面向航空公司机组排班的航班衔接预测以构建OR优化器初始簇
机器学习
2021-03-04 v2 最优化与控制
机器学习
摘要
我们给出一个使用机器学习分类算法来初始化大规模商业求解器（GENCOL，基于列生成）的案例研究，背景为航空公司机组配对问题，其中哪怕仅1%的微小节省在大型航空公司中也意味着每年数千万美元的收入增长。在模仿学习框架下，我们聚焦于预测机组下一衔接航班的问题，将其构建为从历史数据训练的多类分类问题，并设计了一种适配的神经网络方法，取得了高准确率（整体99.7%，或在更难实例上82.5%）。我们通过简单启发式方法将航班衔接预测组合为初始机组配对簇以供入GENCOL求解器，展示了该方法的有效性，带来了10倍的速度提升以及高达0.2%的成本节省。
引用
@article{arxiv.2009.12501,
title = {Flight-connection Prediction for Airline Crew Scheduling to Construct Initial Clusters for OR Optimizer},
author = {Yassine Yaakoubi and François Soumis and Simon Lacoste-Julien},
journal= {arXiv preprint arXiv:2009.12501},
year = {2021}
}
备注
First publication on the "Cahiers du GERAD" series in April 2019