專利名稱：一種飛行沖突解脫方法及裝置的制作方法
技術領域：
本發明涉及航空技術，尤其涉及一種飛行沖突解脫方法及裝置。
背景技術：
近年來，我國航空業發展速度很快，航空業務量與日俱增，飛行流量大大增加，空域中飛行器的密度增大，導致飛行器之間的安全間隔難以保證，發生飛行沖突的可能性增加，如何保證飛行安全成為亟待解決的一大問題。避免飛行器發生沖突，即進行飛行器的沖突解脫成為解決此問題的關鍵技術。
現有的飛行器沖突解脫方法采用局部調整飛行路徑、即時速度或飛行高度層來實現，雖然可以消除當前的沖突，但是，局部調整可能會帶來與其他飛行器的新的沖突。
發明人在實現本發明的過程中發現現有的絕大多數飛行沖突解脫方法不能提供全局解脫方法的問題。發明內容
本發明提供一種飛行沖突解脫方法及裝置，能夠解決現有多數的飛行沖突解脫方法不能提供全局解脫方法的問題。
第一方面，本發明實施例提供一種飛行沖突解脫方法，包括
根據獲取的η架飛機的飛行計劃信息，確定存在飛行沖突，各所述飛行計劃信息包括每一架飛機對應航路的各航路點位置、飛行速度、起飛時間，η為大于I的自然數；
根據預設的最大起飛延遲時間δ _，對所述η架飛機中的每一架飛機隨機生成m 個起飛延遲時間SiG [O, δ max]，i=l, 2…m,生成mXn階初始化變量種群,所述初始化變量種群為父種群；
應用改進的遺傳算法對所述父種群進行X次遺傳迭代優化，生成所述父種群的第 X子代種群，X表示預設的遺傳迭代次數；
在所述第X子代種群中，確定整體適應度最高的染色體，根據所述整體適應度最高的染色體，獲得所述η架飛機各自對應的最優化的起飛延遲時間。
第二方面，本發明實施例提供一種飛行沖突解脫裝置，包括
第一確定模塊，用于根據獲取的η架飛機的飛行計劃信息，確定存在飛行沖突，各所述飛行計劃信息包括每一架飛機對應航路的各航路點位置、飛行速度、起飛時間，η為大于I的自然數；
初始化模塊，用于根據預設的最大起飛延遲時間δ_，對所述η架飛機中的每一架飛機隨機生成m個起飛延遲時間SiG [O, δ max], i=l, 2…m,生成mXn階初始化變量種群，所述初始化變量種群為父種群；
遺傳迭代模塊，用于應用改進的遺傳算法對所述父種群進行X次遺傳迭代優化， 生成所述父種群的第X子代種群，X表示預設的遺傳迭代次數；
第二確定模塊，用于在所述第X子代種群中，確定整體適應度最高的染色體，根據所述整體適應度最高的染色體，獲得所述η架飛機各自對應的最優化的起飛延遲時間。
本發明實施例采用改進的遺傳算法對所有待處理飛機的起飛延遲時間對應的變量集合進行多次迭代，并將迭代結果的后代中出現的適應度最高的染色體作為遺傳算法的最優解，解決了現有的飛行器沖突解脫方法不能提供全局解脫方法的問題；同時，通過優化起飛延遲時間，不僅消除了飛行沖突，而且使每架飛機的起飛延遲時間達到最小，從而可以降低飛行成本。


圖I為本發明實施例一提供的飛行沖突解脫方法的流程示意圖2為本發明實施例一應用的飛行航跡的2D模型示意圖3為本發明實施例一應用的擇優繼承法的一種具體實現方法示意圖4為本發明實施例二提供的飛行沖突解脫裝置的結構示意圖。
具體實施方式
