基于动态粒子群优化的多机飞行冲突解脱

俑霖 屠(国防科技大学电子对抗学院脉冲功率激光技术国家重点实验室，中国)
秉鑫 郭(国防科技大学系统工程学院，中国)
颢砾 许(国防科技大学电子对抗学院脉冲功率激光技术国家重点实验室，中国;江淮前沿技术协同创新中心，中国;电子制约技术安徽省实验室，中国)
星 杨(国防科技大学电子对抗学院脉冲功率激光技术国家重点实验室，中国;江淮前沿技术协同创新中心，中国)
皜琪 高(国防科技大学电子对抗学院脉冲功率激光技术国家重点实验室，中国;江淮前沿技术协同创新中心，中国)

摘要

随着航空空运需求的增加，各型各类航空器通常需要在同一时空部署运用，由此导致空域需求不断增长与空域资源不足之间矛盾突出。论文依托动态粒子群优化算法，建立了一种用于各种航空器空域需求调整优化的模型，实验通过较少的迭代，即使适应度调整控制在两位小数之间，模拟优化了上百个存在冲突的空域需求，同时对比传统的粒子群算法，验证了该模型的可行性和优势。该模型可实现在微小适应度差值间全局寻优，通过少数迭代即可实现方案的优化。对于具有多个局部最优解和复杂非线性的飞行需求优化问题的解决提供了参考方案。

关键词

空域冲突；空域需求调解；动态粒子群算法；航空器多目标优化

参考

尹成义,谭安胜.基于航空器航迹预推的飞行冲突探测模型[J].电光与控制,2015,22(12):20-23.

李平.航路飞行冲突探测与解脱策略研究[D].北京:中国民用航空飞行学院,2013.

张雷,杨瑞娟,罗少华,等.一种航空器跟踪预测飞行冲突检测算法[J].空军预警学院学报,2017,31(6):432-435.

李眩,吴晓兵,童百利.基于动态自适应变参的粒子群优化算法[J].四川轻化工大学学报(自然科学版),2021,34(5):41-47.

孙睿彤,袁庆霓,衣君辉,等.改进粒子群算法和动态窗口法的动态路径规划[J].小型微型计算机系统,2023,44(8):1707-1712.

LIAO Pinchao, SUN Xinlu, ZHANG Dan. A multimodal study to measure the cognitive demands of hazard recognition in construction workplaces [J]. Saf Sci,2021,133:105010.

于雪晶,麻肖妃,夏斌.动态粒子群优化算法[J].计算机工程,2010(4):193-194+197.

胡乔治.多目标粒子群优化算法的研究及应用[D].北京:北京化工大学,2022.

赵玉花,石永康.改进粒子群算法的多无人机航迹优化[J].电光与控制,2023,30(5):29-33+51.

许胜才,蔡军,程昀,等.基于拓扑结构与粒子变异改进的粒子群优化算法[J].控制与决策,2019,34(2):419-428.

仝秋娟,赵岂,李萌.基于自适应动态改变的粒子群优化算法[J].微电子学与计算机,2019,36(2):6-10+15.

章恩泽,赵哲萱,韦静月,等.基于环形拓扑结构和动态邻域的多模态多目标粒子群优化算法[J].扬州大学学报(自然科学版),2023,26(4):19-24.

Hu Yi, Wang Jie, Liang Jing, et al. A self-organizing multimodal multi-objective pigeon-inspired optimization algorithm [J]. Sci China Inf Sci,2019,62(7):70206.

Ramachandram D, Lisicki M, Shields T J, et al. Bayesian optimization on graph-structured search spaces: optimizing deep multimodal fusion architectures [J]. Neurocomputing,2018,298:80-89.

吴清平.一种改进的粒子群优化算法研究[J].大庆师范学院学报,2018,38(6):68-71.

Zhang Weizheng, Li Guoqing, ZHANG Weiwei, et al. A cluster based PSO with leader updating mechanism and ring-topology for multimodal multi-objective optimization [J]. Swarm Evol Comput,2019,50:100569.

Wang Hong-bin, Yin Peng-heng, Zheng Wei, et al. Mobile robot path planning based on improved A’’ algorithm and dynamicwindow method [J]. Robot,2020,42(3):346-353.

Li G, Chou W. Path planning for mobile robot using self-adaptive learning particle swarm optimization[J]. Science China InformationSciences,2018,61(5):1-18.

DOI: http://dx.doi.org/10.12345/bdai.v5i4.17630