摘要：针对可接受航班编队调度优化问题,从最大当量航程约束和最大允许延误约束出发,推导出可接受编队模式的统计判别边界,将编队调度优化问题转化为最优层次聚类问题,利用改进的层次生长型自组织映射（GH-SOM）神经网络实现对可接受编队调度聚类的递归求精。仿真结果表明：与经验判别边界相比,基于可接受编队统计判别边界的识别量提高了92.14%,平均扁率和平均时间同步偏差分别降低了25.00%和26.23%,扁率标准差和时间同步偏差标准差分别降低了12.50%和18.75%;与自组织映射、标准GH-SOM相比,基于改进GH-SOM的识别量分别提高了303.49%、162.87%,平均扁率分别降低了34.25%、22.58%,平均时间同步偏差分别降低了47.06%、36.62%,扁率标准差分别降低了45.10%、6.67%,时间同步偏差分别降低了46.94%、3.70%,因此,可接受编队模式的统计判别边界与改进GH-SOM是有效性的。

关键词：航空运输 航班编队 编队调度 层次聚类 层次生长型自组织映射 

单位：天津大学计算机科学与技术学院 天津300072 中国民航大学空中交通管理学院 天津300300