遺傳算法是一種基于生物自然選擇與遺傳機理的隨機搜索算法，它起源于對生物系統進行的計算機模擬研究。和傳統搜索算法不同，遺傳算法從一組隨機產生的初始解開始搜索過程。該初始解成為“種群”，假設每一代種群中包含m條“染色體”，這些m條染色體在后代迭代中，不斷進化，稱為遺傳。在每一代種群中用“適應度”來測量每一條染色體的高低，對每一代種群中的m條染色體通過選擇擇優變異運算后生成的新的m條染色體，稱為子代。在子代形成過程中，種群大小始終保持不變，也就說每一代種群中均有m條染色體， 經過若干代之后，遺傳算法收斂于整體適應度最高的染色體，該染色體是問題的最優解。
本發明實施例將遺傳算法應用于飛行沖突的解脫，圖I為本發明實施例一提供的飛行沖突解脫方法的流程示意圖，如圖I所示，具體包括
步驟101、根據獲取的η架飛機的飛行計劃信息，確定存在飛行沖突，各所述飛行計劃信息包括每一架飛機對應航路的各航路點位置、飛行速度、起飛時間，η為大于I的自然數。
飛行計劃信息可以從各航空公司或機場獲取，假設所有待處理飛機為η架，獲取的該η架飛機的飛行計劃信息具體舉例來說包括起飛時間、飛行速度、飛行路徑，其中，飛行路徑包括起點、終點和途徑的航路點。
假設每架飛機飛行過程中飛行高度不變，同一航路段上反向飛行的飛機在不同的高度層，因此，反向飛行不存在沖突可能。
圖2為本發明實施例一應用的飛行航跡的2D模型示意圖，現將兩架飛WFi和Fj 的飛行航跡簡化為2D模型，如圖2所示，兩條航跡Ai和Aj分別表示為(A，W1, W2，W3，W4，W5, W6, D)和(B，W2, W3, W4, W5, W7, C)，Α，B，C，D 是兩條航跡的起點和終點。W1, W2, W3, W4, W5, W6, W7是途經的航路點。兩條航跡相交于(W2，W3, W4, W5)，飛機Fi和Fj分別從A和B起飛，向D 和C飛行。根據各航路點位置信息以及飛行速度和起飛時刻，可以獲得兩架飛機到達任一航路點的時刻信息，從而可以得到兩架飛機在到達航跡交匯點W2時的兩時刻Tiw2和TL。
本實施例采用的沖突探測公式為
如果I芯-U2 1<'則認為飛機匕和匕存在沖突可能，需要進行沖突解脫，其中，τ 表示預設的時間差閾值，根據實際情況，τ優選為一分鐘(60秒)。
步驟102、根據預設的最大起飛延遲時間δ_，對所述η架飛機中的每一架飛機隨機生成m個起飛延遲時間SiE [O, δ max]，i=l, 2…m,生成mXn階初始化變量種群,所述初始化變量種群為父種群。
按照遺傳算法的一般步驟，首先需要確定一個初始化種群，然后計算初始化種群中每一條染色體的整體適應度，在此基礎上對初始化種群進行選擇運算、擇優運算和變異運算，如此反復直到得到整體適應度最高的染色體。
舉例來說，本實施例中產生初始化種群具體為
對每一架飛機的起飛延遲時間隨機生成m個變量值，S卩S=IS1, δ2……δπ}，每一個變量值的取值范圍為
，i=l，2…m，δ_為預設的最大起飛延遲時間；
對η架飛機的起飛延遲時間隨機生成mXn階變量矩陣，D= { δ V/ Ξ [1，W]，WE [1，《]}，其中，m為變量矩陣的行數，η為變量矩陣的列數；
將每一行中η架飛機的起飛延遲時間對應的變量集合d={ δ P δ 2......δ J作為一條染色體，獲取m條染色體；
本實施例中，將所述初始化變量種群設為父種群，則所述父種群也包括m條染色體D=W1, dfdj ,每一條染色體對應所述η架飛機的起飛延遲時間對應的變量集合i-iyn (與
本實施例中，整體適應度公式為(Max) F— " ^maxJ + NC .
