本成果由大连海事大学交通科学课题组自主研发，面向海上低空经济发展需求，针对船舶与无人机（或直升机）在多任务、多约束环境下的协同运行问题，综合考虑时间窗口、任务优先级、航行安全、能耗约束及不确定性因素，构建多类型资源耦合优化模型，形成“精确算法+启发式算法+人工智能算法”的融合求解框架，基于列生成、Benders分解、分支定界、拉格朗日松弛等方法求解大规模组合优化问题；基于自适应大邻域搜索（ALNS）、禁忌搜索等启发式算法提升复杂场景下的求解效率；引入强化学习与深度学习方法，实现动态环境下的自适应调度与策略优化。
本成果主要应用场景包括：海上监管与执法场景，包括日常海事巡查、海事监管执法、海洋环境污染监测；海上智慧边防场景，包括海域违法行为侦查与监测、海上目标跟踪与协同处置；海上交通运营与服务场景，包括海上物资补给与配送、智能助泊与护航保障；海上应急与救援场景，包括突发事件应急处置、海上联合搜救（SAR）、跨海物资快速投送、人员跨海紧急撤离等。
本成果应用于上述场景后可实现效率显著提升，相比传统人工调度，船机协同任务完成时间平均缩短20%–35%，资源利用率提升15%–25%，监测覆盖面积提升40%–60%，尤其在联合搜救与应急投送场景中响应速度显著提高。在成本方面，通过优化船舶与航空器的协同路径与任务分配，减少重复出航和不必要的燃油消耗，综合运营成本降低10%–18%。同时，该成果算法框架支持不同规模、不同装备配置的港口或海事机构快速部署，具备良好的场景迁移能力。