CN109118112B - 跨区域尾随间隔限制及离场时隙分配综合策略计算方法 - Google Patents

Abstract

本发明涉及航空领域，具体而言涉及一种跨区域尾随间隔限制及离场时隙分配综合策略计算方法，通过构建跨区域尾随间隔限制及离场时隙分配混合整数规划模型并进行求解，以计算出跨区域尾随间隔限制及离场时隙分配综合策略。针对航班在下游出区域流控点受到的约束生成MIT受控航班在上游进入区域流控点的尾随间隔限制策略以及区域内外起飞时隙受限航班的计算起飞时隙策略，基于实施管理中的运行限制和优化目标的分析，以及对计算起飞时隙和尾随间隔限制的实施特征分析，建立混合整数规划模型，进行求解，发现综合考虑尾随间隔限制及离场时隙分配比传统的先到先服务管理效率更高，减少总体航班延误成本。

Description

跨区域尾随间隔限制及离场时隙分配综合策略计算方法

技术领域

本发明涉及航空领域，具体而言，涉及一种区域尾随间隔限制及离场时隙分配综合策略计算方法及系统。

背景技术

下游出区域点受到外界流控时，为解决下游尾随间隔向上游放大传播，导致上游航班受到过大的流控限制的问题，建立尾随间隔限制与起飞离场时隙协同管理程序，对过出区域点受流控影响的航班分别采用尾随间隔和离场时隙分配策略实施管理。传统的先到先服务管理策略，按照计划到达下游点的先后顺序分配过点时隙，通常不会考虑到航班的延误成本，另外传统尾随间隔管理策略不考虑交通流的具体分布差异，因而计算上游尾随间隔过于粗放，导致航班产生大量不必要的延误。

发明内容

本发明的目的是提供一种跨区域尾随间隔限制及离场时隙分配综合策略计算方法。

为了实现上述目的，本发明实施例采用的技术方案如下：

本发明实施例提供了一种跨区域尾随间隔限制及离场时隙分配综合策略计算方法，包括构建用于跨区域尾随间隔限制及离场时隙分配的混合整数规划模型；以及对混合整数规划模型进行求解。

