本發(fā)明涉及任務(wù)分配的，具體為一種基于物聯(lián)網(wǎng)的機(jī)場(chǎng)任務(wù)分配和優(yōu)化系統(tǒng)及方法。

背景技術(shù)：

1、中國(guó)專利cn111126667a公開(kāi)了基于主動(dòng)拓?fù)鋬?yōu)化的車輛任務(wù)卸載及資源分配方法和系統(tǒng)，其特征在于，步驟具體包括獲取待停車區(qū)域的車輛信息和待處理的業(yè)務(wù)信息，其中待停車區(qū)域的車輛信息包括已停車位置信息和未停車位置信息；將全部已停車位置信息分別與每一個(gè)未停車位置信息進(jìn)行組合，構(gòu)建車載云模型，得到每個(gè)車載云模型對(duì)應(yīng)的第一鄰接矩陣；再所述待處理的業(yè)務(wù)信息構(gòu)建業(yè)務(wù)模型，得到業(yè)務(wù)模型對(duì)應(yīng)的第二鄰接矩陣；根據(jù)每個(gè)車載云模型對(duì)應(yīng)的第一鄰接矩陣和第二鄰接矩陣，判斷模型是否匹配；當(dāng)模型匹配時(shí)，計(jì)算和業(yè)務(wù)模型相匹配的車載云模型所對(duì)應(yīng)的效用函數(shù)值，從全部效用函數(shù)值中獲取最小的效用函數(shù)值對(duì)應(yīng)的未停車位置信息，將所述未停車位置信息和車輛任務(wù)卸載相對(duì)應(yīng)。該發(fā)明沒(méi)有實(shí)現(xiàn)任務(wù)優(yōu)化，任務(wù)執(zhí)行效率不高。

2、傳統(tǒng)的任務(wù)分配方法，往往存在任務(wù)分配速度慢、人員利用率不高和分配方法不合理等問(wèn)題，且分配過(guò)程復(fù)雜；同時(shí)對(duì)任務(wù)分配進(jìn)行優(yōu)化時(shí)，沒(méi)用使用神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等高新技術(shù)，數(shù)據(jù)處理速度慢，優(yōu)化策略不能達(dá)到最優(yōu)。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)相關(guān)技術(shù)中的問(wèn)題，本發(fā)明提供了一種基于物聯(lián)網(wǎng)的機(jī)場(chǎng)任務(wù)分配和優(yōu)化系統(tǒng)及方法，以克服現(xiàn)有相關(guān)技術(shù)所存在的上述技術(shù)問(wèn)題。

2、為解決上述技術(shù)問(wèn)題，本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：

3、本發(fā)明為一種基于物聯(lián)網(wǎng)的機(jī)場(chǎng)任務(wù)分配和優(yōu)化方法，包括如下步驟：

4、s1、獲取一段時(shí)間內(nèi)機(jī)場(chǎng)地面保障任務(wù)時(shí)間信息，記為機(jī)場(chǎng)任務(wù)時(shí)間集合，基于離群因子檢測(cè)算法對(duì)所述機(jī)場(chǎng)任務(wù)時(shí)間集合中的機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)進(jìn)行異常數(shù)據(jù)刪除，得到處理后的機(jī)場(chǎng)任務(wù)時(shí)間集合；

5、s2、基于機(jī)場(chǎng)服務(wù)質(zhì)量、機(jī)場(chǎng)工作人員積極性和機(jī)場(chǎng)任務(wù)分配公平性，構(gòu)建機(jī)場(chǎng)任務(wù)分配模型的目標(biāo)函數(shù)，建立機(jī)場(chǎng)任務(wù)分配模型，并對(duì)所述機(jī)場(chǎng)任務(wù)分配模型進(jìn)行約束，得到機(jī)場(chǎng)任務(wù)分配模型約束條件；

6、s3、對(duì)機(jī)場(chǎng)任務(wù)進(jìn)行編碼，將所述機(jī)場(chǎng)任務(wù)分配模型作為適應(yīng)度函數(shù)，并在所述機(jī)場(chǎng)任務(wù)分配模型約束條件下，使用足球隊(duì)訓(xùn)練算法對(duì)機(jī)場(chǎng)任務(wù)進(jìn)行分配，尋找最佳適應(yīng)度函數(shù)值，完成機(jī)場(chǎng)任務(wù)分配和優(yōu)化；