其中，η為每一條染色體中飛機的數量，SJn架飛機中第i架飛機的起飛延遲時間，S _為預設的最大起飛延遲時間，NC表示每一條染色體中η架飛機中存在飛行沖突的飛機數量，所述NC是根據每一條染色體中η架飛機各自的起飛延遲時間、η架飛機各航路的航路點位置、η架飛機各自的飛行速度和所述沖突探測公式進行沖突探測而獲得；
由上述公式可以看出，當每一架飛機的起飛延遲時間Si越小，總的飛機沖突數量越小，則該條染色體的整體適應度F越高。
根據步驟102中隨機生成的每一條染色體中η架飛機對應的變量集合d={51, δ2......δ J，可以獲取每一條染色體中η架飛機對應的起飛延遲時間；又根據步驟101中獲取的η架飛機的起飛時間、飛行速度、各條航路對應的航路點位置，應用沖突探測公式I7； ~Ti 1<%可以確定每一條染色體中η架飛機存在的總的飛機沖突數量NC。
步驟103、應用改進的遺傳算法對所述父種群進行X次遺傳迭代優化，生成所述父種群的第X子代種群，X表示預設的遺傳迭代次數。
需要說明的是，在步驟102中將初始化種群設為父種群，因此，對所述父種群進行第一次遺傳迭代其實是對所述初始化種群進行第一次遺傳迭代。
第一次遺傳迭代的具體過程包括
步驟Α、采用傳統錦標賽法對所述父種群中的m條染色體D= {屯，七…dm}進行選擇運算，獲取新的m條染色體D,1 d'm};
步驟B、采用擇優繼承法對所述新的m條染色體D' ={d/m}進行擇優運算，獲取所述新的m條染色體D' ={d/ 1,d/ 2…d' m}的新的m條染色體D" ={d" 1； d" 2...d" J ;
步驟C、采用最差基因變異法對所述新的m條染色體D" ={d" 1; d" 2···(1" J 進行變異運算，獲取所述新的m條染色體D" ={d" pd" 2···(1" m}的新的m條染色體 D" ' ={d" ' vd" ' 2...d" ' J ；
步驟D、將所述新的m條染色體D" ' ={d" ' pd" ' ^d" ' m}中的每一條染色體與所述父種群的m條染色體D=WpdfdJ中對應的染色體進行整體適應度比較，將整體適應度高的染色體作為所述父種群的子代種群中的一條染色體，直至獲取所述父種群的子代種群的m條染色體。
需要指出的事，對所述父種群經過第一次遺傳迭代后生成的子代種群為所述初始化種群的第一子代種群。
將所述初始化種群的第一子代種群重新設為父種群，循環重復步驟A-D進行第二次遺傳迭代，生成所述第一子代種群的子代種群，所述第一子代種群的子代種群為所述初始化種群的第二子代種群，依此類推，直至完成第X次迭代，獲取所述初始化種群的第X子代種群Dx= {dlx，d2x…dmx}。本實施例中遺傳迭代次數X為預設的數值。
舉例來說，上述步驟A具體包括
步驟Al、在所述父種群的m條染色體D=W1, (V·· dm}中，隨機選擇2條染色體；
步驟A2、根據整體適應度計算公式(Max) r n^'-1 ^max分別計算所述U,V(' ,2條染色體中每一條染色體的整體適應度F，其中，NC表示所述2條染色體中每一條染色體對應的η架飛機的總的飛行沖突數量；
步驟A3、根據所述2條染色體各自的整體適應度F，選擇整體適應度高的染色體作為新的一條染色體；
循環重復步驟Α1-Α3，直至得到新的m條染色體D' ={d/fd' J。
舉例來說，上述步驟B具體包括
步驟BI、在所述新的m條染色體D' ={d/ >}中，按序選擇兩條染色體；丨-丄
步驟B2、根據個體適應度計算公式 十—^max分別計算所述兩條染色體中每1 1+M；5一架飛機的起飛延遲時間對應的個體適應度，其中，NCi表示所述染色體對應的η架飛機中的第i架飛機與其他所有飛機存在的沖突數量；
步驟B3、比較所述兩條染色體中每一架飛機的起飛延遲時間對應的個體適應度， 若個體適應度不相同，則選擇個體適應度高的變量值作為所述兩條染色體的兩條子代染色體中所述飛機對應的變量值；若個體適應度相同，則按比率繼承所述兩條染色體中所述飛機的起飛延遲時間對應的變量值形成兩個新的變量值，將所述兩個新的變量值作為所述兩條染色體的兩條子代染色體中所述飛機對應的變量值，將所述兩條染色體的兩條子代染色體，作為兩條新的染色體；
