智能飞行冲突解脱算法的持续学习机制

来源：系统工程与电子技术杂志2025年第10期北京时间：

作者：隋东, 蔡向嵘

单位：南京航空航天大学民航学院，江苏 南京 211106

摘要：为提升智能飞行冲突解脱方法的持续有效性，考虑空域环境等因素动态变化的情况，在智能飞行冲突解脱算法中引入持续学习机制。首先基于马尔可夫决策过程对飞行冲突解脱问题建模；再利用深度强化学习方法对模型进行训练，使其能够有效解决飞行冲突；最后引入基于参数隔离和元学习两种持续学习方法，便于模型快速适应新冲突场景。实验结果表明，在引入持续学习方法后，模型在初期的冲突解脱成功率几乎超过70%，最终超过90%，对于初始训练场景的记忆留存程度超过87%，有效避免了灾难性遗忘，提升了模型的持续学习能力。该模型对于保障飞行安全、降低管制员工作负荷、提升空中交通运行效率有重要意义。

关键词：空中交通管制,飞行冲突解脱,持续学习,深度强化学习

基金资助：中国民用航空局项目（[2022]125号）资助课题