开源软件名称：

Plane_RL

开源软件地址：

https://gitee.com/bonstop/Plane_RL

开源软件介绍：

如何利用强化学习解决调度问题？

截止日时间任务记录

Step1：确定约束条件（已完成）
Step2：写一个简单的单跑道模型（已完成）
Step3：将单跑道模型转变为多机场多汇聚点模型（已完成）
Step4：加入多跑道约束（正在做）
Step5：毕业设计论文初稿时间（3月15日）

更新内容（3月8日）

更新了Environment.py的一些数据模型。加入了汇聚点与多机场约束
多跑道的一些设想。

多机场多汇聚点模型设计

在原先的基础上，我增加了一部分的汇聚点与多机场的设计。我设想过将数据表拆开，但是发现了一些不方便之处。其一，如何拆开？按照飞机场AB拆完，但是到了汇聚点的时候依然需要按照ab点拆开，这种方法并不合适。其二，拆开之后如何制图？想要制图，必须要将数据合并起来，如何合并？按照汇聚点拆来之后再合并，飞机起飞的时间反而需要再次调整，太麻烦。
我的设计思路是：直接按照一个表合并设计。首先先考虑多机场的问题。多机场的话，若要计算一个飞机的实际起飞时间atd与实际离港时间atdp：计算atd，只需要找到同机场的上一个飞机的atd+安全距离，并与本次飞机的etd比较；计算atdp，只需要找到同汇聚点的上一个飞机的atd+安全距离，并与本次飞机的计划离港时间etdp比较，当然计算完之后，还要防止飞机提前起飞和起飞-离港时间的确定性（所有飞机飞到汇聚点都设计为10min），更新表格即可，具体的伪代码如下所示（可执行代码移步Environment.py参考）：

for i in range(0, len(observation)):                        #准备：拿到当前的数据表            list_plane = Timetable["plane_id"].tolist()            lp = list_plane.index(observation[i])            # 1.拿出来本次飞机的机场和未来位置            outport = Timetable.loc[lp]["outport"]            airport = Timetable.loc[lp]["airport"]            # 2.拿到上一个机场该机场飞机的数据与上一个汇聚点飞机的数据            lp_1 # 与本飞机同样的机场的上一架飞机的编号            lp_2 # 与本飞机同样的汇聚点的上一架飞机的编号                        # 3.计算实际起飞时间atd            # 4.计算实际离港时间atdp            # 5.防止提前起飞            # 6.使用地面延误策略，尽可能在地上等待            # 7.计算延误时间