La minería de datos ha logrado un gran éxito en la gestión del tráfico aéreo como una tecnología para aprender conocimientos a partir de datos históricos que benefician a las personas. Sin embargo, la minería de datos rara vez puede integrarse en el proceso de optimización de trayectorias, ya que los algoritmos de optimización regulares no pueden utilizar el conocimiento funcional e implícito extraído de los datos históricos en un paradigma general. Para abordar este problema, esta investigación propone un nuevo método de generación de trayectorias basado en minería de datos que es compatible con los algoritmos de optimización existentes. En primer lugar, el método propuesto genera trayectorias combinando diversas maniobras aprendidas de datos de operación en lugar de reconstruir trayectorias con modelos generativos. De esta manera, se puede lograr la optimización de trayectorias basada en minería de datos resolviendo un problema de optimización combinatoria. En segundo lugar, el método propuesto introduce un paradigma de entrenamiento adversarial basado en la maximización-minimización para entrenar el modelo de generación con funciones de pérdida más generales, incluidas las restricciones de rendimiento de vuelo no diferenciables. Se realizó un estudio de caso en el Aeropuerto Internacional de Guangzhou Baiyun para validar el método propuesto. Los resultados ilustran que el modelo de generación de trayectorias puede generar trayectorias con alta fidelidad, diversidad y capacidad de vuelo.