7、s4、根據(jù)民航航線管理平臺(tái)數(shù)據(jù)，針對(duì)航班延誤，重新對(duì)機(jī)場(chǎng)任務(wù)進(jìn)行分配，動(dòng)態(tài)調(diào)整機(jī)場(chǎng)任務(wù)分配方案。

8、該發(fā)明通過(guò)獲取機(jī)場(chǎng)地面保障任務(wù)時(shí)間信息，生成機(jī)場(chǎng)任務(wù)時(shí)間集合，使用離群因子檢測(cè)算法，通過(guò)檢測(cè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)周圍的局部可達(dá)密度，從而得到局部離群因子，將不符合閾值的機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)刪除；該算法通過(guò)計(jì)算數(shù)據(jù)點(diǎn)附近密度達(dá)到異常檢測(cè)的目的，可以有效刪除異常數(shù)據(jù)，檢測(cè)精度高；其次，基于機(jī)場(chǎng)服務(wù)質(zhì)量、機(jī)場(chǎng)工作人員積極性和機(jī)場(chǎng)任務(wù)分配公平性，分別建立機(jī)場(chǎng)服務(wù)質(zhì)量目標(biāo)函數(shù)、機(jī)場(chǎng)工作人員積極性目標(biāo)函數(shù)和機(jī)場(chǎng)任務(wù)分配公平性目標(biāo)函數(shù)，構(gòu)建機(jī)場(chǎng)任務(wù)分配模型，并對(duì)機(jī)場(chǎng)任務(wù)分配模型進(jìn)行約束；可以對(duì)任務(wù)分配問(wèn)題進(jìn)行定量分析，便于任務(wù)分配和優(yōu)化；再將所述機(jī)場(chǎng)任務(wù)分配模型作為適應(yīng)度函數(shù)，并在機(jī)場(chǎng)任務(wù)分配模型約束條件下，使用足球隊(duì)訓(xùn)練算法對(duì)機(jī)場(chǎng)任務(wù)進(jìn)行分配，完成機(jī)場(chǎng)任務(wù)分配和優(yōu)化，通過(guò)模擬足球訓(xùn)練的過(guò)程來(lái)優(yōu)化問(wèn)題；該算法搜索速度快，具有很強(qiáng)的尋優(yōu)性能；最后針對(duì)航班延誤，重新對(duì)機(jī)場(chǎng)任務(wù)進(jìn)行分配，動(dòng)態(tài)調(diào)整機(jī)場(chǎng)任務(wù)分配方案；該方法通過(guò)對(duì)每次動(dòng)態(tài)調(diào)整的過(guò)程進(jìn)行詳細(xì)記錄，以便于后續(xù)分析和改進(jìn)。

9、優(yōu)選地，所述s1包括以下步驟：

10、s11、飛機(jī)降落到起飛過(guò)程中，獲取飛機(jī)降落前、降落時(shí)、降落后、起飛前和起飛時(shí)的機(jī)場(chǎng)地面保障任務(wù)，其中飛機(jī)降落前的任務(wù)包括分配停機(jī)坪等，飛機(jī)降落時(shí)的任務(wù)包括引導(dǎo)飛機(jī)入位等，飛機(jī)降落后的任務(wù)包括下機(jī)引導(dǎo)、特種車輛保障等，飛機(jī)起飛前的任務(wù)包括加油、供電等，飛機(jī)起飛時(shí)的任務(wù)包括推動(dòng)航空器等；記錄一段時(shí)間內(nèi)全部機(jī)場(chǎng)地面保障任務(wù)時(shí)間信息，記為機(jī)場(chǎng)任務(wù)時(shí)間集合a＝{(a1,b1),(a2,b2),(a3,b3),...,(am,bm)}，其中(am,bm)表示第m個(gè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)，包括開(kāi)始執(zhí)行時(shí)間和完成時(shí)間；

11、s12、在所述機(jī)場(chǎng)任務(wù)時(shí)間集合中，選取第m1個(gè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)，設(shè)定任意正整數(shù)k，將第m1個(gè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)的第k個(gè)最鄰近數(shù)據(jù)之間的歐式距離記為m1的k鄰近距離，保持機(jī)場(chǎng)任務(wù)時(shí)間集合中存在k個(gè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)；其中，k個(gè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)和第m1個(gè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)的歐式距離小于或者等于m1的k鄰近距離，使用離群因子檢測(cè)算法檢測(cè)機(jī)場(chǎng)任務(wù)時(shí)間集合中的異常機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)，并將異常機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)刪除，得到處理后的機(jī)場(chǎng)任務(wù)時(shí)間集合，具體步驟如下：

