亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于ALNS算法的機(jī)場客艙清潔人員調(diào)度研究

        2023-12-13 11:25:24林宇鵬徐國寧陳慶新區(qū)樂穎
        機(jī)電工程技術(shù) 2023年11期
        關(guān)鍵詞:客艙調(diào)度成本

        林宇鵬,毛 寧,徐國寧,陳慶新,區(qū)樂穎

        (1.廣東工業(yè)大學(xué)機(jī)電工程學(xué)院,廣州 510006;2.廣東機(jī)場白云信息科技有限公司,廣州 510470)

        0 引言

        全球貨運(yùn)量和客運(yùn)量的持續(xù)增長給機(jī)場服務(wù)帶來了很大的挑戰(zhàn)。不斷增長的客機(jī)數(shù)量也給客艙清潔人員的調(diào)度帶來了巨大的壓力,當(dāng)前我國機(jī)場客艙清潔人員調(diào)度仍以人工調(diào)度為主,面臨的挑戰(zhàn)包括任務(wù)量大,約束條件復(fù)雜。

        客艙清潔人員主要為飛機(jī)提供清潔服務(wù),進(jìn)出港航班均需要進(jìn)行一定標(biāo)準(zhǔn)的客艙清潔服務(wù)。不同類型的航班所需的服務(wù)不同,大型飛機(jī)一般需要3~5組清潔人員,中小型航班一般需要2~3 組清潔人員。為保證清潔服務(wù)的質(zhì)量以及公平性一般要求所有清潔人員到位后才能開始清潔任務(wù)[1]。因此,機(jī)場客艙清潔人員調(diào)度問題本質(zhì)上是一個具有同步約束的人員路徑規(guī)劃問題(Manpower Routing Problem with Simultaneous Constraints,MRPSC),是經(jīng)典的帶時間窗的車輛路徑規(guī)劃問題的擴(kuò)展[2]。MRPSC 的任務(wù)需要若干人員到同一個地理位置執(zhí)行一組工作;同時每項任務(wù)都有1 個地點(diǎn),1 個處理時間和1 個時間窗口,人員數(shù)量及技能需求。人員可以在不同的時間到達(dá)工作地點(diǎn),但任務(wù)需在所有人員都到位后開始,即存在同步約束[3-4]。經(jīng)典車輛路徑規(guī)劃問題及其擴(kuò)展中,車輛路徑是獨(dú)立的,不受其他車輛的影響。然而,MRPSC 中的路線通常相互關(guān)聯(lián),某人員路徑的改變可能使得其他人員的路徑不合法。MRPSC 是具有多重同步約束的(Vehicle Routing Problem,VRP)的一種類型,其中可能或必須使用一個以上的車輛或資源來完成一項任務(wù)[5]。

        MRPSC 在很多領(lǐng)域得到了應(yīng)用。在港口服務(wù)領(lǐng)域,Li 等[6]研究了有時間窗和工作團(tuán)隊約束的人力配置問題,采用弧形流公式對該問題進(jìn)行建模,設(shè)計了一種方法來估計所用人員的數(shù)量下限,并采用模擬退火算法進(jìn)行求解。在移動醫(yī)療護(hù)理領(lǐng)域,通常需要多名工作人員共同服務(wù)一名病人,人員調(diào)度中同時需要考慮時間窗和人員同步約束[7]。類似地,在機(jī)場地面服務(wù)中,飛機(jī)停靠不同地點(diǎn),不同職責(zé)的地勤人員被安排處理行李、飛機(jī)清潔和飛機(jī)維修檢查等工作[8]。文獻(xiàn)[9-11]分別使用自適應(yīng)大規(guī)模領(lǐng)域搜索算法(Adaptive Large-scale Neighborhood Search,ALNS)[12]求解VRP 問題的不同標(biāo)題,結(jié)果表明相對于其他算法,ALNS求解效率與質(zhì)量更好。

        本文以某大型國際樞紐機(jī)場為例,綜合考慮服務(wù)時間窗約束,多需求同時服務(wù)等約束,設(shè)計出改進(jìn)的自適應(yīng)大規(guī)模鄰域搜索算法求解此復(fù)雜而實(shí)際的客艙清潔人員調(diào)度問題。并通過數(shù)值實(shí)驗和與Gurobi 優(yōu)化求解器求解結(jié)果比較表明,本文設(shè)計的ALNS 在求解客艙清潔人員調(diào)度問題上,其求解結(jié)果穩(wěn)定且優(yōu)質(zhì)。

