空中交通管理论文提纲

论文题目：空中交通管理优化问题研究

摘要：空中交通管理主要负责维护和促进空中交通安全,维护空中交通秩序,保证空中交通畅通。在空中交通管理的各个组成部分以及不同阶段的运行流程中,蕴含着不同种类的空中交通管理优化问题。由于空中交通管理优化问题具有实时性、动态性以及复杂性的特点,需要一整套高效可扩展的智能优化算法体系架构来解决空中交通管理中的优化问题。因此,本文提出了以航班运行为对象,以四维航班飞行航迹为目标,以超启发式架构为核心的空管智能优化算法模型。本文首先定义了基于超启发式架构的空管智能优化算法模型。其中,作为空管智能优化算法模型的核心,超启发式架构包含两层算法模型,底层算法作为领域算法,负责针对各类空管智能服务优化问题求解;高层算法并不直接参与针对优化问题的求解,而是控制底层算法的搜索流程与求解方向。针对飞行冲突探测与解脱问题,本文基于三种飞行姿态调整方式,形成了针对飞行冲突解脱3D模型的完整求解算法。通过实验可以看出,本文提出的针对冲突解脱的超启发式算法能够快速有效地实现水平和三维空间的飞行冲突解脱。针对进场航班排序问题,本文提出了基于散点搜索算法的超启发式算法（HHSS）。算法首先针对当前的进场航班情况,依据不同的优先进场规则,生成航班降落队列,并在序列生成过程中有针对性地构造新的优先规则以扩大降落队列的搜索范围。实验结果表明与传统的各类排序方法相比这种方法可以有效地解决航班排序问题,同时算法对航班排序小规模问题的计算求解时间较快。针对航路流量优化问题规模大的特点,本文提出了基于散点编程的SP-OPTS算法,这种算法能够针对不同的问题实例自动生成相应的航班起飞序列规则,提高了算法针对不同问题的自适应性。同时本文将强化学习机制应用于基于多Agent的并行超启发式算法架构中。实验证明,这两种算法与各自同类方法相比法在求解精度上以及算法收敛性上都具有一定的优势。同时,这两种方法的联合算法比CPLEX以及现有的FCFS方法更适合求解大规模航路流量优化复杂问题。本文针对空管运行服务中的优化问题,提出了以超启发式架构为核心的智能优化算法架构,有效地提升了空管运行服务水平,提高了空管运行服务的效率。

关键词：空中交通管理;飞行冲突探测与解脱;空中交通流量优化;进场航班排序;超启发式算法

学科专业：计算机应用技术

摘要

ABSTRACT

第一章 绪论

1.1 研究背景和研究意义

1.2 论文主要工作与创新点

1.3 论文章节安排

第二章 空管智能优化问题研究现状

2.1 空管自动化系统

2.2 空中交通管理典型优化问题

2.2.1 飞行冲突探测与解脱问题

2.2.2 进场航班排序问题

2.2.3 航路流量优化问题

2.3 超启发式算法

2.3.1 启发式选择启发式机制

2.3.2 启发式生成启发式机制

2.4 本章小结

第三章 空管智能优化通用算法架构

3.1 管制员的工作性质与目标

3.2 空管智能服务总体架构

3.3 空管智能优化求解模型

3.3.1 输入模型

3.3.2 优化问题元模型

3.4 超启发式算法模型

3.4.1 高层启发式算法元模型

3.4.2 底层启发式算法元模型

3.4.3 超启发式算法通信模型

3.5 本章小结

第四章 基于 3D的空管飞行冲突解脱混合模型研究

4.1 飞行冲突模型

4.1.1 几何模型分析

4.1.2 约束条件

4.1.3 目标函数

4.1.4 飞行冲突解脱模型解结构

4.2 底层启发式算法

4.3 高层启发式算法

4.4 实验分析

4.4.1 实验平台

4.4.2 飞行冲突解脱小规模问题实验

4.4.3 飞行冲突解脱大规模问题实验

4.4.4 飞行冲突动态问题解脱实验

4.5 本章小结

第五章 基于散点搜索与超启发式算法的终端区进场航班排序问题研究

5.1 进场航班排序问题模型

5.1.1 约束条件

5.1.2 目标函数

5.2 针对进场航班排序问题的超启发式算法

5.2.1 降落时间算法层

5.2.2 优先规则层

5.2.3 散点搜索算法层

5.3 实验分析

5.3.1 实验平台与数据源

5.3.2 不同算法间的结果比较

5.3.3 构造型算法性能比较

5.3.4 不同算法间的运行时间比较

5.3.5 参考集规模对于结果的影响

5.3.6 步长对于算法结果的影响

5.4 本章小结

第六章 基于超启发式算法架构的空中交通航路流量优化研究

6.1 研究意义

6.2 航路流量优化模型

6.3 航路流量优化问题与车间作业调度问题

6.4 基于散点编程的超启发式算法

6.4.1 散点编程的解结构

6.4.2 散点编程的主要流程

6.4.3 散点编程的实验分析

6.5 基于强化学习的并行超启发式算法

6.5.1 基于强化学习的超启发式算法

6.5.2 基于并行架构的超启发式算法

6.5.3 基于多Agent的超启发式算法总体架构

6.5.4 同步学习机制

6.5.5 异步学习机制

6.5.6 基于强化学习的并行超启发式算法性能分析

6.6 空中交通航路流量优化综合实验

6.7 本章小结

第七章 总结与展望

7.1 论文总结

7.2 下一步的工作

参考文献

致谢