在本发明较佳的实施例中，构建所述混合整数规划模型的方法包括：

对混合整数规划模型涉及参数进行定义；

确定混合整数规划模型的决策变量；

定义混合整数规划模型的约束条件；以及

构建混合整数规划模型的目标函数。

在本发明较佳的实施例中，所述对混合整数规划模型涉及参数进行定义的方法包括：

F_ctot：受CTOT影响的航班集合；

F_mit：受MIT影响的航班集合；

m：受CTOT和MIT影响的航班总数，m＝|F_ctot|+|F_mit|；

n：受CTOT影响的航班数量，n＝|F_ctot|；

受CTOT影响的航班i预计起飞时间i∈(1，...n)，f_i∈F_ctot；

受上游MIT影响的航班i预计过上游流控点B的时间i∈(n+1，...m)，f_i∈F_mit，使得

即

按升序进行排列；

航班i预计过下游流控点C的时间i∈(1，...m)，f_i∈F_ctot∪F_mit；

t_begin：上游流控的开始时间；

c₁：地面延误成本；

c₂：区域外空中延误成本；

c₃：区域内空中延误成本；

a：空中可消耗延误占空中飞行时间百分比a∈[0，1]；

b：下游流控限制时间间隔值；

d：单位流控时间间隔值，流控值通常为单位流控间隔值的倍数；

k：上游流控时段分为K个时间片，k∈(1，...K)，表示第k个时间片；

h：上游流控从开始时间到结束时间的总时段长。

在本发明较佳的实施例中，所述确定决策变量的方法包括：

所述确定混合整数规划模型的决策变量的方法包括：

表示受CTOT影响的航班f_i分配到的起飞时间，i∈(1，...n)，f_i∈F_ctot；

表示区域外航班f_i受上游流控限制影响下的过点时间，i∈(n+1，...m)，f_i∈F_mit；

表示航班f受下游流控限制影响下的过点时间，i∈(1，...m)，f_i∈F_ctotU F_mit；

n_k，k∈(1，...K)：表示第k个时间片上游的流控间隔值为单位流控时间间隔值的倍数；

上式中，i∈(n+1，...m)，k∈(1，...K)。

在本发明较佳的实施例中，所述定义混合整数规划模型的约束条件的方法包括：

步骤S1：受CTOT影响的航班分配的起飞时间大于等于预计起飞时间，即

步骤S2：航班受上游流控限制影响下的进入区域时间不早于预计进入时间，即

步骤S3：航班离开区域的时间不早于预计离开区域的时间，即

步骤S4：受CTOT影响的航班从起飞到出区域的飞行时间不小于预计飞行时间，同时不大于预计飞行时间加最大可消耗延误时间，即

步骤S5：区域外进入的航班在区域内的飞行时间不小于预计区域内飞行时间，同时不大于预计区域内飞行时间加最大可消耗延误时间，即

步骤S6：出区域航班之间的间隔时间不小于流控限制的间隔时间b，即

步骤S7：过上游流控点B的航班在唯一的一个时间片经过该上游流控点B，即

步骤S8：航班所属时间片与航班安排的过点时间之间满足的对应关系，即

步骤S9：航班过上游流控点B的时间为航班预计过点时间以及与前机满足流控间隔dn_k的时间两者取大，即

f_i，f_j∈F_mit。

在本发明较佳的实施例中，所述构建混合整数规划模型的目标函数的方法包括：

目标函数为最小化所有航班在地面及空中的总延误成本，目标函数中第一项表示受CTOT影响的航班在起飞机场的地面延误成本，第二项表示受MIT影响的航班分别在区域内和区域外的空中延误成本，即：

在本发明较佳的实施例中，所述对混合整数规划模型进行求解的方法，即

采用遗传算法与启发式算法相结合的混合算法对所述混合整数规划模型进行求解。

在本发明较佳的实施例中，所述采用遗传算法与启发式算法相结合的混合算法包括：

遗传算法对所有受外界流控的航班处理顺序及上游尾随间隔值进行混合式编码；

混合编码后的航班处理顺序及流控间隔值作为启发式算法的输入，由启发式算法根据编码的航班顺序及上游流控间隔值计算航班起飞及进出点时隙，并返回适应度值给遗传算法；

遗传算法依据接收到的适应度值对混合整数规划模型进行求解。

在本发明较佳的实施例中，所述遗传算法对所有受外界流控的航班处理顺序及上游尾随间隔值进行混合式编码的方法包括：

对所有出区域的航班处理顺序和上游流控间隔值分别编码；

假设有m个受CTOT和MIT影响的航班和k个时间片，则基于混合编码随机产生m+k个随机数，其中m作为航班处理顺序的随机数且采用十进制正整数排列编码方法，k作为各个时段流控间隔值的随机数且采用十进制随机正整数编码。

在本发明较佳的实施例中，遗传算法包括：

所述遗传算法中染色体对应的适应度函数为

其中y为中间变量，Z为混合整数规划模型中目标函数值，c₄为对区内延误超出最大可消耗延误的惩罚系数，适应度函数值由启发式算法根据编码的航班顺序及上游流控间隔作为输入条件计算获得；

遗传算法选择算子：采用随机竞争对初始种群进行选择操作，即每次按轮盘赌选择机制选取一对个体，然后让这两个个体进行竞争，适应度高的个体被选中，重复计算，直到选满为止；

遗传算法交叉算子：对航班顺序采用部分映射杂交，即随机选择两个交叉点，子代基因中两个交叉点间的部分来自一个父代基因，其余部分来自另外一个父代基因；对上游流控间隔采用单点交叉，即随机选择一个交叉点，然后在该点互换两个父代染色体的部分基因；

遗传算法变异算子：航班序列部分采用交换基因值的变异方法，随机选择两个交换变异点，将其对应的基因进行互换；以及上游管制移交间隔适于采用基本位变异算子操作，随机选择变异点，取随机数来代替原有值。

相对于现有技术，本发明实施例具有以下有益效果：

本发明实施例提供了一种跨区域尾随间隔限制及离场时隙分配综合策略计算方法，跨区域尾随间隔限制及离场时隙分配综合策略计算方法通过构建跨区域尾随间隔限制及离场时隙分配混合整数规划模型并进行求解，以计算出跨区域尾随间隔限制及离场时隙分配综合策略。针对航班在下游出区域流控点受到的约束生成MIT受控航班在上游进入区域流控点的尾随间隔限制策略以及区域内外起飞时隙受限航班的计算起飞时隙策略，基于实施管理中的运行限制和优化目标的分析，以及对计算起飞时隙和尾随间隔限制的实施特征分析，建立混合整数规划模型，进行求解，发现综合考虑尾随间隔限制及离场时隙分配比传统的先到先服务管理效率更高，可减少总体的航班延误成本。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1示出了本发明实施例提供的跨区域尾随间隔限制及离场时隙分配综合策略计算方法的流程图。