        1 問題描述與數(shù)學(xué)模型

        機(jī)場客艙清潔人員調(diào)度問題可進(jìn)行如下描述。給定一個有向圖G=(V,A),其中表示有向圖的弧集,tij為經(jīng)過弧(i,j)∈A的時間;為所有點(diǎn)集,0 點(diǎn)表示清潔人員的休息區(qū),調(diào)度開始前所有清潔人員從休息區(qū)出發(fā)。每個清潔任務(wù)i∈N的資源需求為ri。

        對于所有清潔任務(wù)i,i∈N,其任務(wù)服務(wù)時長為wi,計劃開始服務(wù)時間窗為[ei,li],清潔人員早于ei到達(dá)不能立即開始服務(wù),晚于li到達(dá)開始計算延誤時長,并會產(chǎn)生延誤成本。對于清潔人員的休息區(qū),s0= 0。設(shè)K為機(jī)場所有客艙清潔人員的集合。客艙清潔人員調(diào)度問題中涉及的成本分別為任務(wù)延誤成本和資源轉(zhuǎn)移成本。清潔任務(wù)i∈N的延誤成本由延誤時長與單位延誤成本所得,對清潔人員k∈K的轉(zhuǎn)移成本由轉(zhuǎn)移時長與單位轉(zhuǎn)移成本所得。

        在上述問題描述的基礎(chǔ)上,引入以下變量并構(gòu)建問題的數(shù)學(xué)模型。

        xijk:若xijk= 1,則表示清潔人員k執(zhí)行從任務(wù)i到任務(wù)j的服務(wù)路線,否則xijk= 0。

        si:清潔任務(wù)i的開始服務(wù)時間。

        di:清潔任務(wù)i的延誤時長。

        目標(biāo)(1)是最小化客艙清潔任務(wù)延誤成本和清潔人員轉(zhuǎn)移成本,α和β分別是延誤時間和轉(zhuǎn)移時間的成本系數(shù)。式(2)表示保證所有客艙清潔任務(wù)滿足標(biāo)準(zhǔn)人力需求。式(3)表示清潔人員k 服務(wù)前后兩清潔任務(wù)必須滿足服務(wù)時間和轉(zhuǎn)移時間約束,其中M為極大值。式(4)~(5)表示所有客艙清潔人員從休息區(qū)出發(fā),并最終返回到休息區(qū)。式(6)是客艙清潔人員的流平衡約束,表示清潔人員服務(wù)完成任務(wù)i后必須從任務(wù)i出發(fā)前往下一個任務(wù)進(jìn)行服務(wù)。式(7)表示客艙清潔任務(wù)的延誤時長,如果si≥li,di=si-li,否則di= 0。式(8) ~(10)表示各變量的取值范圍。

        2 求解算法

        2.1 算法架構(gòu)

        本文中的VRPMS 問題是VRP 問題的拓展,因此也是一個NP-hard 問題。通過使用商業(yè)求解器對該問題的數(shù)學(xué)模型進(jìn)行求解可知,精確算法只能求解小規(guī)模數(shù)據(jù),但實(shí)際應(yīng)用中的調(diào)度規(guī)模往往比較大,為了應(yīng)對實(shí)際中客艙清潔人員調(diào)度問題,本文設(shè)計了改進(jìn)的ALNS算法。

        ALNS 算法的基本流程如圖1 所示。首先通過貪心算法構(gòu)建問題的初始解s,并設(shè)置為當(dāng)前解;然后在后續(xù)每一次迭代過程中,將q個任務(wù)隨機(jī)選擇一種移除算法從當(dāng)前解中移除,接著將這q個任務(wù)隨機(jī)選擇一種修復(fù)算法修復(fù)到當(dāng)前解中,進(jìn)而得到一個新解s′;將退火機(jī)制引入到新解s′的判斷中;最終迭代到指定次數(shù)后終止。

