摘要
在多任务空中行动中，区域巡逻任务与远程任务通常共享有限的加油机机队，但各自面临不同的约束结构：巡逻加油受硬性时间窗口约束，而远程任务则受限制区域规避、绕航容忍度及多段航程燃油校验的制约。传统的分场景独立规划方式割裂了资源，并浪费了跨区域转场航程。本文将选址-路径问题（LRP）和带时间窗的车辆路径问题（VRPTW）的成熟范式适配于该联合加油场景：所提出的联合规划模型将加油机出动架次的减少优先于系统总航程的缩短；解码器耦合的自适应大邻域搜索（ALNS）整合了空域选择、任务分配、加油机路径规划以及双时间线会合解码，所有任务硬约束嵌入确定性、可复现的评估器中，在每次搜索迭代中进行可行性判定。三种规模（17、42 和 100 个任务）的实验表明，任务覆盖率与巡逻时间窗满足率均达 100%：相对于分场景独立规划，加油机出动架次减少 16.2–19.7%，加油机航程减少 14.6–15.5%（在每规模 90 次配对重复试验后经 Bonferroni 校正仍具统计显著性）；与遗传算法（GA）和蚁群优化（ACO）基线相比——以及在等解空间表示下与路径编码 GA 相比——该方法在解质量和运行时间上均表现更优，且当基线获得 25 倍评估预算时该优势依然显著。Monte Carlo 仿真刻画了执行期间扰动条件下方案可行性的退化规律。在所研究的算例族内，该框架能在可接受的运行时间内生成可执行的联合加油方案。