12、s121、計(jì)算所述機(jī)場(chǎng)任務(wù)時(shí)間集合中機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)和第m1個(gè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)的歐式距離，記為k鄰域距離，將k鄰域距離小于或者等于m1的k鄰近距離對(duì)應(yīng)的機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)加入到鄰域集合中，得到鄰域集合；設(shè)定第m1個(gè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)和鄰域集合中第i1個(gè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)的歐式距離記為可達(dá)距離則局部可達(dá)密度計(jì)算公式如下：

13、

14、其中，表示第m1個(gè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)的局部可達(dá)密度，b表示鄰域集合中機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)個(gè)數(shù)，i1＝1,2,3,...,b；

15、s122、計(jì)算鄰域集合中第i1個(gè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)的局部可達(dá)密度，則局部離群因子計(jì)算公式如下：

16、

17、其中，表示第m1個(gè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)的局部離群因子，表示鄰域集合中第i1個(gè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)的局部可達(dá)密度；

18、計(jì)算鄰域集合中全部機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)的局部離群因子，得到局部離群因子集合，將所述局部離群因子集合中局部離群因子按照升序進(jìn)行排序，設(shè)定局部離群因子閾值為ω，將局部離群因子集合中局部離群因子大于局部離群因子閾值的記為異常局部離群因子，刪除所述機(jī)場(chǎng)任務(wù)時(shí)間集合中異常局部離群因子對(duì)應(yīng)的機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)，得到處理后的機(jī)場(chǎng)任務(wù)時(shí)間集合。

19、該發(fā)明通過(guò)對(duì)機(jī)場(chǎng)任務(wù)時(shí)間集合使用離群因子檢測(cè)算法，檢測(cè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)周圍的局部可達(dá)密度后得到局部離群因子，通過(guò)比較閾值，將不符合的機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)刪除；該算法通過(guò)計(jì)算數(shù)據(jù)點(diǎn)附近密度達(dá)到異常檢測(cè)的目的，可以有效刪除異常數(shù)據(jù)，算法性能好且檢測(cè)精度高。

20、優(yōu)選地，所述s2包括以下步驟：

21、s21、根據(jù)所述處理后的機(jī)場(chǎng)任務(wù)時(shí)間集合得到機(jī)場(chǎng)任務(wù)開(kāi)始執(zhí)行時(shí)間，機(jī)場(chǎng)任務(wù)完成時(shí)間；設(shè)定機(jī)場(chǎng)任務(wù)集合為a′＝{a′1,a′2,a′3,...,a′m′}，其中a′m′表示第m′個(gè)機(jī)場(chǎng)任務(wù)，機(jī)場(chǎng)工作人員集合為a″＝{c1,c2,c3,...,cn}，其中cn表示機(jī)場(chǎng)工作人員n；將所述機(jī)場(chǎng)任務(wù)集合中的機(jī)場(chǎng)任務(wù)分配給機(jī)場(chǎng)工作人員集合中的機(jī)場(chǎng)工作人員，設(shè)定機(jī)場(chǎng)任務(wù)分配系數(shù)為χ，當(dāng)機(jī)場(chǎng)任務(wù)分配系數(shù)為1時(shí)，表示將第m″個(gè)機(jī)場(chǎng)任務(wù)分配給機(jī)場(chǎng)工作人員n′，當(dāng)機(jī)場(chǎng)任務(wù)分配系數(shù)為0時(shí)，表示將第m″個(gè)機(jī)場(chǎng)任務(wù)不分配給機(jī)場(chǎng)工作人員n′；b(m″,n′)表示機(jī)場(chǎng)工作人員n′對(duì)第m″個(gè)機(jī)場(chǎng)任務(wù)的能力匹配結(jié)果，建立機(jī)場(chǎng)服務(wù)質(zhì)量目標(biāo)函數(shù)如下：