        圖1 ALNS算法流程

        本文ALNS 算法的移除和修復(fù)算法權(quán)重的更新主要使用輪盤賭的方式進(jìn)行選擇,假設(shè)wi為第i中方法的權(quán)重,開始迭代時所有算法的初始權(quán)重為w0。修復(fù)算法和移除算法權(quán)重的更新方式相同,但兩者的選擇相互獨(dú)立。迭代過程中,修復(fù)與移除算法權(quán)重的更新主要根據(jù)新解s′的表現(xiàn)進(jìn)行打分。打分情況分為新的最優(yōu)解、比當(dāng)前解好、比當(dāng)前解差但被接受了,得分為σ1,σ2,σ3。本文各方法的權(quán)重更新以50 次迭代為一周期,一個周期結(jié)束后對各種移除和修復(fù)算法進(jìn)行評分調(diào)整。設(shè)wij表示算法i在第j段中的權(quán)重;πij表示算法i在第j段中的總得分、θij表示算法i在第j段中被選用的次數(shù),則算法i在第j+ 1段的權(quán)重更新如式(11)所示。

        式中:λ為影響因子,表明權(quán)重受新評分影響的程度。

        2.2 初始解與時間更新機(jī)制

        2.2.1 構(gòu)建初始解

        本文初始解的建立基于貪婪算法,客艙清潔人員調(diào)度模型中帶有軟時間窗約束,因此生成初始解時優(yōu)先考慮插入位置的延誤成本。初始解的主要構(gòu)建步驟如下。

        (1)定義D為未安排資源的清潔任務(wù),令D=N。(2)當(dāng) ||D>0 時,①隨機(jī)選擇一個任務(wù)i∈D,②計算任務(wù)i插入到各資源路徑中的插入成本P(s),③將任務(wù)i插入P(s)最小值對應(yīng)的位置,令D=D-{}i,返回步驟2。

        (3)輸出初始解。

        2.2.2 時間更新機(jī)制

        由于多需求同時服務(wù)任務(wù)同時需要多個清潔人員繼續(xù)服務(wù),這使得清潔人員的路徑通常是相互關(guān)聯(lián)的。當(dāng)此類任務(wù)的開始服務(wù)時間發(fā)生調(diào)整,將會影響該任務(wù)所涉及的資源路徑,這些資源路徑后續(xù)任務(wù)的開始服務(wù)時間理應(yīng)跟著發(fā)生調(diào)整,這種影響存在傳遞性。ALNS 算法在對當(dāng)前解進(jìn)行插入或者移除過程中,需要對插入或移除任務(wù)后當(dāng)前解中各任務(wù)節(jié)點(diǎn)的服務(wù)時間進(jìn)行更新,并且需要更新當(dāng)前路徑的成本。

        為了實(shí)現(xiàn)快速調(diào)整任務(wù)發(fā)生變化后各節(jié)點(diǎn)時間的變化,將一種“時間更新機(jī)制”引入到算法中。當(dāng)有任務(wù)插入到現(xiàn)有解后,首先找到該任務(wù)的所有后續(xù)任務(wù),假設(shè)為集合H,對集合H中的任務(wù)根據(jù)開始服務(wù)時間升序排列;然后,按照集合H的中任務(wù)順序依次更新任務(wù)的開始服務(wù)時間。以圖2 展示的插入例子為例,圖2 (a)中3 各清潔人員的服務(wù)路徑,其中線條表示路徑,圓表示任務(wù),方框表示清潔人員休息區(qū),現(xiàn)有路徑為A1:1 →3 →6,A2:2 →3 →5,A3:2 →4 →5。假設(shè)任務(wù)7插入到A2 路徑中,如圖2 (b)所示。首先獲取任務(wù)7的所有后續(xù)任務(wù)集合H={3,5,6},對集合H進(jìn)行升序排列,按照任務(wù)開始服務(wù)時間順序逐個進(jìn)行服務(wù)時間更新。首先調(diào)整任務(wù)3,如圖2 (c)所示,最后調(diào)整任務(wù)5 和6,如圖2 (d)所示。

        圖2 服務(wù)時間調(diào)整例子

        2.3 移除算法

        本節(jié)分別介紹隨機(jī)移除法、最壞路徑移除法、Shaw移除法和最壞值移除法。它們的共同目的是從當(dāng)前解中移除q個任務(wù),并在移除后通過時間更新機(jī)制更新路徑中每一個任務(wù)的服務(wù)時間。其中,引入?yún)?shù)p增加Shaw移除法和最壞值移除算法的隨機(jī)性,以便擴(kuò)大搜索范圍、避免陷入局部最優(yōu)。

