完一次航班任务 后还有另外的航班任务，则这两个航班称为连续航班，两个航班之间必须留有充足的时间 进行飞机的安全检查和清扫工作。假设对于大型机该时间为T b，航班Fab是航班F a的后续 航班，如果Fa在飞行途中花费的时间为Ta，起飞时刻集合 a=〇，l，...，δ a-l，Sa
[0094] 则航班Fab的起飞时刻集合Δ abSTa+TB之后的某个时刻集合。对于小型机和中型 机，连续航班之间的时间间隔记为TjP T M。
[0095] 步骤102、第二步，生成初始种群，所述初始种群由预设数量的染色体随机组成，一 条染色体由所述数据库中每一航班的一个飞行路径和一个起飞时刻组成，所述一条染色体 包括2N个基因，N为所述数据库中航班的数量，将所述初始种群作为第g代种群，g为自然 数。
[0096] 在本实施例中，初始种群由100条染色体组成来举例说明（染色体的数量可以根 据实际需求设定，在此不加以限定）。将初始种群定义为第g代种群，g为自然数，即第g代 初始种群由100条染色体所构成，初始种群就是第1代种群，然后每进化完一代g就加1，直 到达到最大进化代数。这里的g是一个变量，随着进化的进行不断增大。其中，每一条染色 体都是由所有航班的一个飞行路径和一个起飞时刻构成，因此每一条染色体的长度是航班 数量的2倍，所以将数据库中的所有航班数量设置为N，每一条染色体就包括2N个基因。
[0097] 具体的每一条染色体生成过程为：
[0098] 首先，读入数据库中所有航班N的可选飞行路径集合数据和起飞时刻的上下限数 据，作为可选数据集合。接着，在可选数据集合内随机选择数据。最后，初始化每个航班的 起飞时刻和飞行路径，生成一条染色体。
[0099] 图2为本发明空中交通流量调控方法实施例的染色体的编码结构示意图。如 图2所示，&表示航班η的可选飞行路径集合，△ "表示航班η的可选起飞时刻集合，η = 1，. . .，k, . . .，N，N 表示航班数量。一条染色体由;Tp δ . . .，rk、δ k, . . .，rN、δ Ν，2Ν 个基因 组成。
[0100] 另外，将全局变量初始化，初始化的全局变量为空集，用来存放进化最新找到的第 一目标函数和第二目标函数的解集。
[0101] 步骤103、第三步，使用所述第g代种群计算第一目标函数和第二目标函数，所述 第一目标函数为所述待调控空域的空中交通拥挤度目标函数，所述第二目标函数为所述待 调控空域中所有航班的起飞时刻延误和额外飞行路径的目标函数，得到所述第g代种群的 所述第一目标函数和所述第二目标函数的解集；将所述第g代种群的所述第一目标函数和 所述第二目标函数的解集存放在全局变量中。
[0102] 利用第g代种群计算第一目标函数和第二目标函数。
[0103] 其中，第一目标函数为待调控空域的空中交通拥挤度目标函数。这里需要说明的 是，待调控空域的空中交通拥挤度可以通过引入扇区来进行量化，扇区的拥挤度与扇区内 的航班数量和通过扇区边界的航班数量有关，当航班数量小于扇区容量阈值的时候拥挤度 为0,当航班数量超过阈值时，扇区拥挤度会以平方数量级的趋势急剧上升。
[0104] 对于每个航班来说，它的飞行计划就是在某一时刻进入某个扇区然后在随后某一 时刻离开该扇区，因此一个航班计划可以表示为：
[0105] L = (S1, Tin1, Tout1), (S2, Tin2, Tout2),. . . , (Sk, Tink, Toutk),...
