基于郊狼优化算法的扇区管制复杂性聚类与仿真验证

为提高科学评估扇区管制复杂性的能力,本文提出基于郊狼优化算法(COA,coyote optimization algorithm)的扇区管制复杂性聚类算法。首先,引入逐维变异改进策略来改进郊狼优化聚类算法,解决其易陷入局部最优解的问题。其次,以中国西北地区区域管制扇区为研究对象,采用改进郊狼优化聚类算法(ICOCA,improved coyote optimization clustering algorithm)对扇区管制复杂性指标进行聚类分析。最后,对扇区聚类结果进行仿真验证,结果证明了所提算法在扇区管制复杂性分类方面的有效性和可靠性,可为后续的空域管理提供有效的数据决策。