        2.3.1 隨機(jī)移除法

        隨機(jī)移除法從當(dāng)前解中隨機(jī)選擇q個任務(wù),然后將這q個任務(wù)從解中移除。由于隨機(jī)性較高,修復(fù)后質(zhì)量不穩(wěn)定,但是運(yùn)算速度快。

        2.3.2 最壞路徑移除法

        最壞路徑移除法是從已有路徑中選擇成本最高的路徑,移除該路徑上所有任務(wù)。若移除的任務(wù)數(shù)少于q位,則再選擇成本次高的路徑進(jìn)行移除。重復(fù)此過程知道移除總數(shù)不小于q位。

        2.3.3 Shaw移除法

        Shaw 移除法是由Shaw[13]在1997年提出,通過任務(wù)之間的共同屬性計算不同任務(wù)的相似度,從當(dāng)前路徑中移除相似度較高的任務(wù)。實(shí)驗表明,移除相似的任務(wù)可以幫助后續(xù)路徑修復(fù)得到更優(yōu)的解,而移除相似度較低的任務(wù)會得到較差或原來的結(jié)果。

        本文任務(wù)間相似度的定義是通過任務(wù)的最早開始服務(wù)時間、服務(wù)時長以及相對距離同時引入φ、ω和τ作為三者的權(quán)重計算而得。具體的計算公式如式(11)所示。

        圖3 為Shaw 移除法的算法流程。首先在路徑任務(wù)集合L中隨機(jī)選擇一個任務(wù)r,并將r放入移除任務(wù)集合D中;接著,在移除任務(wù)集合D中隨機(jī)一個任務(wù)i,計算當(dāng)前路徑任務(wù)集合L中所有任務(wù)與任務(wù)i的相似度R(i,j),然后根據(jù)公式選擇一個相似度較高的任務(wù)移除路徑,其中y是服從[0,1)均勻分布的隨機(jī)數(shù),p是增加算法隨機(jī)性的參數(shù)。

        2.3.4 最壞值移除法

        最壞值移除法是將當(dāng)前解中移除成本較高的任務(wù)移出當(dāng)前路徑。圖4 為該方法的算法流程。計算所有任務(wù)從當(dāng)前解移出后的成本減少量ci,然后根據(jù)選擇一個移出成本較高的任務(wù)進(jìn)行移出,其中y是服從[0,1)均勻分布的隨機(jī)數(shù),p是增加算法隨機(jī)性的參數(shù)。

        圖4 最壞移除法的流程

        2.4 修復(fù)算法

        本節(jié)介紹的修復(fù)算法主要由貪婪修復(fù)法和后悔值修復(fù)法,按一定優(yōu)先規(guī)則將已移除的任務(wù)重新插入到當(dāng)前路徑中并產(chǎn)生新解,每次插入過程中需要對任務(wù)進(jìn)行時間調(diào)整。

        2.4.1 貪婪修復(fù)法

        貪婪修復(fù)法的具體步驟如圖5 所示。首先計算在移出集合D中所有任務(wù)插入現(xiàn)有路徑后總成本的增加量,Δg(i)為所有增量中的最小值,h(i)代表Δg(i)對應(yīng)的最優(yōu)位置。選擇集合D所有任務(wù)中Δg(i)最小的值相應(yīng)的任務(wù)r,將任務(wù)r的插入到h(r)對應(yīng)的位置上。重復(fù)上述過程,直到所有任務(wù)都被重新插入為止。

        圖5 貪婪修復(fù)法的流程

        2.4.2 后悔值修復(fù)法

        后悔值修復(fù)法的具體步驟如圖6 所示。該算法參考貪婪修復(fù)法計算每一位在移除集合D中的任務(wù)i插入到現(xiàn)有服務(wù)路徑各位置后路徑總成本的增加量。然后將各增量升序,第i位的值為Δgj(i),h(i)代表Δg1(i)對應(yīng)的最優(yōu)位置。任務(wù)i插入到最優(yōu)位置的后悔值計算公式為:

