基于混合差分进化与鼠群优化算法的飞行冲突解脱方法

摘要

飞行冲突解脱是提高空中交通流量、降低飞行延误以及确保飞行安全的关键。针对差分进化算法（differential evolution,DE）在解决多航空器飞行冲突解脱问题时存在的搜索速度慢、求解精度低、易陷入局部最优的不足，结合差分进化算法和鼠群优化算法（rat swarm optimizer,RSO）的优势提出一种混合差分进化鼠群优化算法（HDERSO）。HDERSO在DE的基础上融入了RSO的寻优机制，并基于不同进化阶段的需求，采用选择概率自适应调整算法所需的后代生成策略，为搜索过程提供方向性指导，避免了寻优盲目性和无效性。提出的算法能够在进化前期利用DE的全局搜索能力加强对整个解空间的探索，降低早熟收敛的风险；在进化中后期该方法充分利用RSO的局部搜索能力加快收敛，提高了计算速度和寻优精度。在29个IEEE CEC2017基准测试函数上的实验结果表明，所提方法具有较强的收敛性能和较高的寻优效率。进一步构建基于最小化航迹偏移距离的飞行冲突解脱模型，设计多种具有不同冲突特征的典型飞行场景，并综合航向调整、速度调整及复合调整3种冲突解脱策略对HDERSO的解脱性能进行仿真验证。结果表明，所提方法能够有效地解脱飞行冲突，求解质量高、收敛速度快，显著优于对比算法，是一种简单、有效的冲突解脱方法。最后，针对不同的冲突场景多角度分析了3种冲突解脱策略的优先级。

关键词

飞行冲突解脱 / 差分进化算法 / 鼠群优化算法 / 冲突解脱策略