22、

23、其中，f1表示機(jī)場(chǎng)服務(wù)質(zhì)量目標(biāo)函數(shù)；

24、設(shè)定b′(m″,n′)表示機(jī)場(chǎng)工作人員n′對(duì)第m″個(gè)機(jī)場(chǎng)任務(wù)的興趣匹配結(jié)果，建立機(jī)場(chǎng)工作人員積極性目標(biāo)函數(shù)如下：

25、

26、其中，f2表示機(jī)場(chǎng)工作人員積極性目標(biāo)函數(shù)；

27、設(shè)定b″(m″,n′)表示機(jī)場(chǎng)工作人員n′對(duì)第m″個(gè)機(jī)場(chǎng)任務(wù)的負(fù)載，機(jī)場(chǎng)工作人員集合中全部機(jī)場(chǎng)工作人員的平均負(fù)載為建立機(jī)場(chǎng)任務(wù)分配公平性目標(biāo)函數(shù)如下：

28、

29、其中，f2表示機(jī)場(chǎng)任務(wù)分配公平性目標(biāo)函數(shù)；

30、s22、使所述機(jī)場(chǎng)服務(wù)質(zhì)量目標(biāo)函數(shù)和機(jī)場(chǎng)工作人員積極性目標(biāo)函數(shù)處于最大值，賦予機(jī)場(chǎng)服務(wù)質(zhì)量目標(biāo)函數(shù)權(quán)值δ1，賦予機(jī)場(chǎng)工作人員積極性目標(biāo)函數(shù)權(quán)值δ2，且δ1+δ2＝1；并將所述機(jī)場(chǎng)任務(wù)分配公平性目標(biāo)函數(shù)轉(zhuǎn)化為約束條件，建立機(jī)場(chǎng)任務(wù)分配模型如下：

31、

32、其中，f表示機(jī)場(chǎng)任務(wù)分配模型；

33、s23、設(shè)定機(jī)場(chǎng)工作人員n′擁有的資源數(shù)量為dn′，第m″個(gè)機(jī)場(chǎng)任務(wù)分配給機(jī)場(chǎng)工作人員n′消耗的資源為d′(m″,n′)，建立機(jī)場(chǎng)工作人員資源約束設(shè)定額定最大完成時(shí)間為機(jī)場(chǎng)任務(wù)開(kāi)始執(zhí)行時(shí)間為機(jī)場(chǎng)任務(wù)完成時(shí)間為建立機(jī)場(chǎng)任務(wù)時(shí)間約束在機(jī)場(chǎng)工作人員集合中選取機(jī)場(chǎng)工作人員n″，設(shè)定機(jī)場(chǎng)工作人員n′的機(jī)場(chǎng)任務(wù)開(kāi)始執(zhí)行時(shí)間和機(jī)場(chǎng)任務(wù)完成時(shí)間分別為和機(jī)場(chǎng)工作人員n″的機(jī)場(chǎng)任務(wù)開(kāi)始執(zhí)行時(shí)間和機(jī)場(chǎng)任務(wù)完成時(shí)間分別為和建立機(jī)場(chǎng)任務(wù)時(shí)間沖突約束所述機(jī)場(chǎng)工作人員資源約束、機(jī)場(chǎng)任務(wù)時(shí)間約束和機(jī)場(chǎng)任務(wù)時(shí)間沖突約束構(gòu)成機(jī)場(chǎng)任務(wù)分配模型約束條件。

34、該發(fā)明通過(guò)基于機(jī)場(chǎng)服務(wù)質(zhì)量、機(jī)場(chǎng)工作人員積極性和機(jī)場(chǎng)任務(wù)分配公平性，分別建立機(jī)場(chǎng)服務(wù)質(zhì)量目標(biāo)函數(shù)、機(jī)場(chǎng)工作人員積極性目標(biāo)函數(shù)和機(jī)場(chǎng)任務(wù)分配公平性目標(biāo)函數(shù)，構(gòu)建機(jī)場(chǎng)任務(wù)分配模型，并設(shè)置機(jī)場(chǎng)任務(wù)分配模型約束條件；使用數(shù)學(xué)建模便于智能優(yōu)化算法進(jìn)行求解。