循環重復步驟B1-B3，直至獲取新的m條染色體D" ={d" 1; d" 2···(1" J0
圖3為本發明實施例一應用的擇優繼承法的一種具體實現方法示意圖，如圖3所示
在步驟B中,在所述新的m條染色體D' ={d/ 1; d' 2…d' m}中，按序選擇兩條染色體d' 1和(1' 2進行擇優繼承；
其中，d'1={δ' η，δ' 『.δ' ln}，d' 2={δ' 21，δ' γ..δ' 2η}，每一個變量值的取值范圍為S e [O, 5mJ ；
在染色體d' 1和(1' 2中，飛機I在染色體d' i中對應的變量值為δ' η，飛機 I在染色體Cl' 2中對應的變量值為δ' 21，將飛機I在兩條染色體中對應的個體適應度進行比較，即將δ ' η與δ ' 21的個體適應度進行比較；I-^^
根據個體適應度計算公式ψ — 占腿獲取δ ’ ^的個體適應度為F' η，δ ’ 21 KM:,的個體適應度為F' 21;假設F' η高于F' 21時，則染色體d' 1和(1' 2生成的兩條子代染色體d" I和d" 2中飛機I對應的變量值繼承上代染色體d' I中飛機I對應的變量值 P 11;
選擇另一架飛機2，飛機2在染色體d' i中對應的變量值為δ' 12，飛機I在染色體cT 2中對應的變量值為s ^ 22，將飛機2在兩條染色體中對應的個體適應度進行比較， 即將S' 12的個體適應度F' 12與6' 22的個體適應度F' 22進行比較；假設F' 22高于 F' 12，則染色體d' 1和(1' 2生成的兩條子代染色體d" 1和(1" 2中飛機2對應的變量值繼承上代染色體d' 2中飛機2對應的變量值δ ' 22 ;
選擇另一架飛機3，飛機3在染色體d' i中對應的變量值為δ' 13，飛機3在染色體cT 2中對應的變量值為S ^ 23，將飛機3在兩條染色體中對應的個體適應度進行比較， 即將S' 13的個體適應度F' 13與6' 23的個體適應度F' 23進行比較；假設F' 23等于 F' 13，則染色體d' 1和(1' 2生成的兩條子代染色體d" 1和(1" 2中飛機3對應的變量值按比率繼承染色體d' 1和(1' 2中飛機3對應的變量值，舉例來說，繼承比率可以根據實際情況進行設定，假設繼承比率是a，0〈a〈l，則d" 1和(1" 2中飛機3對應的一個變量值為 a. δ 13+(l-a) · δ23,另一個變量值為(I-a) · δ 13+a · δ 23。
需要指出的是，在圖3所示的擇優繼承法中，可以按序選擇染色體d' jPd' 2 進行擇優繼承生成兩條子代染色體d" 1和(1" 2;然后再按序選擇d' 3和(1' 4進行擇優繼承生成兩條子代染色體d" 3和(1" 4，直至按序遍歷至染色體d' μ和d' m，將染色體 d' μ和d' m進行擇優繼承生成兩條子代染色體d" μ和d" m，從而獲取新的m條染色體 D" ={d" vd" 2···(1" J。舉例來說，在所述新的m條染色體D' ={d' pd'm}中， 也可以同時按序選擇兩條染色體進行擇優繼承生成兩條子代染色體，從而獲取新的m條染色體 D" ={d" ,, " ^d" m}。
舉例來說，步驟C具體包括
步驟Cl、在所述新的m條染色體D" ={d" pd" 2···(1" m}*，根據個體適應度計I——L算公式j: —分別計算每一條染色體中每一架飛機的起飛延遲時間對應的個體適■ 1+W，應度，其中，NCi表示所述染色體對應的η架飛機中的第i架飛機與其他所有飛機存在的沖突數量；
步驟C2、比較每一條染色體中每一架飛機的起飛延遲時間對應的個體適應度，選出每一條染色體中個體適應度最低的變量值，隨機更新每一條染色體中個體適應度最低的變量值，獲取新的m條染色體D"，={d"，,, " ' 2···(1"，J0
步驟104、在所述第X子代種群中，確定整體適應度最高的染色體，根據所述整體適應度最高的染色體，獲得所述η架飛機各自對應的最優化的起飛延遲時間。
