崔莉薇，石为人，刘祥明，吴文政

重庆大学 自动化学院，重庆 400030

随着民航运输事业的高速发展，空中交通流量不断增加，为了改善日益拥挤的空中交通状况，国际民航界提出了“自由飞行”的概念，所谓自由飞行就是指说驾驶员可以选择最合适的飞行路线和飞行速度进行飞行。在自由飞行环境下，航路拥挤问题将得到改善，但航路结构限制的取消，使得航空器间冲突问题的解决将变得异常复杂，管制员的工作也将变得更加复杂困难。自由飞行条件下的冲突探测与解脱近年来成为空中交通管理领域的一个研究热点。

各国的研究人员进行了大量冲突解脱算法的研究工作。ALLIOT[1]论述了基于遗传算法的解脱方法，该算法可以获得最短航迹的无冲突飞行方案，但当飞机数目增多时计算比较复杂、耗费时间多。Durand[2]运用简单的神经网络来解决两机间的冲突，可以得到满意的结果，但当冲突的飞机多于两架时，神经网络拓展十分困难，三机比两机的学习结构适应性差，而且三机以上的拓展使神经网络的规模增加，学习更困难。Ghosh[3]采用势能法解决飞行冲突，算法简单，计算速度快，但该算没有考虑解脱航迹长度与燃油消耗等因素，且随着飞机架数的增加，可能会规划出不适合实际飞机航行的航迹。国内对飞行冲突解脱的研究也取得了一定的成果，尝试应用了线性规划法[4]、模拟退火遗传算法[5]、自适应遗传算法[6]等方法解决飞行冲突解脱问题，这些方法各有特点，并取得了一定效果。……