航路资源协同分配的多目标优化方法研究

目前,航班飞行需求激增和恶劣天气已经严重影响到航空空域的正常运行,为此针对空域拥堵时航路的时隙航迹资源协同分配进行了研究。根据问题的数学描述,以总延误成本最低和公平损失偏差系数最低为两个目标,建立了航路资源协同分配模型,运用多目标遗传算法(NSGA-Ⅱ)对模型求解分析。通过航路网络的典型数据测试该模型,生成了可供决策者选择的帕累托最优解集,并与传统RBS算法进行比较,实现平均延误成本降低8.5%,平均公平损失偏差系数降低70.6%。结果证明NSGA-Ⅱ算法可以较好的解决航路资源协同分配的问题。

航路时空资源分配的多目标优化方法

为了提高航空公司与空管方之间的协同决策程度,降低航班延误水平,以航路飞行的航班为研究对象,研究了航路时空资源的多目标分配;考虑实际运行条件下航班的唯一性约束、时间顺序约束和可行性约束的影响,以航班在流量受限区所分配的飞行航迹和进入时隙为决策变量,以航班总延误成本最小和航空公司延误公平损失偏差系数最小为目标函数,构建了多目标非线性0-1整数规划模型;基于模型特点引用了非支配排序遗传算法(NSGA-Ⅱ),并利用排列编码法设计了一种整数基因编码方式,以最大限度保证基因产生可行解集;为了验证模型与算法的有效性,基于南中国海地区航班运行实例,对算法搜寻最优解的性能进行了研究,并将此算法与传统按时刻表分配(RBS)方法进行了对比。研究结果表明:改进编码方式的NSGA-Ⅱ算法使解集种群在约50代后世代距离从600收敛至30并稳定,具有良好的收敛性;针对实例中的多目标优化模型共生成有6组解的帕累托解集,结果有66.7%的概率完全支配RBS方法,且优化结果中航班平均延误成本比RBS方法降低了8.5%,平均公平损失偏差系数降低了70.6%。可见提出的航路时空资源多目标优化方法的执行效果显著,可在降低总延误成本的基础上兼顾各航空公司的公平性,是解决航路飞行航班航迹与时隙资源分配问题的一种有效方法。