图2示出了本发明实施例提供的受限航班流及空域示意图。

图3示出了本发明实施例提供的遗传算法与启发式算法相结合的混合算法流程图。

图4示出了本发明实施例提供的遗传算法编码方式示例图。

图5示出了本发明实施例提供的遗传算法交叉算子示例图。

图6示出了本发明实施例提供的遗传算法变异算子示例图。

图7示出了本发明实施例提供的启发式算法流程图。

图8示出了本发明实施例提供的跨区域尾随间隔限制及离场时隙分配综合策略计算结果图。

图9示出了本发明实施例提供的跨区域尾随间隔限制及离场时隙分配综合策略实施效果比较图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

实施例

请参阅图1，本发明实施例提供了一种跨区域尾随间隔限制及离场时隙分配综合策略计算方法。跨区域尾随间隔限制及离场时隙分配综合策略计算方法通过构建跨区域尾随间隔限制及离场时隙分配混合整数规划模型并进行求解，以计算出跨区域尾随间隔限制及离场时隙分配综合策略。针对航班在下游出区域流控点受到的约束生成MIT受控航班在上游进入区域流控点的尾随间隔限制策略以及区域内外起飞时隙受限航班的计算起飞时隙策略，基于实施管理中的运行限制和优化目标的分析，以及对计算起飞时隙和尾随间隔限制的实施特征分析，建立混合整数规划模型，进行求解，发现综合考虑尾随间隔限制及离场时隙分配比传统的先到先服务管理效率更高，可减少总体的航班延误成本。

其中，构建所述混合整数规划模型的方法包括：

请参阅图2，采集出区域流控限制信息，包括下游流控开始结束时间、下游尾随间隔值，受限航班的预计起飞时间、预计进区域时间、预计出区域时间等信息；

对混合整数规划模型涉及参数进行定义；

确定混合整数规划模型的决策变量；

定义混合整数规划模型的约束条件；以及

构建混合整数规划模型的目标函数。

在本实施例中，所述对混合整数规划模型涉及参数进行定义的方法包括：根据采集出区域流控限制信息，包括下游流控开始结束时间、下游尾随间隔值，受限航班的预计起飞时间、预计进区域时间、预计出区域时间等信息对下列模型参数进行赋值：