35、優(yōu)選地，所述s3包括以下步驟：

36、s31、對(duì)所述機(jī)場(chǎng)任務(wù)集合中的機(jī)場(chǎng)任務(wù)進(jìn)行編碼，得到機(jī)場(chǎng)任務(wù)編碼串a(chǎn)″′＝{a″1,a″2,a″3,...,a″m′}，其中a″m′表示第m′個(gè)機(jī)場(chǎng)任務(wù)對(duì)應(yīng)的編碼，結(jié)合工作人員集合，得到編碼函數(shù)c(n)＝a″m′，編碼函數(shù)表示將第m′個(gè)機(jī)場(chǎng)任務(wù)分配給機(jī)場(chǎng)工作人員n；將所述機(jī)場(chǎng)任務(wù)分配模型作為適應(yīng)度函數(shù)，并在所述機(jī)場(chǎng)任務(wù)分配模型約束條件下，使用足球隊(duì)訓(xùn)練算法尋找最佳適應(yīng)度函數(shù)值，具體步驟如下：

37、s311、生成隨機(jī)編碼串，對(duì)足球隊(duì)中第e次迭代的第g個(gè)足球隊(duì)員使用所述編碼函數(shù)表示，設(shè)定足球隊(duì)中的足球隊(duì)員的數(shù)量等于機(jī)場(chǎng)任務(wù)數(shù)量，足球隊(duì)中的足球隊(duì)員維度等于工作人員數(shù)量，當(dāng)前迭代次數(shù)為e，當(dāng)前第e次迭代的第g個(gè)足球隊(duì)員為其中i表示足球隊(duì)員編號(hào)，即機(jī)場(chǎng)任務(wù)對(duì)應(yīng)的編碼，j表示足球隊(duì)員維度，對(duì)應(yīng)機(jī)場(chǎng)工作人員，經(jīng)過(guò)訓(xùn)練后第e次迭代的第g個(gè)足球隊(duì)員為足球隊(duì)中的訓(xùn)練最好足球隊(duì)員為de(best,j)，g1表示隨機(jī)數(shù)且g1∈[0,1]，經(jīng)過(guò)訓(xùn)練后第e次迭代的第g個(gè)足球隊(duì)員計(jì)算公式如下：

38、

39、足球隊(duì)在集體訓(xùn)練過(guò)程中，足球隊(duì)中的足球隊(duì)員在努力追趕訓(xùn)練最好足球隊(duì)員時(shí)，同時(shí)避免成為訓(xùn)練最差足球隊(duì)員，設(shè)定足球隊(duì)中的訓(xùn)練最差足球隊(duì)員為de(worst,j)，g2表示隨機(jī)數(shù)且g2∈[0,1]，g3表示隨機(jī)數(shù)且g3∈[0,1]，此時(shí)對(duì)訓(xùn)練后第e次迭代的第g個(gè)足球隊(duì)員進(jìn)行更新，計(jì)算公式如下：

40、

41、設(shè)定足球隊(duì)中的足球隊(duì)員的狀態(tài)波動(dòng)隨著訓(xùn)練次數(shù)的增加，變得越來(lái)越小，使用正態(tài)分布h(e)表示隨著迭代次數(shù)增加，足球隊(duì)中的足球隊(duì)員的狀態(tài)波動(dòng)，再次對(duì)訓(xùn)練后第e次迭代的第g個(gè)足球隊(duì)員進(jìn)行更新，計(jì)算公式如下：

42、

43、在迭代過(guò)程中，不斷尋找最佳適應(yīng)度函數(shù)值，并找到最佳適應(yīng)度函數(shù)值對(duì)應(yīng)的當(dāng)前足球隊(duì)員編號(hào)和當(dāng)前足球隊(duì)員維度，此時(shí)當(dāng)前足球隊(duì)員編號(hào)對(duì)應(yīng)當(dāng)前機(jī)場(chǎng)任務(wù)對(duì)應(yīng)的編碼，當(dāng)前足球隊(duì)員維度對(duì)應(yīng)當(dāng)前機(jī)場(chǎng)工作人員，將當(dāng)前機(jī)場(chǎng)任務(wù)對(duì)應(yīng)的編碼分配給當(dāng)前機(jī)場(chǎng)工作人員；

