多个轮辐式子网络),传统 CG 实践的效用已受质疑。本文提出一个航空公司机组配对优化框架 AirCROP,其构成模块包括合法机组配对生成器、初始可行解生成器,以及基于启发式 CG 实现的优化引擎。本文除设计 AirCROP 各模块外,还分享了与这些模块如何交互相关的重要问题的见解——而文献对此默然不语。这些问题涉及 AirCROP 性能对以下方面的敏感性:给定问题多次运行的变异性来源、初始化方法,以及 LPP 求解与 IPP 求解的终止参数。AirCROP 的效能已在真实世界大规模复杂航班网络(超过 4200 个航班、15 个机组基地及逾十亿个配对)上得到验证。希望随着此类复杂航班网络的出现,本文能成为相关研究与应用的重要里程碑。
引用
@article{arxiv.2003.03994,
title = {Airline Crew Pairing Optimization Framework for Large Networks with Multiple Crew Bases and Hub-and-Spoke Subnetworks},
author = {Divyam Aggarwal and Dhish Kumar Saxena and Thomas Bäck and Michael Emmerich},
journal= {arXiv preprint arXiv:2003.03994},
year = {2020}
}
备注
28 pages, 3 figures, 9 tables, manuscript submitted for review in a refereed journal. A patent application, based on this research, has been filed in the Netherlands Patent Office. Moreover, D. Aggarwal (author) received the IEEE-ITSS Young Professionals Travelling Fellowship Award for presenting this research work at IEEE ITSC 2019, held in Auckland, New Zealand in October 2019