目錄TOC\o"1-3"\h\u摘要 圖5.4可知，經遺傳算法計算得出的分配方案，相較于實際采用的分配方案，在均衡性方面表現更優(yōu)。而且，在運用遺傳算法與禁忌搜索組合進行求解之后，所實現的優(yōu)化效果更為顯著。由以上運行所得出的所有數據可得：在遠機位使用次數方面，遺傳算法分配和遺傳算法與禁忌搜索算法結合分配均實現了遠機位使用次數為0，優(yōu)于實際分配的1次，說明這兩種算法都能在減少遠機位使用上起到積極作用。從匹配效率來看，通過遺傳算法優(yōu)化后機位匹配效率提高到0.6925（越接近1越好），提升了16.4％，而通過遺傳算法與禁忌搜索算法結合使用后，匹配效率達到了0.8925，較實際分配提升了50％?？臻e時間方差這一指標反映了停機位空閑時間的均衡程度，實際分配的空閑時間方差高達5851.05，遺傳算法分配將其降低至629.28，而遺傳算法與禁忌搜索算法結合分配進一步降至252.12。最后，從目標函數值來看，實際分配的目標函數值為3.2966，遺傳算法分配將其優(yōu)化至3.8609，提升了17％，而遺傳算法與禁忌搜索算法結合分配達到了3.8628，較實際提高了17.2％，目標函數值的提升表明組合算法在綜合考慮各項優(yōu)化目標后，能夠取得更優(yōu)的整體效果。綜上所述，遺傳算法在解決停機位分配任務時已展現出良好效能。通過將禁忌搜索算法與遺傳算法進行協(xié)同優(yōu)化設計，混合算法在分配方案的優(yōu)化質量上實現了突破性提升。經改進的混合智能算法所生成的機位分配方案，不僅在計算效率方面表現優(yōu)異，同時具備顯著的應用實踐價值。本章小結本章使用了福州長樂機場的真實數據，并將該組數據帶入本文所設計的程序當中，得出了優(yōu)化目標相關結果，證明了組合算法優(yōu)于僅使用遺傳算法和該組合算法在停機位分配問題上的可行性。

結論與展望結論本文聚焦于機場停機位分配這一具有高復雜性的優(yōu)化難題，提出了一種融合遺傳算法（GA）與禁忌搜索算法（TS）優(yōu)勢的混合優(yōu)化策略。通過建立以停機位占用效率、遠機位使用率及停機位空閑時間均衡化為目標的多目標優(yōu)化模型，結合混合算法進行求解。以福州長樂機場的實際航班數據為算例，驗證了算法的有效性。實驗結果表明：相較于實際分配方案，僅采用GA優(yōu)化后，目標函數值從3.2966提升至3.8609，增幅達17%，匹配效率從0.5948提升至0.6925，遠機位使用次數從1次降為0次，空閑時間方差從5851.050大幅減少至629.28，顯示出GA在全局搜索和資源均衡分配上的優(yōu)勢。通過引入禁忌搜索算法（TS）對GA生成的解進行優(yōu)化，目標函數值進一步提升至3.8628，較GA單獨優(yōu)化有所提高。同時，匹配效率達到0.8925，接近完美匹配，空閑時間方差進一步降低至252.12，表明混合算法在全局探索與局部開發(fā)能力上的協(xié)同效應顯著。經優(yōu)化調整后的停機位分配方案，在提升運營效能方面成效顯著。通過降低遠機位啟用頻次，有效改善了旅客乘機體驗的便捷性與舒適度；同時，借助算法優(yōu)化策略顯著壓縮了停機位資源閑置時長，并實現了機位空置周期的均衡化配置。本文采用的遺傳-禁忌混合啟發(fā)式算法，通過協(xié)同兩種算法的搜索優(yōu)勢，不僅實現了停機位周轉效率的系統(tǒng)性提升，更為機場資源調度提供了可量化的策略支撐與決策依據，其優(yōu)化效果在資源利用率均衡性與服務品質提升維度均具有實踐驗證價值。展望停機位分配問題屬于多目標、多約束復雜決策問題，涉及眾多相互關聯(lián)的影響因素，本研究僅聚焦部分要素展開分析，仍存在較大的優(yōu)化空間。例如：該文聚焦單一機場場景，而實際航空網絡中多機場資源協(xié)同需求日益凸顯，未來可探索跨機場停機位共享與調度優(yōu)化，提升區(qū)域航空網絡的整體運行效率；當前模型以效率與均衡性為核心，未來可納入環(huán)境因素（如碳排放、噪音控制等），構建更全面的可持續(xù)發(fā)展優(yōu)化框架。并且，本文將單個停機位相鄰的兩個航班的安全間隔時間假設為一個具體時間，但是在實際分配時難免會因為航班問題而發(fā)生改變。希望未來在深入研究停機位分配優(yōu)化問題時能更接近實際機場運行情況，選擇更加合適的方法進行研究。

參考文獻中國民用航空局.(2024).2023年民航行業(yè)發(fā)展統(tǒng)計公報[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.陳驍睿.基于改進粒子群算法的機位分配問題研究[J].軟件,2015,36(01):72-76.閆萍,劉夢詩.基于免疫遺傳算法的停機位動態(tài)再分配優(yōu)化[J].計算機仿真,2021,38(10):53-57.薛鈺婷,周航,姜子棋,等.面向U型機坪的停機位分配優(yōu)化研究[J].航空計算技術,2022,52(06):59-63.曾琛,王潤東.基于遺傳算法的動態(tài)飛機停機位分配模型研究[J].計算機測量與控制,2023,31(04):199-204.DOI:10.16526/ki.11-4762/tp.2023.04.031.王劍輝,劉繼琳.基于差分進化算法的機位分配優(yōu)化研究[J].計算機仿真,2023,40(03):52-57.儲同.基于深度強化學習的停機位分配問題的研究[D].中國民用航空飛行學院,2024.DOI:10.27722/ki.gzgmh.2024.000019.劉繼琳.基于差分進化算法的機場停機位分配研究[D].中國民用航空飛行學院,2022.DOI:10.27722/ki.gzgmh.2022.000004.李雅聰,邵荃,唐明,等.基于MIC-LSTM-ATT的機場動態(tài)容量評估研究[J].航空計算技術,2023,53(05):67-71.劉騏暢.大型繁忙機場停機位分配策略魯棒性研究[D].中國民航大學,2023.DOI:10.27627/ki.gzmhy.2023.000039.潘肖然,胡榮,鄧松武,等.機場停機位分配問題研究現狀與展望[J].航空計算技術,2024,54(04):130-134.張?zhí)s.基于遺傳算法的停機位分配優(yōu)化研究[D].中國民航大學,2020.DOI:10.27627/ki.gzmhy.2020.000583.郭敏.基于遺傳算法的LSTM大壩變形監(jiān)測研究[J].陜西水利,2025,(03):175-177+180.DOI:10.16747/61-1109/tv.2025.03.007.李浩男.停機位分配指標選擇與基于強化學習的停機位分配優(yōu)化研究[D].北京交通大學,2022.DOI:10.26944/ki.gbfju.2022.003385.汪建昌.基于禁忌搜索算法解決圖著