44、s312、足球隊(duì)在集體訓(xùn)練后，足球隊(duì)進(jìn)入集體培訓(xùn)過(guò)程，將足球隊(duì)中的足球隊(duì)員根據(jù)維度進(jìn)行分組，分成前鋒組、中場(chǎng)組、后衛(wèi)組和守門員組，不同組可以進(jìn)行交流學(xué)習(xí)，包括最優(yōu)學(xué)習(xí)、隨機(jī)學(xué)習(xí)和隨機(jī)交流；設(shè)定學(xué)習(xí)概率為ε1，通信概率為ε2，在最優(yōu)學(xué)習(xí)階段，設(shè)定第h1組最優(yōu)秀的足球隊(duì)員為第h1組任意足球隊(duì)員為其中j表示最優(yōu)秀的足球隊(duì)員維度，e表示當(dāng)前迭代次數(shù)e，則任意足球隊(duì)員計(jì)算公式如下：

45、

46、在隨機(jī)學(xué)習(xí)階段，再次第h1組中選取任意足球隊(duì)員，根據(jù)對(duì)學(xué)習(xí)概率和通信概率大小判斷，再次對(duì)任意足球隊(duì)員進(jìn)行更新，得到更新后的足球隊(duì)員；

47、在隨機(jī)交流階段，設(shè)定交流概率為ε3，g4表示隨機(jī)數(shù)且g4∈[0,1]，當(dāng)交流概率小于或者等于g4時(shí)，設(shè)定正態(tài)分布隨機(jī)數(shù)，使用所述正態(tài)分布隨機(jī)數(shù)對(duì)任意足球隊(duì)員進(jìn)行更新，得到更新后的足球隊(duì)員；當(dāng)交流概率大于g4時(shí)，直接對(duì)任意足球隊(duì)員進(jìn)行更新；

48、s313、足球隊(duì)在集體培訓(xùn)后，足球隊(duì)進(jìn)入個(gè)人訓(xùn)練過(guò)程，對(duì)所述更新后的足球隊(duì)員進(jìn)行額外個(gè)人訓(xùn)練，設(shè)定額外個(gè)人訓(xùn)練系數(shù)為φ1和φ2，在更新后的足球隊(duì)員中選取最優(yōu)秀足球隊(duì)員，記為在不斷個(gè)人訓(xùn)練過(guò)程中對(duì)最優(yōu)秀足球隊(duì)員進(jìn)行更新，得到de(best)，計(jì)算公式如下：

49、

50、設(shè)定最大迭代次數(shù)為e，對(duì)足球隊(duì)中的足球隊(duì)員不斷進(jìn)行迭代，同時(shí)不斷尋找最佳適應(yīng)度函數(shù)值，當(dāng)當(dāng)前迭代次數(shù)達(dá)到最大迭代次數(shù)時(shí)，停止迭代，得到最終優(yōu)秀足球隊(duì)員，對(duì)應(yīng)最佳適應(yīng)度函數(shù)值；

51、s32、根據(jù)所述最終優(yōu)秀足球隊(duì)員，找到對(duì)應(yīng)的最終優(yōu)秀足球隊(duì)員編號(hào)和最終優(yōu)秀足球隊(duì)員維度，此時(shí)最終優(yōu)秀足球隊(duì)員編號(hào)即機(jī)場(chǎng)任務(wù)對(duì)應(yīng)的編碼，最終優(yōu)秀足球隊(duì)員維度對(duì)應(yīng)機(jī)場(chǎng)工作人員，將機(jī)場(chǎng)任務(wù)對(duì)應(yīng)的編碼分配給機(jī)場(chǎng)工作人員，完成機(jī)場(chǎng)任務(wù)分配和優(yōu)化。

52、該發(fā)明通過(guò)將機(jī)場(chǎng)任務(wù)分配模型作為適應(yīng)度函數(shù)，并在所述機(jī)場(chǎng)任務(wù)分配模型約束條件下，使用足球隊(duì)訓(xùn)練算法對(duì)機(jī)場(chǎng)任務(wù)進(jìn)行分配，通過(guò)尋找最佳適應(yīng)度函數(shù)值，完成機(jī)場(chǎng)任務(wù)分配和優(yōu)化；該算法通過(guò)模擬足球訓(xùn)練的過(guò)程進(jìn)行優(yōu)化，搜索速度快，具有很強(qiáng)的尋優(yōu)性能。

