空域扇区优化：加权Voronoi图与生长算法结合方法

"基于加权Voronoi图的扇区优化研究 (2013年) - 武汉理工大学学报(交通科学与工程版)，张炳祥 - 扇区划分，空域规划，加权Voronoi图，生长算法，蚁群算法" 本文主要探讨了在空中交通管理中，通过优化扇区划分来降低管制员的工作负荷，提升空域容量的问题。作者提出了一种基于加权Voronoi图的扇区优化方法，以解决当前扇区划分的不均衡性。Voronoi图是一种几何分割工具，常用于地理信息系统和空间数据处理，它将空间分割成多个区域，使得每个区域内的一点到其所属对象的距离比到其他对象近。在本文中，这种图被赋予权重，以便更准确地反映出管制员的工作负荷分布。 文章指出，传统的模拟退火算法和遗传算法在求解这类问题时可能存在收敛速度慢或早熟收敛的问题。因此，张炳祥采用了生长算法与蚁群算法的结合，这是一种智能优化技术的组合，旨在提高算法的效率和准确性。生长算法模仿自然界的生长过程，逐步扩展并优化边界；而蚁群算法是受到蚂蚁寻找食物路径启发的一种全局优化算法，擅长解决组合优化问题。这两种算法的结合有助于找到最优的Voronoi多边形边界，从而定义出最佳的扇区划分。 通过仿真结果，作者证明了所提出的扇区优化方法的有效性和合理性。该方法对于缓解管制员工作负荷，提升空域利用效率，保证飞行安全具有积极意义。现有的扇区划分往往忽视了科学的规划，而随着空中交通流量的增加，合理划分扇区显得尤为重要。因此，这种基于加权Voronoi图的优化方法对于解决当前空域管理的挑战提供了新的思路和技术支持。 此外，文章还提及了其他研究者的工作，如Reaux等人建立的管制员行为模型、扇区环境模型和工作负荷模型，以及Delahaye等人运用图分割方法寻找最优扇区划分，以及国内韩松臣、张明和王莉莉、张兆宁等人的研究，这些研究都为解决空中交通管制扇区优化问题提供了不同的理论和方法基础。 这篇论文对空中交通管理领域的扇区优化进行了深入研究，提出的基于加权Voronoi图和混合优化算法的方法为解决管制员工作负荷和空域容量问题提供了创新解决方案。