F_ctot：受CTOT(计算起飞时间，欧洲交通管制术语)影响的航班集合；

F_mit：受MIT(尾随间隔限制，交通管制术语)影响的航班集合；

m：受CTOT和MIT影响的航班总数，m＝|F_ctot|+|F_mit|；

n：受CTOT影响的航班数量，n＝|F_ctot|；

受CTOT影响的航班i预计起飞时间i∈(1，...n)，f_i∈F_ctot；

受上游MIT影响的航班i预计过上游流控点B的时间i∈(n+1，...m)，f_i∈F_mit，使得

即

按升序进行排列；

航班i预计过下游流控点C的时间i∈(1，...m)，f_i∈F_ctot∪F_mit；

t_begin：上游流控的开始时间；

c₁：地面延误成本；

c₂：区域外空中延误成本；

c₃：区域内空中延误成本；

a：空中可消耗延误占空中飞行时间百分比a∈[0，1]；

b：下游流控限制时间间隔值；

d：单位流控时间间隔值，流控值通常为单位流控间隔值的倍数；

k：上游流控时段分为K个时间片，k∈(1，...K)，表示第k个时间片；

h：上游流控从开始时间到结束时间的总时段长。

在本实施例中，所述确定混合整数规划模型的决策变量的方法包括：

表示受CTOT影响的航班f分配到的起飞时间，i∈(1，...n)，f_i∈F_ctot；

表示区域外航班f受上游流控限制影响下的过点时间，i∈(n+1，...m)，f_i∈F_mit；

表示航班f_i受下游流控限制影响下的过点时间，i∈(1，...m)，f_i∈F_ctotUF_mit；

n_k，k∈(1，...K)：表示第k个时间片上游的流控间隔值为单位流控时间间隔值的倍数；

上式中，i∈(n+1，...m)，k∈(1，...K)。

在本实施例中，所述定义混合整数规划模型的约束条件的方法包括：

步骤S1：受CTOT影响的航班分配的起飞时间大于等于预计起飞时间，即

步骤S2：航班受上游流控限制影响下的进入区域时间不早于预计进入时间，即

步骤S3：航班离开区域的时间不早于预计离开区域的时间，即

步骤S4：受CTOT影响的航班从起飞到出区域的飞行时间不小于预计飞行时间，同时不大于预计飞行时间加最大可消耗延误时间，即

步骤S5：区域外进入的航班在区域内的飞行时间不小于预计区域内飞行时间，同时不大于预计区域内飞行时间加最大可消耗延误时间，即

步骤S6：出区域航班之间的间隔时间不小于流控限制的间隔时间b，即

步骤S7：过上游流控点B的航班在唯一的一个时间片经过该上游流控点B，即

步骤S8：航班所属时间片与航班安排的过点时间之间满足的对应关系，即

步骤S9：航班过上游流控点B的时间为航班预计过点时间以及与前机满足流控间隔dn_k的时间两者取大，即

f_i，f_j∈F_mit。

在本实施例中，所述构建混合整数规划模型的目标函数的方法包括：

目标函数为最小化所有航班在地面及空中的总延误成本，目标函数中第一项表示受CTOT影响的航班在起飞机场的地面延误成本，第二项表示受MIT影响的航班分别在区域内和区域外的空中延误成本，即：

请继续参阅图1，所述进行求解的方法采用遗传算法与启发式算法相结合的混合算法对跨区域尾随间隔限制及离场时隙分配混合整数规划模型进行求解。

具体地，请参阅图3，所述遗传算法与启发式算法相结合的方法包括：

遗传算法对所有受外界流控的航班处理顺序及上游尾随间隔值进行混合式编码；

混合编码后的航班处理顺序及流控间隔值作为启发式算法的输入，由启发式算法根据编码的航班顺序及上游流控间隔值计算航班起飞及进出点时隙，并返回适应度值给遗传算法(如图3中512，498，504等数值均为适应度值)；

遗传算法依据接收到的适应度值对混合整数规划模型进行求解。

遗传算法编码方式示例如图4所示：所述遗传算法对所有受外界流控的航班处理顺序及上游尾随间隔值进行混合式编码的方法包括：对所有出区域的航班处理顺序和上游流控间隔值分别编码。

假设有m个受CTOT和MIT影响的航班和k个时间片，则基于混合编码随机产生m+k个随机数，其中m可以作为航班处理顺序的随机数且采用十进制正整数排列编码方法，k可以作为各个时段流控间隔值的随机数且采用十进制随机正整数编码。

其中，启发式算法根据混合编码后的航班处理顺序及流控间隔值计算适应度值。

所述遗传算法中染色体对应的适应度函数为

其中y为中间变量，Z为混合整数规划模型中目标函数值，c₄为对区内延误超出最大可消耗延误的惩罚系数，适应度函数值由启发式算法根据编码的航班顺序及上游流控间隔作为输入条件计算获得；

遗传算法选择算子：采用随机竞争对初始种群进行选择操作，即每次按轮盘赌选择机制选取一对个体，然后让这两个个体进行竞争，适应度高的个体被选中，重复计算，直到选满为止；

遗传算法交叉算子(如图5所示)：对航班顺序采用部分映射杂交，即随机选择两个交叉点(如图5中第二到第四数字列)，子代基因中两个交叉点间的部分来自一个父代基因，其余部分来自另外一个父代基因，对上游流控间隔采用单点交叉，即随机选择一个交叉点(如图5中第十一数字列)，然后在该点互换两个父代染色体的部分基因。

遗传算法变异算子(如图6所示)：航班序列部分采用交换基因值的变异方法，随机选择两个交换变异点(如图6中第二数字列和第四数字列)，将其对应的基因进行互换，既加快了算法速度也可以保证变异后个体的可行性；上游管制移交间隔采用基本位变异算子操作，随机选择变异点(如图6中第十数字列)，取随机数来代替原有值。

