一種基于ma的大批次航班中長期沖突避免的優(yōu)化方法
【專利摘要】本發(fā)明提供一種基于MA的大批次航班中長期沖突避免的優(yōu)化方法，本發(fā)明的航班沖突避免優(yōu)化方法通過在每一代種群的局部搜索中應用局部搜索算子以及調(diào)節(jié)參與局部搜索的種群個體，對每一代局部搜索過的種群進行全局搜索，在全局搜索中根據(jù)航班之間的沖突關系對所有航班進行分組，對各個組進行子群優(yōu)化，提高了算法的搜索能力以及最優(yōu)解的質(zhì)量，同時在保證航班安全飛行的前提下減少了大批次航班間的沖突以及降低了航班延誤時間。
【專利說明】-種基于MA的大批次航班中長期沖突避免的優(yōu)化方法

【技術領域】
[0001] 本發(fā)明涉及一種民航【技術領域】，尤其涉及一種基于文化基因算法（Memetic Algorithm，簡稱：MA)的大批次航班中長期沖突避免的優(yōu)化方法。

【背景技術】
[0002] 隨著中國經(jīng)濟的快速發(fā)展，航空因其快速省時，靈活機動，國際性，安全舒適等特 點，將來人們選擇飛機作為交通工具的幾率會越來越大，這樣就需要越來越多的航班，對在 同一個管制空域內(nèi)航班增加的情況下保證準時且安全飛行不延誤對航空公司來說非常重 要。
[0003] 目前，大批次航班網(wǎng)絡配流方法可以直接消除潛在沖突，有效均衡飛行流量，減少 扇區(qū)擁堵，從而避免局部空域航班高密度運行，降低管制員工作負荷，間接減少飛行沖突可 能性，保證飛行安全。
[0004] 然而由于目前空管系統(tǒng)無法準確提供大范圍空中交通態(tài)勢信息，也無法對未來沖 突做出充分預測并對沖突回避做出預先規(guī)劃和決策，因此當前沖突解脫方法主要致力于解 決短期沖突，然而隨著航空運輸需求的快速增加，飛行流量不斷增長，造成空域內(nèi)飛行沖突 表現(xiàn)出大規(guī)模、高復雜度等新特性，導致現(xiàn)有數(shù)學規(guī)劃方法以及智能進化算法難以適用；另 一方面，現(xiàn)有沖突解脫方法是局部的、孤立的、被動的，單純依靠"頭痛醫(yī)頭，腳痛醫(yī)腳"的方 式可能導致"多米諾效應"，難以最大程度保證空中交通系統(tǒng)的運行安全。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供一種基于MA的大批次航班中長期沖突避免的優(yōu)化方法，減少了大批 次航班間的沖突以及降低了航班延誤時間。
[0006] 本發(fā)明提供一種基于MA的大批次航班中長期沖突避免的優(yōu)化方法，包括：
[0007] 第一步：建立待優(yōu)化的η個航班的信息庫，所述信息庫包括所述η個航班相互之間 的沖突關系及所述η個航班的延誤時間；
[0008] 第二步：生成初始種群，所述初始種群由ps個個體隨機組成，每個個體包含η個基 因，其中，一個基因表示一個航班的延誤時間，將所述初始種群作為第〇代種群，所述PS和 所述η為正整數(shù)；
[0009] 第三步：基于仙農(nóng)信息熵獲取參與所述第0代種群局部搜索的個體數(shù)量p(g); [0010] 第四步：對從所述第〇代種群中隨機選擇的史(g)個個體應用局部搜索算子，并將 應用過局部搜索算子的P(g)個個體替換所述第0代種群中隨機選擇的p(g)個個體，將替換 后的所述第0代種群作為局部優(yōu)化過的第0代種群，所述局部搜索算子用于優(yōu)化所述個體 的基因；
[0011] 第五步：根據(jù)預設的第一目標函數(shù)獲取所述局部優(yōu)化過的第〇代種群的個體適應 度，并將適應度最大的個體作為所述第0代種群局部搜索的最優(yōu)個體；