53、優(yōu)選地，所述s4包括以下步驟：

54、s41、收集民航航線管理平臺(tái)數(shù)據(jù)，包括航班狀態(tài)、資源可用性、機(jī)場(chǎng)任務(wù)進(jìn)度和環(huán)境變化，對(duì)航班狀態(tài)中的航班延誤進(jìn)行監(jiān)測(cè)，設(shè)定時(shí)間閾值ξ，當(dāng)航班額定時(shí)間和航班預(yù)計(jì)達(dá)到時(shí)間的差值大于時(shí)間閾值時(shí)，此時(shí)航班出現(xiàn)延誤；否則航班沒(méi)有出現(xiàn)延誤，利用民航航線管理平臺(tái)驗(yàn)證并識(shí)別延誤；

55、s42、針對(duì)航班出現(xiàn)延誤，更新機(jī)場(chǎng)任務(wù)分配模型和機(jī)場(chǎng)任務(wù)分配模型約束條件，重新對(duì)機(jī)場(chǎng)任務(wù)進(jìn)行分配，生成新的機(jī)場(chǎng)任務(wù)分配方案，并對(duì)新的機(jī)場(chǎng)任務(wù)分配方案進(jìn)行評(píng)估。

56、本實(shí)施例還公開(kāi)一種基于物聯(lián)網(wǎng)的機(jī)場(chǎng)任務(wù)分配和優(yōu)化方法的系統(tǒng)，具體包括：機(jī)場(chǎng)任務(wù)數(shù)據(jù)處理模塊、機(jī)場(chǎng)任務(wù)分配模型和約束條件建立模塊、機(jī)場(chǎng)任務(wù)分配和優(yōu)化模塊和機(jī)場(chǎng)任務(wù)分配動(dòng)態(tài)調(diào)整模塊；

57、所述機(jī)場(chǎng)任務(wù)數(shù)據(jù)處理模塊用于使用離群因子檢測(cè)算法對(duì)機(jī)場(chǎng)任務(wù)數(shù)據(jù)進(jìn)行異常數(shù)據(jù)刪除；

58、所述機(jī)場(chǎng)任務(wù)分配模型和約束條件建立模塊用于建立機(jī)場(chǎng)任務(wù)分配模型，并對(duì)機(jī)場(chǎng)任務(wù)分配模型進(jìn)行約束；

59、所述機(jī)場(chǎng)任務(wù)分配和優(yōu)化模塊用于使用足球隊(duì)訓(xùn)練算法對(duì)機(jī)場(chǎng)任務(wù)進(jìn)行分配和優(yōu)化；

60、所述機(jī)場(chǎng)任務(wù)分配動(dòng)態(tài)調(diào)整模塊用于針對(duì)航班延誤重新對(duì)機(jī)場(chǎng)任務(wù)進(jìn)行動(dòng)態(tài)調(diào)整。

61、本發(fā)明具備以下有益效果：

62、1.該發(fā)明通過(guò)使用離群因子檢測(cè)算法，對(duì)檢測(cè)機(jī)場(chǎng)任務(wù)時(shí)間數(shù)據(jù)進(jìn)行異常數(shù)據(jù)刪除，通過(guò)計(jì)算數(shù)據(jù)點(diǎn)附近密度達(dá)到異常檢測(cè)的目的，可以有效刪除異常數(shù)據(jù)，檢測(cè)精度高。

63、2.該發(fā)明通過(guò)基于機(jī)場(chǎng)服務(wù)質(zhì)量、機(jī)場(chǎng)工作人員積極性和機(jī)場(chǎng)任務(wù)分配公平性，建立目標(biāo)函數(shù)，構(gòu)建機(jī)場(chǎng)任務(wù)分配模型，使用數(shù)學(xué)建模便于對(duì)任務(wù)分配問(wèn)題進(jìn)行定量分析。

64、3.該發(fā)明通過(guò)對(duì)機(jī)場(chǎng)任務(wù)分配模型進(jìn)行約束，得到機(jī)場(chǎng)任務(wù)分配模型約束條件，便于智能優(yōu)化算法進(jìn)行求解。

65、4.該發(fā)明通過(guò)使用足球隊(duì)訓(xùn)練算法對(duì)機(jī)場(chǎng)任務(wù)進(jìn)行分配，通過(guò)尋找最佳適應(yīng)度函數(shù)值，完成機(jī)場(chǎng)任務(wù)分配和優(yōu)化，該算法通過(guò)模擬足球訓(xùn)練的過(guò)程進(jìn)行優(yōu)化，搜索速度快，具有很強(qiáng)的尋優(yōu)性能。

66、當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品并不一定需要同時(shí)達(dá)到以上所述的所有優(yōu)點(diǎn)。