遗传算法

遗传算法：低空经济空域规划优化的隐形推手

2023年以来，我国低空经济正式进入规模化发展阶段，随着民用无人机、eVTOL（电动垂直起降飞行器）等低空业态的快速扩张，全国低空空域开放试点已覆盖18个省区市，每日新增低空飞行申请超过1.2万架次，如何在动态变化的空域环境中快速规划出最优通航路径、平衡不同飞行主体的空域需求，成为制约行业发展的核心痛点。而在此前被视为传统优化算法的遗传算法，正在低空经济领域找到新的应用落点，成为破解空域复杂优化问题的核心工具。

很多人对遗传算法的认知停留在理论层面，实际上它是进化计算领域发展最早、应用最广的分支之一。作为模拟达尔文生物进化论自然选择与遗传机制的搜索优化算法，遗传算法从问题潜在解集的种群出发，将每个可能解编码为“染色体”（个体），通过模拟自然进化中的选择、交叉、变异过程，逐代淘汰适应度低的个体，保留优势基因，最终收敛得到最优或近似最优解。不同于传统的确定性搜索算法，遗传算法天生擅长处理多变量、多约束的非凸优化问题，这恰好击中了低空空域规划的核心需求。

从发展脉络看，遗传算法的落地逻辑其实一直围绕“复杂问题求解”展开。早年学界主要将其用于解决旅行商问题、函数最小值求解这类经典组合优化问题，早在2023年国内开发者就已经公开了遗传算法求解旅行商问题的可运行开源代码，验证了这类算法在路径优化场景中的可用性。相较于精确求解算法在问题维度提升后出现的指数级计算量增长，遗传算法可以在可接受的时间内得到近似最优解，对于维度动辄成百上千的空域规划问题来说，这种特性恰好匹配了工程需求。

目前，国内不少低空经济领域的企业已经开始将遗传算法落地到空域动态规划场景。以深圳低空通航科创企业天蚁智航为例，该公司2024年推出的基于遗传算法的低空空域动态分配系统，已经在珠三角珠三角低空空域开放示范区完成了超过6个月的试运行。针对示范区内日均超过3200架次的无人机物流、城市巡检飞行需求，这套系统采用二进制编码方式，将空域划分为100米×100米的网格单元，每个网格是否开放给特定飞行任务对应编码中的一个基因位，初始种群设定为200个随机生成的空域分配方案，然后以“总飞行距离最短、冲突风险最低、空域利用率最高”作为适应度函数，每一代保留适应度排名前20%的个体，通过交叉变异产生新一代种群，通常经过30代进化即可得到满足当前空域需求的分配方案。

根据天蚁智航公开的试运行数据，对比传统的贪心分配算法，基于遗传算法的空域分配系统将空域利用率从原来的42%提升到了68%，单架次飞行的平均路径缩短了12.7%，飞行冲突预警响应时间从15秒压缩到了2秒以内。该公司算法负责人在2025年8月接受采访时表示，传统算法遇到多航班多需求冲突时，往往需要反复回溯调整，而遗传算法可以并行搜索多个候选方案，一次进化就能得到满足多约束的可行解，效率提升非常明显。

当然，遗传算法并非完美的“万能解药”，它本身也存在一定局限性，这一点在学界很早就已经达成共识。比如，遗传算法容易出现“早熟收敛”问题——也就是进化还没找到全局最优解就提前收敛到局部最优，在空域规划场景中，如果初始种群设定不合理，可能会出现部分空域资源被过度占用，而另一部分空域被闲置的问题。针对这一问题，天蚁智航的技术团队做了算法优化，通过调整变异概率，在进化初期保持较高的变异率以维持种群多样性，进化后期降低变异率加快收敛速度，这一调整将早熟收敛概率从原来的18%降低到了3%以下。

另一个值得关注的方向是，遗传算法正在和深度学习结合，形成新一代的进化学习方法，低空经济领域的不少创业团队已经开始布局相关研发。比如北京的星途空天科技，目前正在研发基于遗传算法优化的深度学习空域流量预测模型，利用遗传算法优化深度学习模型的连接权重与网络结构，目前该模型对未来2小时空域流量预测准确率已经达到89%，比纯深度学习模型提升了7个百分点，该项目预计2026年下半年进入落地测试阶段。

从整个优化算法领域的发展来看，遗传算法作为一种经典的启发式搜索算法，并没有因为深度学习的兴起而被淘汰，反而在垂直行业找到了新的应用场景。对于低空经济这类处在快速发展初期、行业规则和应用场景都在不断动态变化的领域，遗传算法不需要大量标注数据就可以完成优化，对问题的适应性更强，开发成本更低，非常适合当前低空经济领域快速迭代的需求。

我们可以预见，未来随着低空经济的进一步发展，低空飞行器数量会继续增长，空域场景会越来越复杂，对动态优化的需求也会越来越高。遗传算法凭借其处理复杂组合优化问题的天然优势，会在空域规划、路径优化、流量调度等多个核心场景发挥越来越重要的作用。2025年8月发布的《中国低空经济技术发展白皮书》已经将遗传算法列为低空空域优化领域的核心推荐算法之一，这也意味着，这个诞生几十年的经典算法，正在中国低空经济的新赛道上，迎来自己的第二春。