[0012] 第六步：根據(jù)所述信息庫中所述η個航班相互之間的沖突關系，將所述η個航班分 為sn個組，其中，每個組內(nèi)的航班之間存在沖突，每個組內(nèi)的航班與其他組中的航班之間 不存在沖突，所述sn〈n ;
[0013] 第七步：分別對每個組中的所述局部優(yōu)化過的第0代種群個體進行子群優(yōu)化，所 述子群優(yōu)化用于將所述局部優(yōu)化過的第0代種群個體中每個組所包含的航班進行優(yōu)化，對 所述個體中的其他航班用所述第〇代種群局部搜索的最優(yōu)個體中對應的航班替換，并將所 述子群優(yōu)化后的第0代種群作為全局優(yōu)化過的第0代種群；
[0014] 第八步：根據(jù)所述第一目標函數(shù)獲得所述每個組中適應度最大的個體，再從各個 組中選取適應度最大的個體作為第0代種群的最優(yōu)個體，將所述第0代種群的最優(yōu)個體所 屬的組中的所述全局優(yōu)化過的第0代種群作為第1代種群；
[0015] 第九步：依次循環(huán)執(zhí)行第三步至第八步，直到到達預設的進化代數(shù)N為止，所述N 為整數(shù)；
[0016] 第十步：從N代種群的最優(yōu)個體中選取適應度最大的個體作為航班沖突避免的優(yōu) 化解。
[0017] 本發(fā)明的實施方案中，所述仙農(nóng)信息熵，表示為：

【權(quán)利要求】
1. 一種基于MA的大批次航班中長期沖突避免的優(yōu)化方法，其特征在于，所述方法包 括： 第一步：建立待優(yōu)化的η個航班的信息庫，所述信息庫包括所述η個航班相互之間的沖 突關系及所述η個航班的延誤時間； 第二步：生成初始種群,所述初始種群由ps個個體隨機組成，每個個體包含η個基因， 其中，一個基因表示一個航班的延誤時間，將所述初始種群作為第O代種群，所述ps和所述 η為正整數(shù)； 第三步：基于仙農(nóng)信息熵獲取參與所述第〇代種群局部搜索的個體數(shù)量<〇); 第四步：對從所述第0代種群中隨機選擇的P(O)個個體應用局部搜索算子，并將應用 過局部搜索算子的？<〇)個個體替換所述第〇代種群中隨機選擇的以〇)個個體，將替換后的 所述第〇代種群作為局部優(yōu)化過的第〇代種群，所述局部搜索算子用于優(yōu)化所述個體的基 因； 第五步：根據(jù)預設的第一目標函數(shù)獲取所述局部優(yōu)化過的第0代種群的個體適應度， 并將適應度最大的個體作為所述第0代種群局部搜索的最優(yōu)個體； 第六步：根據(jù)所述信息庫中所述η個航班相互之間的沖突關系，將所述η個航班分為sn個組，其中，每個組內(nèi)的航班之間存在沖突，每個組內(nèi)的航班與其他組中的航班之間不存 在沖突，所述sn〈n; 第七步：分別對每個組中的所述局部優(yōu)化過的第〇代種群個體進行子群優(yōu)化，所述子 群優(yōu)化用于將所述局部優(yōu)化過的第〇代種群個體中每個組所包含的航班進行優(yōu)化，對所述 個體中的其他航班用所述第〇代種群局部搜索的最優(yōu)個體中對應的航班替換，并將所述子 群優(yōu)化后的第〇代種群作為全局優(yōu)化過的第〇代種群； 第八步：根據(jù)所述第一目標函數(shù)獲得所述每個組中適應度最大的個體，再從各個組中 選取適應度最大的個體作為第〇代種群的最優(yōu)個體，將所述第〇代種群的最優(yōu)個體所屬的 組中的所述全局優(yōu)化過的第〇代種群作為第1代種群； 第九步：依次循環(huán)執(zhí)行第三步至第八步，直到到達預設的進化代數(shù)N為止，所述N為整 數(shù)； 第十步：從N代種群的最優(yōu)個體中選取適應度最大的個體作為航班沖突避免的優(yōu)化 解。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述仙農(nóng)信息熵，表示為：