在所述第X子代種群匕={(11!￡，d2x…dmx}的m條染色體中，根據整體適應度計算公I--Xm (^)式；(Max) F n ^ax分別計算每一條染色體的整體適應度F，其中，NC表示每I 十 Λ,Γ，一條染色體對應的η架飛機的總的飛行沖突數量；
根據所述m條染色體各自的整體適應度F，選擇整體適應度最高的染色體作為最優化的染色體dbe;st ；
將所述最優化的染色體4@對應變量集合作為所述η架飛機的最優化的起飛延遲時間。
本實施例中，每一條染色體是η架飛機的起飛延遲時間對應的變量集合，因此，整體適應度最高的染色體對應的最優化的變量集合對應于η架飛機的最優化的起飛延遲時間。
進一步地,本實施例中，根據獲取的η架飛機對應的最優化的起飛延遲時間,和步驟101中獲取的所述η架飛機的起飛時間，可以重新確定所述η架飛機的起飛時間。
本發明實施例采用改進的遺傳算法對所有待處理飛機的起飛延遲時間對應的變量集合進行多次迭代，并將迭代結果的后代中出現的適應度最高的染色體作為遺傳算法的最優解，解決了現有的飛行器沖突解脫方法不能提供全局解脫方法的問題；同時，通過優化起飛延遲時間，不僅消除了飛行沖突，而且使每架飛機的起飛延遲時間達到最小，從而可以減低飛行成本。
圖4為本發明實施例二提供的飛行沖突解脫裝置的結構示意圖，具體包括
第一確定模塊41，用于根據獲取的η架飛機的飛行計劃信息，確定存在飛行沖突， 各所述飛行計劃信息包括每一架飛機對應航路的各航路點位置、飛行速度、起飛時間，η為大于I的自然數；
初始化模塊42，用于根據預設的最大起飛延遲時間δ _，對所述η架飛機中的每一架飛機隨機生成m個起飛延遲時間SiG [O, δ max], i=l, 2…m,生成mXn階初始化變量種群，所述初始化變量種群為父種群；
遺傳迭代模塊43，用于應用改進的遺傳算法對所述父種群進行X次遺傳迭代優化，生成所述父種群的第X子代種群，X表示預設的遺傳迭代次數；
第二確定模塊44，用于在所述第X子代種群中，確定整體適應度最高的染色體，根據所述整體適應度最高的染色體，獲得所述η架飛機各自對應的最優化的起飛延遲時間。
其中，第一確定模塊41，具體用于根據獲取的所述η架飛機的飛行計劃信息，計算每一架飛機到達對應航路的各航路點的時間；根據沖突探測公式I :若確定至少兩架飛機到達同一航路點的時間差小于預設的時間差閾值，則確定存在飛行沖突，其中，％ 表示第i架飛機到達任一相同航路點W2的時間，U2表示第j架飛機到達所述航路點W2的時間，τ表示預設的時間差閾值。
其中，初始化模塊42獲取的所述父種群為m條染色體的集合D=WpdfdJ，每一條染色體屯包括所述η架飛機各自的起飛延遲時間CliHS1, δ2......δη}， =1，2…m，每一架飛機的起飛延遲時間為S e [O, δ_]。
遺傳迭代模塊43，具體用于采用傳統錦標賽法對所述父種群中的m條染色體 D=W1, (V·· dj進行選擇運算,獲取新的m條染色體D' ={d/ ^cT 2…d' m};
采用擇優繼承法對所述新的m條染色體D' ={d/ pd'J進行交叉運算， 獲取所述新的m條染色體D' ={d/ 1,d/ 2…d' J的新的m條染色體D" ={d" ^ " 2…
采用最差基因變異法對所述新的m條染色體D" ={d" pd" 2···(1" m}進行變異運算，獲取所述新的m條染色體D" ={d" ,, " 2···(1" m}的新的m條染色體D"，={d"，v d" ' 2...d" ' J ；
將所述新的m條染色體D" ' ={d" ' 1; d" ' ^d" ' m}中的每一條染色體與所述父種群的m條染色體D=WpdfdJ中對應的染色體進行整體適應度比較，確定整體適應度高的m條染色體，將所述整體適應度高的m條染色體形成所述父種群的子代種群；
將所述父種群的子代種群設為父種群，循環重復遺傳迭代直至完成第X次迭代， 獲取所述父種群的第X子代種群Dx= {dlx，d2x…dmx}。