启发式算法流程如图7所示，算法输入、输出以及计算流程描述如下：

算法输入：航班排序序列，下游流控限制时间间隔值，上游分时段流控限制值；

算法输出：受CTOT影响的航班分配的起飞时间和出区域时间，MIT受控航班的进区域时间和出区域时间，上游尾随间隔值，适应度函数值；

计算流程：

对航班排序序列F中的顺序进行处理，使得MIT受控航班的顺序保持根据

的升序顺序，根据处理后的序列对航班进行依次处理；

对于受CTOT影响的航班，在出区域流控点C找到满足下游流控约束的时隙

减去从起飞机场到下游点的飞行时间

即得到航班分配的起飞时间

对于MIT受控航班，计算满足上游流控点B的流控约束下的上游过点时间

根据

计算到达出区域流控点C的最早到达时间

以这个时间为初始时间，找到航班满足在C点流控限制的出区域时间

对所有航班依次处理完后，根据

基于适应度函数计算公式计算适应度函数值(图3中“过点时间”指

三类过点时间)。

请参阅图8，针对不同交通流，传统的先到先服务策略与本方法所生成的跨区域尾随间隔限制及离场时隙分配综合策略结果对比见图9，横轴表示不满足下游流控限制的航班占航班总数的比例，纵轴为根据(先到先服务策略下目标函数值-本模型算法下目标函数值)/先到先服务策略下目标函数值计算出的比率值，结果对比显示随着不满足流控限制航班数量的增加，本模型算法计算出的策略结果比先到先服务策略优化的程度也增加。

综上所述，本发明实施例提供了一种跨区域尾随间隔限制及离场时隙分配综合策略计算方法，跨区域尾随间隔限制及离场时隙分配综合策略计算方法通过构建跨区域尾随间隔限制及离场时隙分配混合整数规划模型并进行求解，以计算出跨区域尾随间隔限制及离场时隙分配综合策略。针对航班在下游出区域流控点受到的约束生成MIT受控航班在上游进入区域流控点的尾随间隔限制策略以及区域内外起飞时隙受限航班的计算起飞时隙策略，基于实施管理中的运行限制和优化目标的分析，以及对计算起飞时隙和尾随间隔限制的实施特征分析，建立混合整数规划模型，进行求解，发现综合考虑尾随间隔限制及离场时隙分配比传统的先到先服务管理效率更高，可减少总体的航班延误成本。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种跨区域尾随间隔限制及离场时隙分配综合策略计算方法，其特征在于，