[0106] Sk表示航班经过的第k个扇区，Tin k表示进入该扇区的时刻，Tout k表示离开该扇 区的时刻。
[0107] 扇区&在t时刻的负荷》:? (〇包括：监视负荷》⑴和协调负荷G)，其负 荷Md表示为：
[0109] 其中，w, Φ e [0, 1]为监视负荷和协调负荷的权重。
[0110]监视负荷％，表示为：
[0112] 其中，(/)与t时刻在所述扇区&内的飞机数目的平方成正比，C mii (?)表示t 时刻所述扇区Sk的监视负荷阈值；
[0113] 所述协调负荷(〇可以表示为：
[0115] 其中，CSi(i)与t时刻穿越所述扇区Sk边界的飞机数目的平方成正比，（0表 示t时刻所述扇区S k的协调负荷阈值。
[0116] 所以，待调控空域的空中交通拥挤度目标函数最终可以表示为：
[0118] 其中，
表示扇区Sk在时间T内的总拥挤度，t e τ，
表示扇 区Sk在时间T内的最大拥挤度，P表示扇区的数量，Φ和P是介于0到1之间的权重系数。
[0119] 将待调控空域分成P个扇区，该待调控空域的空中交通拥挤度与P个扇区内的航 班数量和通过P个扇区边界的航班数量有关。其中，扇区S k表示P个扇区中的第k个扇区， 扇区Sk的拥挤度为扇区S k在时间T内的一个时刻t的航班数量，扇区S k的总拥挤度为扇区 Sk在时间T内的航班数量之和，扇区Sk的最大拥挤度为扇区Sk在时间T内一个时刻t的航 班数量的最大值。
[0120] 71表示所有扇区的拥挤度之和，Φ和P分别表示每个扇区内总拥挤度和最大拥挤 度在目标函数中所占的比重。
[0121] 第二目标函数为待调控空域中所有航班的起飞时刻延误和额外飞行路径的目标 函数。其中，起飞时刻延误为一架航班的实际的起飞时刻与上述数据库中该航班的最早起 飞时刻的差值。额外飞行路径为一架航班的飞行路径与上述数据库中该航班的最短飞行路 径的差值。
[0122] 对于航班，如果航班i计划在4时刻起飞，而实际上它在t "时刻起飞，这样航班 的地面延误可以表示为：Ss(i) =tn-tk。假设?；表示航班实际飞行需要的时间，T。表示最 短路径需要的时间，由于相同的时间内空中飞行的花费是地面延误的3倍（在本实施例中， 以3倍来举例说明，具体的倍数可以根据实际情况进行设置，在此不加以限定），所以航班 的空中延误可以表示为：\(i) =3*(?；-Τ。）。因此总的延误δ⑴可以表示为：δ (i)= S s(i)+ δ Ji)。为了保证航班之间的公平性，这里将线性的目标函数改为平方和的形式，例 如同样是两个航班一共延误20分钟，我们希望每个航班延误10分钟，而不是一个延误20 分钟，一个没有延误。
[0123] 所以待调控空域中所有航班的起飞时刻延误和额外飞行路径的目标函数可以表 示为：
[0125] 进一步的，在所有航班中，可以将航班机型分成三类，即大、中、小型三种机型，这 三种机型的航班数量分别为：Nb，NJPNs，对于不同机型的航班，相同的时间延误带来的损 失是不相同的，因此将不同的航班赋予权重λΒ，λ#Ρ λ 5(λΒ>λΜ>λ〇。所以待调控空域 中所有航班的起飞时刻延误和额外飞行路径的目标函数可以进一步的改写为：
[0127] -条染色体可以计算出一个第一目标函数值（yi)和一个第二目标函数值（y 2)，可 以将这一个Y1的值和一个y 2的值作为一个解，由于一个种群中存在多条染色体，所以每个 种群对应的就有多个Y1的值，y 2的值，即对应有多个解。另外，并不是将一个种群中所有的 yi、y2的值都作为该种群的最终解进行下一步，在此之前，还需要将这多个解之间进行y满 值，y 2的值的比较。若有一解，该解中的y i的值，y 2的值均小于同一种群的其他解中的y满 值，y2的值，则称该解支配其他解。不被其他结果支配的解称之为非支配解，非支配解的集 合就称为非支配解集，所有非支配解将进入种群的下一代进行进化。
[0128] 优选的是，将所述第g代种群中的所述每一条染色体随机分组得到至少两个低维 子染色体，对每个低维子染色体进行差分进化，得到差分进化后的每个低维子染色体，将所 述差分进化后的每个低维子染色体进行合并，生成差分进化后的一条染色体，所述第g代 种群的所述第一目标函数和所述第二目标函数的解集由所述差分进化后的染色体计算得 到。
[0129] 例如，在第1代种群中，将100条染色体中的每一条染色体随机分组得到5组低维 子染色体，将这5组低维子染色体进行差分进化，得到差分进化后的这5组新的低维子染 色体，将这5组新的低维子染色体进行合并，最终生成差分进化后的一条新染色体，以此类 推，生成差分进化后的100条新染色体，根据这100条新染色体，计算第1代种群的第一目 标函数和第二目标函数的解集，这样