舉例來說，遺傳迭代模塊43采用傳統錦標賽法對所述父種群中的m條染色體 D=WpdfdJ進行選擇運算,獲取新的m條染色體D' ={d/ 1,d/ 2…d' J選擇單元431, 具體實現時為
在所述父種群的m條染色體D=W1, dfdj中，隨機選擇2條染色體；I—丄y"n ( )
根據整體適應度計算公式:尸n SmJ分別計算所述2條染色體中每一1+ NC ,條整體適應度F，其中，NC表示所述2條染色體中每一條染色體對應的η架飛機的總的飛行沖突數量；
根據所述2條染色體各自的整體適應度F，選擇整體適應度最高的染色體作為新的一條染色體；
循環重復上述選擇運算過程，直至得到新的m條染色體D' ={d/ pd'J0
舉例來說，，遺傳迭代模塊43采用擇優繼承法對所述新的m條染色體D' ={d/ 1； d' J進行交叉運算，獲取所述新的m條染色體D' ={d/ pd'J的新的m 條染色體D" ={d" ,, " ^d" J ;具體實現時為
在上述新的m條染色體D' ={d/ ^cT 2…d' m}中，按序選擇兩條染色體；
根據個體適應度計算公式:F _ ^max分別計算所述兩條染色體中每一架飛機1 I +NC1的起飛延遲時間對應的個體適應度，其中，NCi表示所述染色體對應的η架飛機中的第i架飛機與其他所有飛機存在的沖突數量；
比較所述兩條染色體中每一架飛機的起飛延遲時間對應的個體適應度，若個體適應度不相同，則選擇個體適應度高的變量值作為所述兩條染色體的兩條子代染色體中所述飛機對應的變量值；若個體適應度相同，則按比率繼承所述兩條染色體中所述飛機的起飛延遲時間對應的變量值形成兩個新的變量值，將所述兩個新的變量值作為所述兩條染色體的兩條子代染色體中所述飛機對應的變量值，將所述兩條染色體的兩條子代染色體，作為兩條新的染色體；
循環重復上述交叉運算過程，直至獲取新的m條染色體D" ={d" vd" 2···(1" m}。
舉例來說，遺傳迭代模塊43采用最差基因變異法對所述新的m條染色體 D" ={d" pd" ^d" m}進行變異運算，獲取所述新的m條染色體D" ={d" pd" ^ d" J的新的m條染色體D"，={d"，,, " ' 2···(1"，J ;具體實現時為
在上述新的m條染色體D" ={d" pd" 2···(1" m}中，根據個體適應度計算公式I -分別計算每一條染色體中每一架飛機的起飛延遲時間對應的個體適應度，其1 I +NCi·>中，NCi表示所述染色體對應的η架飛機中的第i架飛機與其他所有飛機存在的沖突數量；
比較每一條染色體中每一架飛機的起飛延遲時間對應的個體適應度，選出每一條染色體中個體適應度最低的變量值，隨機更新每一條染色體中個體適應度最低的變量值， 獲取新的m條染色體D"，={d"，,, " ' ^d"，m}。
其中，第二確定模塊44，具體用于在所述第X子代種群Dx= {dlx，d2x…dmx}的m條染色體中，根據整體適應度計算公式，分別計算每一條染色體的整體適應度F，根據所述m條染色體各自的整體適應度F，選擇整體適應度最高的染色體作為最優化的染色體dbest ;將所述最優化的染色體dbest對應變量集合作為所述η架飛機的最優化的起飛延遲時間。
本實施例所述的裝置具體可以執行圖I所示實施例所述的方法，其實現原理和技術效果不再贅述。
本領域普通技術人員可以理解實現上述各方法實施例的全部或部分步驟可以通過程序指令相關的硬件來完成。前述的程序可以存儲于一計算機可讀取存儲介質中。該程序在執行時，執行包括上述各方法實施例的步驟；而前述的存儲介質包括R0M、RAM、磁碟或者光盤等各種可以存儲程序代碼的介質。
最后應說明的是以上各實施例僅用以說明本發明的技術方案，而非對其限制； 盡管參照前述各實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分或者全部技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發明各實施例技術方案的范圍。
權利要求
