空中交通管理主要负责维护和促进空中交通安全,维护空中交通秩序,保证空中交通畅通。在空中交通管理的各个组成部分以及不同阶段的运行流程中,蕴含着不同种类的空中交通管理优化问题。由于空中交通管理优化问题具有实时性、动态性以及复杂性的特点,需要一整套高效可扩展的智能优化算法体系架构来解决空中交通管理中的优化问题。因此,本文提出了以航班运行为对象,以四维航班飞行航迹为目标,以超启发式架构为核心的空管智能优化算法模型。本文首先定义了基于超启发式架构的空管智能优化算法模型。其中,作为空管智能优化算法模型的核心,超启发式架构包含两层算法模型,底层算法作为领域算法,负责针对各类空管智能服务优化问题求解;高层算法并不直接参与针对优化问题的求解,而是控制底层算法的搜索流程与求解方向。针对飞行冲突探测与解脱问题,本文基于三种飞行姿态调整方式,形成了针对飞行冲突解脱3D模型的完整求解算法。通过实验可以看出,本文提出的针对冲突解脱的超启发式算法能够快速有效地实现水平和三维空间的飞行冲突解脱。针对进场航班排序问题,本文提出了基于散点搜索算法的超启发式算法(HHSS)。算法首先针对当前的进场航班情况,依据不同的优先进场规则,生成航班降落队列,并在序列生成过程中有针对性地构造新的优先规则以扩大降落队列的搜索范围。实验结果表明与传统的各类排序方法相比这种方法可以有效地解决航班排序问题,同时算法对航班排序小规模问题的计算求解时间较快。针对航路流量优化问题规模大的特点,本文提出了基于散点编程的SP-OPTS算法,这种算法能够针对不同的问题实例自动生成相应的航班起飞序列规则,提高了算法针对不同问题的自适应性。同时本文将强化学习机制应用于基于多Agent的并行超启发式算法架构中。实验证明,这两种算法与各自同类方法相比法在求解精度上以及算法收敛性上都具有一定的优势。同时,这两种方法的联合算法比CPLEX以及现有的FCFS方法更适合求解大规模航路流量优化复杂问题。本文针对空管运行服务中的优化问题,提出了以超启发式架构为核心的智能优化算法架构,有效地提升了空管运行服务水平,提高了空管运行服务的效率。