_N 其中，所述E為熵，所述pd為所述|Gd|為組Gd中包含的個體數(shù)量，所述ΣΙ&Ι為種群中所有的個體數(shù)量，所述組Gd由沖突數(shù)相同的個體組成，所述個體的沖突數(shù) b二1 通過所述信息庫中所述η個航班相互之間的沖突關系得到，其中，I<b<Q，I<d<Q，所 述Q為自然數(shù)。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)仙農(nóng)信息熵獲得參與所述第gen代種 群局部搜索的個體數(shù)量，所述^(gen)表示為：
Zs(<Tcn) 其中，所述Mgen)為局部搜索頻率，= 所述E(O)和所述E(gen)分 別為種群進化的第〇代種群和第gen代種群的熵，所述floor(Mgen))表示取不超過β(gen)的最大整數(shù)。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述局部搜索算子Φ(incg:，表示為： ΦQndi) = (δ'η，δ' i2, · ··，δ'J 其中，所述indi為種群個體i，indi= (δn,δi2, · ··，δin),I彡i彡ps，所述δπ,δi2,.....δin為所述indi中的基因； 當indi中基因的適應度小于預設適應度時，δ'u=Teinitialize(Sij),其中所述δυ為所述indi中航班j的延誤時間，I<j<η,所述reinitialize表示對δυ重新初始 化； 當indi中基因的適應度大于等于預設適應度時，δ'u =δυ; 用所述局部搜索算子Φαηφ):替換種群中所述indp并將替換后的種群作為局部搜 索過的種群。
5. 根據(jù)權(quán)利要求1或4所述的方法，其特征在于，所述預設的第一目標函數(shù)，表示為：
其中，所述OF為個體的適應度，所述表示航班j的延誤時間，所述CS為所有航班 的沖突概率之和； 個體中基因的適應度gf為： gfi= (gfil,gfi2, · · · ,gfj\-δ ! δ 其中，=Jne ，所述HCij為個體i中航班j與其它航班沖突概率之和，所述δmax為航班的最大延誤時間。
6. 根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述信息庫中所述η個航班相互之間 的沖突關系用矩陣C表示，所述矩陣C如下所示： 〇一： ：： V- · ? · 其中Cxy表示為：
7. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述子群優(yōu)化包括： 按照以下公式得到每個組中所包含的航班的適應度：
其中，所述mk表示組中的航班數(shù)量，所述δks表示組中航班s的延誤時間，所述11(^表 示選取的組為k時組中航班s與組中其他航班的沖突概率之和； 根據(jù)所述每個組所包含的航班的適應度，對每組的所述局部優(yōu)化過的第gen代種群個 體中組所對應的航班應用自適應交叉算子和變異算子，對每組中所述局部優(yōu)化過的第gen 代種群個體中其他航班用所述局部搜索的最優(yōu)個體中對應的航班替換； 根據(jù)所述第一目標函數(shù)獲得每個組中適應度最大的個體； 從各個組中選取適應度最大的個體作為第gen代種群的最優(yōu)個體。
8. 根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括： 經(jīng)過一代種群進化后，更新所述信息庫中所述η個航班之間的沖突關系。
【文檔編號】G06Q10/04GK104239977SQ201410492021
【公開日】2014年12月24日 申請日期:2014年9月23日 優(yōu)先權(quán)日:2014年9月23日
【發(fā)明者】張學軍, 管祥民, 賈詩雨 申請人:北京航空航天大學