1.一種飛行沖突解脫方法，其特征在于，包括 根據獲取的η架飛機的飛行計劃信息，確定存在飛行沖突，各所述飛行計劃信息包括每一架飛機對應航路的各航路點位置、飛行速度、起飛時間，η為大于I的自然數； 根據預設的最大起飛延遲時間δ _，對所述η架飛機中的每一架飛機隨機生成m個起飛延遲時間SiG [O, δ max]，i=l, 2…m,生成mXn階初始化變量種群,所述初始化變量種群為父種群； 應用改進的遺傳算法對所述父種群進行X次遺傳迭代優化，生成所述父種群的第X子代種群，X表示預設的遺傳迭代次數； 在所述第X子代種群中，確定整體適應度最高的染色體，根據所述整體適應度最高的染色體，獲得所述η架飛機各自對應的最優化的起飛延遲時間。
2.根據權利要求I所述的方法，其特征在于，所述分別獲取η架飛機的飛行計劃信息，確定存在飛行沖突具體包括 根據獲取的所述η架飛機的飛行計劃信息，計算每一架飛機到達對應航路的各航路點的時間； 根據沖突探測公式Ii2 -U1 Kr，若確定至少兩架飛機到達同一航路點的時間差小于預設的時間差閾值，則確定存在飛行沖突，其中T表示第i架飛機到到達任一相同航路點W2的時間T表示第j架飛機到達所述航路點W2的時間，τ表示預設的時間差閾值。
3.根據權利要求I所述的方法，其特征在于，所述父種群為m條染色體的集合D=W1, d2-dffl},每一條染色體屯包括所述η架飛機各自的起飛延遲時間φ={ δ 1； δ 2......δ η}，i=l, 2…m,第j架飛機的起飛延遲時間為SjG [O, δ max]，j=l, 2，…,Πο
4.根據權利要求3所述的方法，其特征在于，所述應用遺傳算法對所述父種群進行X次遺傳迭代優化，生成所述父種群的第X子代種群具體包括 步驟Α、采用傳統錦標賽法對所述父種群中的m條染色體D=WpdfdJ進行選擇運算，獲取新的m條染色體D' ={d' pd'J ； 步驟B、采用擇優繼承法對所述新的m條染色體D' ={d' pd'J進行擇優運算，獲取新的m條染色體D" ={d" ,, " ^d" J ； 步驟C、采用最差基因變異法對所述新的m條染色體D" ={d" ,, " 2···(1" m}進行變異運算，獲取新的m條染色體D"，={d"，,, " ' 2···(1"，J ； 步驟D、將所述新的m條染色體D"，={d"，vd" ' 2···(1"，m}中的每一條染色體與所述父種群的m條染色體D=WpdfdJ中對應的染色體進行整體適應度比較，將整體適應度高的染色體作為所述父種群的子代種群中的一條染色體，直至獲取所述父種群的子代種群的m條染色體； 將所述父種群的第I子代種群設為父種群，循環重復步驟A-D，直至完成第X次迭代，獲取所述父種群的第X子代種群Dx= {dlx，d2x…dmx}。
5.根據權利要求4所述的方法，其特征在于，所述采用傳統錦標賽法對所述父種群的m條染色體D= W1, (V·· dm}進行選擇運算,獲取新的m條染色體D' ={d/ 1,d/ fd' J ,具體包括步驟Al、在所述父種群的m條染色體D=W1, dfdj中，隨機選擇2條染色體； 步驟A2、根據整體適應度計算公式
6.根據權利要求4所述的方法，其特征在于，所述采用擇優繼承法對所述新的m條染色體D' ={d/ ^cT 2…d' J進行擇優運算，獲取所述新的m條染色體D' ={d/ ^cT 2…d' m}的新的m條染色體D" ={d" ,, " 2···(1" m}，具體包括 步驟BI、在所述新的m條染色體D' ={d' pd'J中，按序選擇兩條染色體； 步驟B2、根據個體適應度計算公式
7.根據權利要求4所述的方法，其特征在于，所述采用最差基因變異法對所述新的m條染色體D" ={d" 1;(1" 2···(1" J進行變異運算，獲取所述新的m條染色體D" ={d" 1；d" - " J的新的m條染色體D"，={d"，,, " ' 2 d"，J，具體包括 步驟Cl、在所述新的m條染色體D" ={d" vd" 2···(1" J中，根據個體適應度計算公 式
