机场停机位怎么分配才不折腾旅客
摘要
停机位分配是约束之间相互冲突的组合优化问题。本文设计了一套分配系统，将人工经验驱动的方式转为约束显式化、求解自动化、结果可评估。本文讨论了其中三处关键设计：硬约束与软约束的分界及其对求解难度的影响、冲突次数与优劣指标的并列处理、以及遗传算法中修复算子的最小改动原则；同时说明权重交由人工设定的理由，并列出设计尚未完成的部分。
1 引言
停机位分配看似只是排一张表，实则约束相互冲突。传统依赖调度经验的人工分配方式，在航班量增长与延误连锁传播的条件下，面临约束冲突频发与方案调整滞后的问题。
延误连锁传播尤其棘手：一架航班晚到，其占用机位须向后顺延，后续已排定的航班随之连锁调整，而这类调整依赖现场人工判断，通常只能保证”不发生冲突”，无暇顾及旅客需步行多远。
2 系统总体架构
系统自下而上分四层：数据层负责持久化，模型层将原始数据抽象为求解所需的数学对象，求解层承载遗传算法引擎、约束修复算子与目标函数，应用层面向调度人员提供方案编辑、冲突校验与结果复盘。
四层之中多出来的”模型层”值得一说。它的作用是把数据库中的行转换为算法可直接消费的对象：航班的时间占用区间、机位的兼容机型集合、旅客步行距离的权重，均在该层计算完毕。由此，求解层完全不需要关心数据的存储形式。
3 约束建模
3.1 硬约束与软约束的分界
这是整套设计的地基，我在建模上花的时间也最多。硬约束包括机型与机位兼容、同一机位相邻航班之间保留安全间隔、同一机位占用时段不得重叠；软约束包括航司偏好、靠桥优先与中转衔接，以罚函数形式计入目标。
我把这条分界线视为整个系统的地基。其意义在于：硬约束是方案可行的必要条件，任何违反都使方案不可用；软约束仅用于方案之间的优劣比较。若将靠桥优先一类偏好也作为硬约束送入求解，算法将在大量不可行解之间挣扎，最终要么收敛缓慢，要么无解输出。偏好降级为罚函数后，问题转变为”在可行域内寻找更优解”——两者的求解难度完全不同。
3.2 冲突次数应与优劣指标并列
评估指标共四项：靠桥率、换机位次数、旅客平均步行距离与冲突次数。前三项用于方案横向比较，第四项用于判定可行性。
将冲突次数与另外三项并列，是我认为这份设计中最实用的一处处理。它向使用者明确传达：一个方案即便靠桥率很高，只要冲突次数不为零，它就不构成方案。
4 算法设计
4.1 遗传算法与修复算子
该问题解空间随航班数与机位数呈指数增长，精确求解无法在可接受时间内获得满意解，故选用遗传算法。关键补丁在于针对硬约束设计专门的修复算子。
纯遗传算法在此问题上会将大量算力耗费于不可行解；修复算子的作用是将”不可行”转换为”先修复、再评估适应度”的中间可行解，收敛效率截然不同。
4.2 修复须以最小改动为目标
修复算子在处理机型不兼容或时间重叠时，优先在原航班附近的时间窗内寻找替代机位，而非任意安置于空闲位置。
这一细节决定了解的稳定性。若修复时随意选取空位，方案的靠桥率与步行距离将剧烈波动，等于每次修复都在破坏已经优化好的结构。
4.3 权重应由人工设定而非算法写死
三项权重交由调度人员在参数中设定。这个设计选择我是认同的：靠桥与换机位本身对立——希望更多航班靠桥，就须在延误发生时频繁调整机位；不希望更换机位，则须承受靠桥率下降。何者更重要，取决于当日机场处于何种状态：大面积延误时稳定性优先，正常运行时靠桥率优先。这个判断不应由算法预先固化。
5 校验与评估
求解输出的方案不直接交付，须经二次校验：逐项核查机型兼容性、安全间隔与时间窗不重叠，同时统计换机位次数与靠桥率。校验通过进入评估环节，未通过则返回求解层重新寻优。
评估以甘特图呈现各机位时间占用，便于识别瓶颈机位与空闲时段；同时记录每代最优适应度并绘制收敛曲线，支持与人工基线方案、贪心构造方案作横向对比。
6 尚未完成的部分
有几点须如实说明。
其一，甘特图、收敛曲线与方案对比三张图中的数值目前为示意数据，用于说明评估维度与呈现方式，真实结果尚待算例运行后回填。将示意数据误作实测结果是此类设计文档最易误导读者之处，故在此明确标注。
其二，权重参数目前完全依赖人工设定，未开展参数敏感性分析。
其三，修复算子在极端拥挤场景下的表现，例如大面积延误导致可用机位仅余个位数时，尚未进行针对性测试。
7 结论
本文的核心不在算法，而在于把”凭经验排机位”转成可解释、可复核的工程问题。三点设计最为关键：硬约束与软约束的分界决定了问题是否可解，冲突次数的独立地位决定方案是否可用，修复算子的最小改动原则决定了解的质量。本文所述设计中仍有若干部分未经验证，已如实列出。
附件
