基于合作协同进化算法的航迹冲突解脱研究

为解决基于航迹运行(Trajectory Based Operation,TBO)模式下大规模航迹战略冲突解脱问题,建立了综合考虑最小化冲突数量和航迹调整成本的双目标优化模型.设计了基于超体积指标的多目标合作协同进化算法(Indicator-based Cooperative Coevolution Multi-objective Evolutionary Algorithm,IBCCMOEA)进行模型求解,采用非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)进行子种群优化.同时,设计了自适应遗传算子加快算法收敛速度.分别采用中国航路网络繁忙时段442 架和1 014 架航班历史飞行数据进行仿真验证,将所提算法与NSGA-II,基于分解的多目标进化算法(Multi-objective Evolutionary Algorithm Based on Decomposition,MOEA/D)以及多目标合作协同进化算法(Cooperative Coevolution Multi-objective Evolutionary Algorithm,CCMOEA)进行对比分析.实验结果表明所提算法相比于其他算法收敛速度提升了 7.54%,可以获得无冲突的飞行计划且航迹调整成本减少了约9.62%.所获得的结果可以满足TBO环境下的协同决策需求,算法收敛速度可以满足效率要求.