Cluster & Disperse: a general air conflict resolution heuristic using unsupervised learning

要約

私たちは、航空紛争解決問題に対する一般的で順応性のあるヒューリスティックを提供します。
このヒューリスティックは、軌道と飛行レベルの解空間を検索するための新しい近傍構造に基づいています。
教師なし学習を使用して、私たちのヒューリスティックの中心となるアイデアは、競合ポイントをクラスター化し、それらをさまざまな飛行レベルに分散することです。
最初のアルゴリズムは Cluster & Disperse と呼ばれ、各反復で各クラスター内で最も問題のあるフライトを別のフライト レベルに割り当てます。
実際には、バランスのとれた構成が得られるまで、フライト レベル間でそれらをシャッフルします。
次に、クラスター & 分散アルゴリズムは、水平面の競合解決アルゴリズムをサブルーチンとして使用して、これらのバランスの取れたインスタンスを解決します。
それにもかかわらず、私たちは同様の考えに基づいて水平面に対する新しいアルゴリズムを開発しました。
つまり、勾配降下法と社会的力を使用して、同じ飛行レベルで衝突点を空間的にクラスタリングして分散させます。
私たちは、Radius to Fix Legs の航空ルーチンに基づいて、フライトを直線ではなく円弧上を移動させる新しい操縦を使用しています。
当社のアルゴリズムは、妥当な計算時間内で高密度のフライトを処理できます。
文献からのいくつかの注目すべきアルゴリズムを使用して、そのパフォーマンスを説明します。
一般的なフレームワークである Cluster & Disperse の特別な強みは、航空機や環境に関するさまざまな制約を簡単に統合できる柔軟性にあります。
これは、たとえば混合整数計画法に基づくモデルとは対照的です。

要約(オリジナル)

We provide a general and malleable heuristic for the air conflict resolution problem. This heuristic is based on a new neighborhood structure for searching the solution space of trajectories and flight-levels. Using unsupervised learning, the core idea of our heuristic is to cluster the conflict points and disperse them in various flight levels. Our first algorithm is called Cluster & Disperse and in each iteration it assigns the most problematic flights in each cluster to another flight-level. In effect, we shuffle them between the flight-levels until we achieve a well-balanced configuration. The Cluster & Disperse algorithm then uses any horizontal plane conflict resolution algorithm as a subroutine to solve these well-balanced instances. Nevertheless, we develop a novel algorithm for the horizontal plane based on a similar idea. That is we cluster and disperse the conflict points spatially in the same flight level using the gradient descent and a social force. We use a novel maneuver making flights travel on an arc instead of a straight path which is based on the aviation routine of the Radius to Fix legs. Our algorithms can handle a high density of flights within a reasonable computation time. We put their performance in context with some notable algorithms from the literature. Being a general framework, a particular strength of the Cluster & Disperse is its malleability in allowing various constraints regarding the aircraft or the environment to be integrated with ease. This is in contrast to the models for instance based on mixed integer programming.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google