构建用于跨区域尾随间隔限制及离场时隙分配的混合整数规划模型；以及

对混合整数规划模型进行求解；

构建所述混合整数规划模型的方法包括：

对混合整数规划模型涉及参数进行定义；

确定混合整数规划模型的决策变量；

定义混合整数规划模型的约束条件；以及

构建混合整数规划模型的目标函数；

所述对混合整数规划模型涉及参数进行定义的方法包括：

F_ctot：受计算起飞时间CTOT影响的航班集合；

F_mit：受尾随间隔限制MIT影响的航班集合；

m：受CTOT和MIT影响的航班总数，m＝|F_ctot|+|F_mit|；

n：受CTOT影响的航班数量，n＝|F_ctot|；

受CTOT影响的航班f_i预计起飞时间，i∈(1,...n)，f_i∈F_ctot；

受上游MIT影响的航班f_i预计过上游流控点B的时间，i∈(n+1,...m),f_i∈F_mit，使得

即

按升序进行排列；

航班f_i预计过下游流控点C的时间，i∈(1,...m),f_i∈F_ctotUF_mit；

t_begin：上游流控的开始时间；

c₁：地面延误成本；

c₂：区域外空中延误成本；

c₃：区域内空中延误成本；

a：空中可消耗延误占空中飞行时间百分比，a∈[0,1]；

b：下游流控限制时间间隔值；

d：单位流控时间间隔值；

k：上游流控时段分为K个时间片，k∈(1,...K)，表示第k个时间片；

h：上游流控从开始时间到结束时间的总时段长；

所述确定混合整数规划模型的决策变量的方法包括：

表示受CTOT影响的航班f_i分配到的起飞时间，i∈(1,...n),f_i∈F_ctot；

表示区域外航班f_i受上游流控限制影响下的过点时间，i∈(n+1,...m)，f_i∈F_mit；

表示航班f_i受下游流控限制影响下的过点时间，i∈(1,...m)，f_i∈F_ctotUF_mit；

n_k,k∈(1,...K)：表示第k个时间片上游的流控间隔值为单位流控时间间隔值的倍数；

上式中，i∈(n+1,...m),k∈(1,...K)；

所述定义混合整数规划模型的约束条件的方法包括：

步骤S1：受CTOT影响的航班分配的起飞时间大于等于预计起飞时间，即

步骤S2：航班受上游流控限制影响下的进入区域时间不早于预计进入时间，即

步骤S3：航班离开区域的时间不早于预计离开区域的时间，即

步骤S4：受CTOT影响的航班从起飞到出区域的飞行时间不小于预计飞行时间，同时不大于预计飞行时间加最大可消耗延误时间，即

步骤S5：区域外进入的航班在区域内的飞行时间不小于预计区域内飞行时间，同时不大于预计区域内飞行时间加最大可消耗延误时间，即

步骤S6：出区域航班之间的间隔时间不小于流控限制的间隔时间b，即

步骤S7：过上游流控点B的航班在唯一的一个时间片经过该上游流控点B，即

步骤S8：航班所属时间片与航班安排的过点时间之间满足的对应关系，即

步骤S9：航班过上游流控点B的时间为航班预计过点时间以及与前机满足流控间隔dn_k的时间两者取大，即

所述构建混合整数规划模型的目标函数的方法包括：

目标函数z为最小化所有航班在地面及空中的总延误成本，目标函数中第一项表示受CTOT影响的航班在起飞机场的地面延误成本，第二项表示受MIT影响的航班分别在区域内和区域外的空中延误成本，即

2.如权利要求1所述的跨区域尾随间隔限制及离场时隙分配综合策略计算方法，其特征在于，

所述对混合整数规划模型进行求解的方法，即

采用遗传算法与启发式算法相结合的混合算法对所述混合整数规划模型进行求解。

3.如权利要求2所述的跨区域尾随间隔限制及离场时隙分配综合策略计算方法，其特征在于，

所述采用遗传算法与启发式算法相结合的混合算法包括：

遗传算法对所有受外界流控的航班处理顺序及上游尾随间隔值进行混合式编码；

混合编码后的航班处理顺序及流控间隔值作为启发式算法的输入，由启发式算法根据编码的航班顺序及上游流控间隔值计算航班起飞及进出点时隙，并返回适应度值给遗传算法；

遗传算法依据接收到的适应度值对混合整数规划模型进行求解。

4.如权利要求3所述的跨区域尾随间隔限制及离场时隙分配综合策略计算方法，其特征在于，

所述遗传算法对所有受外界流控的航班处理顺序及上游尾随间隔值进行混合式编码的方法包括：

对所有出区域的航班处理顺序和上游流控间隔值分别编码；

假设有m个受CTOT和MIT影响的航班和k个时间片，则基于混合编码随机产生m+k个随机数，其中m作为航班处理顺序的随机数且采用十进制正整数排列编码方法，k作为各个时段流控间隔值的随机数且采用十进制随机正整数编码。

5.如权利要求4所述的跨区域尾随间隔限制及离场时隙分配综合策略计算方法，其特征在于，

所述遗传算法还适于根据适应度值选择个体，适应度计算函数为

且

其中目标函数取值为z；目标函数取中间变量，以满足MIT受控航班在区内延误不超出最大可消耗延误；c₄为对区内延误超出最大可消耗延误的惩罚系数；设计染色体对应的适应度函数为：

适应度函数值由启发式算法根据编码的航班顺序及上游流控间隔作为输入条件计算获得；

并且采用随机竞争对初始种群进行选择操作，即每次按轮盘赌选择机制选取一对个体，然后让这两个个体进行竞争，适应度高的个体被选中，重复计算，直到选满为止；

遗传算法交叉算子：对航班顺序采用部分映射杂交，即随机选择两个交叉点，子代基因中两个交叉点间的部分来自一个父代基因，其余部分来自另外一个父代基因；对上游流控间隔采用单点交叉，即随机选择一个交叉点，然后在该点互换两个父代染色体的部分基因；

遗传算法变异算子：航班序列部分采用交换基因值的变异方法，随机选择两个交换变异点，将其对应的基因进行互换；以及上游管制移交间隔适于采用基本位变异算子操作，随机选择变异点，取随机数来代替原有值。

Images