Verbesserung des Multi Colony Ant Systems (MCAS) zur Suche von Formationsrouten für Luftfahrzeuge durch Diversifizierung der einzelnen Agenten (Abstract)

Kurzfassung

Der Formationsflug von Zugvögeln ist ein seit vielen Jahren bekanntes Naturphänomen und verspricht bei einer Übertragung auf moderne Luftfahrzeuge signifikante Einsparungen im Treibstoffverbrauch und dadurch auch bei den Emissionen von CO2 und NOx. Neben den Anforderungen an die Flugregelungs- und Navigationssysteme kommt der Integration dieses Verfahrens in das Lufttransportsystem eine wichtige Rolle zu. Dabei sind insbesondere die Zuordnung der Formationspartner sowie die Routenführung der Formationen für die Größe der erreichten Einsparungen entscheidend. Zur Lösung dieses Problems zeigt sich neben anderen Ansätzen auch die naturinspirierte Metaheuristik des Ameisenalgorithmus geeignet. Der Ameisenalgorithmus kann auf das Problem des Formationsfluges angepasst werden, indem mehrere Ameisenkolonien gleichzeitig simuliert werden und sich dabei gegenseitig durch ihre Pheromonspuren beeinflussen (Multi Colony Ant System, MCAS). Bei der Benutzung der Ameisenalgorithmen müssen jedoch eine Reihe von Parametern festgelegt werden, die das Verhalten der Ameisen steuern, wie zum Beispiel die Stärke der Tendenz, auf Pheromonspuren oder Heuristiken zu reagieren. Die Festlegung dieser Parameter ist für die Qualität der Lösungen und die Schnelligkeit des Algorithmus entscheidend und kann sich mit Größe und Art der Problemstellung ändern. Um dieses Problem zu lösen, wurde in der vorgestellten Arbeit das MCAS erweitert (diversified Multi Colony Ant System, dMCAS), indem die Parametereinstellungen für jede einzelne Ameise individuell festgelegt werden. Dies führt in der Natur zu einem robustem Regelverhalten, wie es beispielsweise bei der Temperaturregelung im Bienenstock beobachtet werden kann. Die genetische Vielfalt der Bienen sorgt dafür, dass bei einem Temperaturanstieg die Toleranzgrenzen erst weniger, dann von immer mehr Bienen überschritten wird, wodurch die Temperatur im Bienenstock relativ konstant gehalten wird. Beim dMCAS führt die Vielfalt der Parametereinstellungen dazu, dass einige Ameisen gut, andere weniger gut für die zu untersuchende Problemstellung geeignet sind. Erste Analysen legen den Schluss nahe, dass dadurch für eine unbekannte Problemstellung Formationsrouten schneller gefunden werden.