        圖6 后悔值修復(fù)法的流程

        選擇集合D所有任務(wù)中Δr(i)最小的值相應(yīng)的任務(wù)r,將任務(wù)r的需求插入到h(r)對應(yīng)的位置上。重復(fù)以上的步驟,直到所有移除集合D中的所有任務(wù)都重新插入到路徑中。

        2.5 接受新解和算法終止

        產(chǎn)生新解s′后,還需對s′進(jìn)行判斷能否被接受。為了避免算法陷入局部最優(yōu),本文算法引入了退火機(jī)制。對于比當(dāng)前解s差的新解s′,以一定的概率f接受s′。f的計算方法如式(14)所示。本算法采用最大迭代數(shù)作為算法的終止準(zhǔn)則。

        3 算法實(shí)驗

        本文的實(shí)驗數(shù)據(jù)選取某大型機(jī)場的航班信息,對應(yīng)的客艙清潔任務(wù)整理生成多種規(guī)模算例進(jìn)行求解實(shí)驗。并通過與Gurobi9.5 求解器的求解結(jié)果進(jìn)行對比,驗證了混合整數(shù)規(guī)劃模型的正確性和ALNS 算的有效性與高效性。程序都在Windom 環(huán)境下,硬件環(huán)境包括AMD(R) Core (TM) 3700X CPU @ 3.60 GHz,16.00 GB 內(nèi)存。Gurobi限定求解時間為3 600 s,ALNS限制最大迭代次數(shù)為3 000次。

        3.1 算例說明和參數(shù)設(shè)置

        算例數(shù)據(jù)來源于機(jī)場實(shí)際的客艙清潔人員調(diào)度背景,為了驗證算法在不同規(guī)模下的有效性與高效性,分別設(shè)計小、中、大3 種規(guī)模。小規(guī)模的清潔人員數(shù)量Knum∈{15,20},清潔任務(wù)數(shù)量Nnum∈{15,20,25} ;中規(guī)模清潔人員數(shù)量Knum∈{35,40} , 清潔人員數(shù)量Nnum∈{40,45,50} ;大規(guī)模清潔人員數(shù)量Knum∈{45,50},清潔人員數(shù)量Nnum∈{}80,100,120 。利用18 個算例對σ1,σ2,σ3,p,λ做參數(shù)測試,結(jié)合參考文獻(xiàn)[14-16],最終算法的參數(shù)設(shè)置如表1所示。

        表1 參數(shù)設(shè)定

        3.2 實(shí)驗結(jié)果對比分析

        本節(jié)將Gurobi求解結(jié)果與本文ALNS算法的求解結(jié)果進(jìn)行對比分析。比較結(jié)果如表2 所示,其中“UB”和“LB”分別表示Gurobi結(jié)果的可行解和下界;“Time”為兩者方法的求解時間;“Gap”通過可行解和下界計算得來;“Best”表示10次求解結(jié)果中的最優(yōu)值,Avg表示10次求解結(jié)果的平均值,Time表示10次求解平均耗時;表中“精度”列表示ALNS相對于Gurobi的結(jié)果提升了程度;“—”表示Gurobi 未能在規(guī)定時間內(nèi)找到可行解,“*”表示Gurobi找到最優(yōu)解,加粗的結(jié)果表示兩者中結(jié)果較好的一個。

        表2 ALNS算法與Gurobi求解結(jié)果比較

        由表2 可知,本文設(shè)計的所有18 個算例中,ALNS算法的求解結(jié)果大部分都優(yōu)于或等于Gurobi的求解結(jié)果。對于小規(guī)模算例,Gurobi都能在1 s內(nèi)找到最優(yōu)解,同樣的ALNS 也能在較短的時間內(nèi)找到最優(yōu)解,同時10 次求解平均結(jié)果與最優(yōu)解也十分接近。對于中規(guī)模的6 個算例和大規(guī)模的6 個算例,Gurobi 均無法在3 600 s 內(nèi)求得任一精確解,同時大規(guī)模算例中有3 個算例Gurobi 無法在規(guī)定時間內(nèi)找到可行解。在中大規(guī)模的12 個算例中,Gurobi 僅有4 個算例的結(jié)果優(yōu)于ALNS,同時ALNS 的算法的平均結(jié)果與Gurobi 可行解的精度相差在8%以內(nèi),其余8 個算例ALNS 的求解結(jié)果均優(yōu)于Gurobi 求解結(jié)果。在運(yùn)行效率上,Gurobi 對于中大規(guī)模的算例相對比較耗時,求解效率不高,ALNS 算法的求解時間雖然也會因規(guī)模的變大而增大,但總體求解時間相對較低。