8.根據權利要求I所述的方法，其特征在于，所述在所述第X子代種群中，確定整體適應度最高的染色體，根據所述整體適應度最高的染色體，獲得與所述η架飛機對應的最優化的起飛延遲時間，具體包括 在所述第X子代種群匕=^…d2x…dmx}的m條染色體中，根據整體適應度計算公式
9.一種飛行沖突解脫裝置，其特征在于，包括 第一確定模塊，用于根據獲取的η架飛機的飛行計劃信息，確定存在飛行沖突，各所述飛行計劃信息包括每一架飛機對應航路的各航路點位置、飛行速度、起飛時間，η為大于I的自然數； 初始化模塊，用于根據預設的最大起飛延遲時間Smax，對所述η架飛機中的每一架飛機隨機生成m個起飛延遲時間SiE [O, δ max]，i=l, 2…m,生成mXn階初始化變量種群,所述初始化變量種群為父種群； 遺傳迭代模塊，用于應用改進的遺傳算法對所述父種群進行X次遺傳迭代優化，生成所述父種群的第X子代種群，X表示預設的遺傳迭代次數； 第二確定模塊，用于在所述第X子代種群中，確定整體適應度最高的染色體，根據所述整體適應度最高的染色體，獲得所述η架飛機各自對應的最優化的起飛延遲時間。
10.根據權利要求9所述的裝置，其特征在于，所述第一確定模塊，具體用于根據獲取的所述η架飛機的飛行計劃信息，計算每一架飛機到達對應航路的各航路點的時間；根據沖突探測公式- |<r，若確定至少兩架飛機到達同一航路點的時間差小于預設的時間差閾值，則確定存在飛行沖突，其中，表示第i架飛機到達任一相同航路點W2的時間，U2表示第j架飛機到達所述航路點W2的時間，τ表示預設的時間差閾值； 所述遺傳迭代模塊，具體用于采用傳統錦標賽法對所述父種群中的m條染色體D=W1,(V·· dm}進行選擇運算,獲取新的m條染色體D' ={d/ ^cT 2…d' m};采用擇優繼承法對所述新的m條染色體D' ={d' pd'J進行交叉運算，獲取所述新的m條染色體D' ={d/ ^cT 2…d' J的新的m條染色體D" ={d" 1； " 2··· 采用最差基因變異法對所述新的m條染色體D" ={d" pd" 2···(1" ^進行變異運算，獲取所述新的m條染色體D" ={d" 1; d" ^d" m}的新的m條染色體D"，={d"，vd" / 2...d"，J ； 將所述新的m條染色體D" ' ={d" ' pd" ' 2···(1" ' m}中的每一條染色體與所述父種群的m條染色體D=WpdfdJ中對應的染色體進行整體適應度比較，將整體適應度高的染色體作為所述父種群的子代種群中的一條染色體，直至獲取所述父種群的子代種群的m條染色體； 將所述父種群的子代種群設為父種群，循環重復遺傳迭代直至完成第X次迭代，獲取所述父種群的第X子代種群Dx= {dlx，d2x…dmx}； 所述第二確定模塊，具體用于在所述第X子代種群Dx= {dlx，d2x…dmx}的m條染色體中，根據整體適應度計算公式，分別計算每一條染色體的整體適應度F，根據所述m條染色體各自的整體適應度F，選擇整體適應度最高的染色體作為最優化的染色體dbest ;將所述最優化的染色體dbest對應變量集合作為所述η架飛機的最優化的起飛延遲時間； 所述整體適應度計算公式為
全文摘要
本發明提供一種飛行沖突解脫方法及裝置，包括根據獲取的n架飛機的飛行計劃信息，確定存在飛行沖突，各飛行計劃信息包括每一架飛機對應航路的各航路點位置、飛行速度、起飛時間；根據預設的最大起飛延遲時間，對n架飛機中的每一架飛機隨機生成m個起飛延遲時間，生成m×n階初始化變量種群，初始化變量種群為父種群；應用改進的遺傳算法對父種群進行X次遺傳迭代優化，生成父種群的第X子代種群，X表示預設的遺傳迭代次數；在第X子代種群中，確定整體適應度最高的染色體，根據整體適應度最高的染色體，獲得所述n架飛機各自對應的最優化的起飛延遲時間；解決了現有的飛行器沖突解脫方法不能提供全局解脫方法的問題。
文檔編號G06Q50/00GK102930339SQ20121036808
公開日2013年2月13日 申請日期2012年9月28日 優先權日2012年9月28日
發明者張學軍, 管祥民, 蘇婧 申請人:北京航空航天大學