一种包含局部搜索的飞行冲突解脱方法

摘要

本发明公开了一种包含局部搜索的飞行冲突解脱方法。所述方法首先建立飞行冲突探测模型；然后建立建立目标函数，对选择的个体进行MA局部搜索和全局搜索，实现飞行冲突解脱；本方法是一种全局与局部搜索结合，同时寻优的方法，运算效率高，能够进行冲突解脱，并达到较低的平均延误；本方法满足全局优化下冲突解脱的需求，具有一定的自适应机制，能够有效提高算法效率，并节约计算成本。

主权项

一种包含局部搜索的飞行冲突解脱方法，其特征在于，所述方法具体包括如下步骤：第一步，建立飞行冲突探测模型；对待优化的所有飞机进行编码，整条编码包含每架飞机的延误、每架飞机与其他飞机存在的冲突数和所有飞机之间存在的总冲突数，每条编码作为一个个体；第二步，建立目标函数；目标函数如下式所示：$\begin{array}{cc}Max& F=\frac{1-\frac{1}{n}{\Sigma }_{i=1}^n\left(\frac{{\delta }_i}{{\delta }_{\max }}\right)}{1+NC}---\left(1\right)\end{array}$其中，F表示个体适应度，NC表示所有待优化飞机之间存在的全部冲突数，n为待优化飞机总数，δ_i表示第i架飞机的起飞延误，δ_max是客观允许的飞机最大延误时间；第三步，个体选择；将所有个体按总冲突数由少到多排序，对于其中每个个体i，定义p_i：$p_i=\frac{{\mathrm{NC}}_i}{{\mathrm{NC}}_{sum}}---\left(2\right)$其中NC_i是个体i总冲突数，NC_sum表示所有个体的总冲突数之和；取r为(0,1)区间的随机数，找到满足下式的n：p₁+p₂+...+p_n＜r＜p₁+p₂+...+p_n+1             (3)则选取个体1到n采用文化基因算法进行MA局部搜索，转第四步；第四步，MA局部搜索；具体方法为：对于每一个个体，遍历其中所有飞机，若某飞机的自身适应度值小于判定值a，则对其执行局部搜索算子，即重新给此飞机一个随机的延误，若大于或等于判定值a，则跳过此飞机继续对之后的飞机进行局部搜索，将执行局部搜索之后的个体与局部搜索操作前进行比较，若个体适应度值更大则取代之前局部搜索前的此个体，否则舍弃局部搜索操作后的个体，依然保留之前未进行操作的个体；第五步，全局搜索采用随机分组的协同进化算法，协同进化算法分为三步：第1步、将高维优化变量分组，使之分解成为低维变量；所述分组采用随机分组策略；第2步、在每一组中分别用快速遗传算法优化；第3步、组间通过目标函数进行联合评估。