基于GA-TS的停机位分配优化研究

目录TOC\o"1-3"\h\u摘要 图5.4可知，经遗传算法计算得出的分配方案，相较于实际采用的分配方案，在均衡性方面表现更优。而且，在运用遗传算法与禁忌搜索组合进行求解之后，所实现的优化效果更为显著。由以上运行所得出的所有数据可得：在远机位使用次数方面，遗传算法分配和遗传算法与禁忌搜索算法结合分配均实现了远机位使用次数为0，优于实际分配的1次，说明这两种算法都能在减少远机位使用上起到积极作用。从匹配效率来看，通过遗传算法优化后机位匹配效率提高到0.6925（越接近1越好），提升了16.4％，而通过遗传算法与禁忌搜索算法结合使用后，匹配效率达到了0.8925，较实际分配提升了50％。空闲时间方差这一指标反映了停机位空闲时间的均衡程度，实际分配的空闲时间方差高达5851.05，遗传算法分配将其降低至629.28，而遗传算法与禁忌搜索算法结合分配进一步降至252.12。最后，从目标函数值来看，实际分配的目标函数值为3.2966，遗传算法分配将其优化至3.8609，提升了17％，而遗传算法与禁忌搜索算法结合分配达到了3.8628，较实际提高了17.2％，目标函数值的提升表明组合算法在综合考虑各项优化目标后，能够取得更优的整体效果。综上所述，遗传算法在解决停机位分配任务时已展现出良好效能。通过将禁忌搜索算法与遗传算法进行协同优化设计，混合算法在分配方案的优化质量上实现了突破性提升。经改进的混合智能算法所生成的机位分配方案，不仅在计算效率方面表现优异，同时具备显著的应用实践价值。本章小结本章使用了福州长乐机场的真实数据，并将该组数据带入本文所设计的程序当中，得出了优化目标相关结果，证明了组合算法优于仅使用遗传算法和该组合算法在停机位分配问题上的可行性。

结论与展望结论本文聚焦于机场停机位分配这一具有高复杂性的优化难题，提出了一种融合遗传算法（GA）与禁忌搜索算法（TS）优势的混合优化策略。通过建立以停机位占用效率、远机位使用率及停机位空闲时间均衡化为目标的多目标优化模型，结合混合算法进行求解。以福州长乐机场的实际航班数据为算例，验证了算法的有效性。实验结果表明：相较于实际分配方案，仅采用GA优化后，目标函数值从3.2966提升至3.8609，增幅达17%，匹配效率从0.5948提升至0.6925，远机位使用次数从1次降为0次，空闲时间方差从5851.050大幅减少至629.28，显示出GA在全局搜索和资源均衡分配上的优势。通过引入禁忌搜索算法（TS）对GA生成的解进行优化，目标函数值进一步提升至3.8628，较GA单独优化有所提高。同时，匹配效率达到0.8925，接近完美匹配，空闲时间方差进一步降低至252.12，表明混合算法在全局探索与局部开发能力上的协同效应显著。经优化调整后的停机位分配方案，在提升运营效能方面成效显著。通过降低远机位启用频次，有效改善了旅客乘机体验的便捷性与舒适度；同时，借助算法优化策略显著压缩了停机位资源闲置时长，并实现了机位空置周期的均衡化配置。本文采用的遗传-禁忌混合启发式算法，通过协同两种算法的搜索优势，不仅实现了停机位周转效率的系统性提升，更为机场资源调度提供了可量化的策略支撑与决策依据，其优化效果在资源利用率均衡性与服务品质提升维度均具有实践验证价值。展望停机位分配问题属于多目标、多约束复杂决策问题，涉及众多相互关联的影响因素，本研究仅聚焦部分要素展开分析，仍存在较大的优化空间。例如：该文聚焦单一机场场景，而实际航空网络中多机场资源协同需求日益凸显，未来可探索跨机场停机位共享与调度优化，提升区域航空网络的整体运行效率；当前模型以效率与均衡性为核心，未来可纳入环境因素（如碳排放、噪音控制等），构建更全面的可持续发展优化框架。并且，本文将单个停机位相邻的两个航班的安全间隔时间假设为一个具体时间，但是在实际分配时难免会因为航班问题而发生改变。希望未来在深入研究停机位分配优化问题时能更接近实际机场运行情况，选择更加合适的方法进行研究。

参考文献中国民用航空局.(2024).2023年民航行业发展统计公报[EB/OL].SeyedmirsajadMokhtarimousavi,DanialTalebi,HamidrezaAsgari.ANon-DominatedSortingGeneticAlgorithmApproachforOptimizationofMulti-ObjectiveAirportGateAssignmentProblem[J].TransportationResearchRecord,2018,2672(23).XinyeC,WenxueS,MustafaM,etal.ABi-ObjectiveConstrainedRobustGateAssignmentProblem:Formulation,InstancesandAlgorithm.[J].IEEEtransactionsoncybernetics,2019,51(9):1-13;.CecenKR.Multi-objectiveoptimizationmodelforairportgateassignmentproblem[J].AircraftEngineeringandAerospaceTechnology,2021,93(2):311-318.YuZ,QingH,LiuY,etal.AnImprovedTunicateSwarmAlgorithmforSolvingtheMultiObjectiveOptimisationProblemofAirportGateAssignments[J].AppliedSciences,2022,12(16):8203-8203.陈骁睿.基于改进粒子群算法的机位分配问题研究[J].软件,2015,36(01):72-76.闫萍,刘梦诗.基于免疫遗传算法的停机位动态再分配优化[J].计算机仿真,2021,38(10):53-57.薛钰婷,周航,姜子棋,等.面向U型机坪的停机位分配优化研究[J].航空计算技术,2022,52(06):59-63.曾琛,王润东.基于遗传算法的动态飞机停机位分配模型研究[J].计算机测量与控制,2023,31(04):199-204.DOI:10.16526/ki.11-4762/tp.2023.04.031.王剑辉,刘继琳.基于差分进化算法的机位分配优化研究[J].计算机仿真,2023,40(03):52-57.储同.基于深度强化学习的停机位分配问题的研究[D].中国民用航空飞行学院,2024.DOI:10.27722/ki.gzgmh.2024.000019.刘继琳.基于差分进化算法的机场停机位分配研究[D].中国民用航空飞行学院,2022.DOI:10.27722/ki.gzgmh.2022.000004.李雅聪,邵荃,唐明,等.基于MIC-LSTM-ATT的机场动态容量评估研究[J].航空计算技术,2023,53(05):67-71.刘骐畅.大型繁忙机场停机位分配策略鲁棒性研究[D].中国民航大学,2023.DOI:10.27627/ki.gzmhy.2023.000039.潘肖然,胡荣,邓松武,等.机场停机位分配问题研究现状与展望[J].航空计算技术,2024,54(04):130-134.张泰荣.基于遗传算法的停机位分配优化研究[D].中国民航大学,2020.DOI:10.27627/ki.gzmhy.2020.000583.郭敏.基于遗传算法的LSTM大坝变形监测研究[J].陕西水利,2025,(03):175-177+180.DOI:10.16747/61-1109/tv.2025.03.007.李浩男.停机位分配指标选择与基于强化学习的停机位分配优化研究[D].北京交通大学,2022.DOI:10.26944/ki.gbfju.2022.003385.汪建昌.基于禁忌搜索算法解决图着