        綜上所述,無論是有效性還是求解效率上,ALNS算法的結(jié)果更優(yōu)。

        4 結(jié)束語

        本文描述了帶任務(wù)服務(wù)時間窗和多需求同時服務(wù)的客艙清潔人員的調(diào)度問題,建立其混合整數(shù)規(guī)劃數(shù)學(xué)模型,為求解該問題設(shè)計了一種結(jié)合貪婪算法生成初始解的自適應(yīng)大規(guī)模領(lǐng)域搜索算法。結(jié)果表明,ALNS 算法能夠得到該問題穩(wěn)定且優(yōu)質(zhì)的調(diào)度方案,對實(shí)際的清潔人員調(diào)度有很強(qiáng)的指導(dǎo)意義。從與Gurobi 對比的實(shí)驗結(jié)果可以看出,該算法的設(shè)計合理且高效,其求解結(jié)果無論是在效率和質(zhì)量上均優(yōu)于大型商業(yè)求解器,對日常的客艙清潔人員調(diào)度問題提供了新的解決方案。當(dāng)前的研究主要集中在任務(wù)到達(dá)、任務(wù)服務(wù)時長靜態(tài)的條件下,而在不確定性方面,可以繼續(xù)開展在任務(wù)到達(dá)與作業(yè)時長隨機(jī)條件下的客艙清潔人員調(diào)度方面的研究。

        猜你喜歡
        客艙調(diào)度成本
        客艙內(nèi)的空氣從何而來?
        2021年最新酒駕成本清單
        河南電力(2021年5期)2021-05-29 02:10:00
        國內(nèi)主流機(jī)型客艙聲品質(zhì)表現(xiàn)分析
        《調(diào)度集中系統(tǒng)(CTC)/列車調(diào)度指揮系統(tǒng)(TDCS)維護(hù)手冊》正式出版
        一種基于負(fù)載均衡的Kubernetes調(diào)度改進(jìn)算法
        民用飛機(jī)客艙干燥系統(tǒng)的性能分析
        虛擬機(jī)實(shí)時遷移調(diào)度算法
        淺談航空安全員應(yīng)變能力在客艙擒敵術(shù)教學(xué)中的培養(yǎng)
        溫子仁,你還是適合拍小成本
        電影(2018年12期)2018-12-23 02:18:48
        SVC的RTP封裝及其在NS2包調(diào)度中的應(yīng)用研究
        一本到亚洲av日韩av在线天堂| 免费a级毛片无码a| 中文字幕国产欧美| 太大太粗太爽免费视频| 亚洲国产精品激情综合色婷婷| 亚洲一区二区三区小说| 中国凸偷窥xxxx自由视频| 亚洲aⅴ无码国精品中文字慕| 91亚洲国产成人久久精品网站 | 国产成品精品午夜视频| 国产亚洲精品在线播放| 亚洲熟妇色自偷自拍另类| 人人添人人澡人人澡人人人人| 亚洲 暴爽 AV人人爽日日碰 | 精品无码一区二区三区爱欲| 品色永久免费| 日产精品一区二区三区| 亚洲福利一区二区不卡| 丰满熟妇乱又伦精品| 嗯啊哦快使劲呻吟高潮视频| 欧洲国产精品无码专区影院| 日本高清一区二区不卡| 少妇性bbb搡bbb爽爽爽| 国产精品视频一区国模私拍| 国产在线观看网址不卡一区| 丰满的少妇av一区二区三区| 中文字幕丰满伦子无码| av一区无码不卡毛片| 少妇又色又爽又刺激的视频| 欧美男生射精高潮视频网站 | 中文字幕经典一区| 国产一级自拍av播放| 日韩精品无码一区二区三区四区 | 婷婷色香五月综合缴缴情| 中文字幕精品无码一区二区| 中文字幕亚洲精品人妻| 人妻少妇69久久中文字幕| 国产精品久久久久影院| 日韩亚洲中文图片小说| 精品亚洲在线一区二区| 久久综合九色综合久99|