基于多准则决策的飞机排序调度最优目标函数识别研究

为解决多目标飞机排序调度问题(ASSP)的计算效率与决策平衡难题，研究人员采用混合整数规划(MIP)建模与多准则决策(MCDM)方法，通过MEREC-MARCOS框架评估8种目标函数在17项指标下的表现，最终确定最小化平均延迟为最优单一目标，为空中交通管理(ATM)提供高效决策支持。

　　

在繁忙的机场空域中，飞机排序调度问题(ASSP)如同指挥交响乐团的乐手们有序入场——每架飞机需要根据机型、航速、燃油状态等变量安排最优起降序列。随着航空运输量持续增长，这个典型的NP难问题正面临双重挑战：既要满足航空公司、机场、乘客等多方利益诉求，又要在有限计算时间内获得可行解。传统多目标优化方法虽能生成帕累托前沿解，但D?nmez等学者发现，当目标函数从1个增至3个时，可调度的飞机数量会从36架锐减至24架，严重制约高密度空域的运营效率。

针对这一痛点，研究人员创新性地将多准则决策(MCDM)方法引入ASSP领域。通过改造Cecen(2022)提出的混合整数规划(MIP)模型，整合伊斯坦布尔萨比哈·格克琴机场(LTFJ)的空域结构，构建了包含8种目标函数和17项评估指标的分析体系。研究团队设计了120组不同交通流量场景的仿真实验，量化比较了包括总延误最小化(OBJ1)、燃油消耗最小化(OBJ3)等目标函数的性能表现。

关键技术方面，研究采用三层递进方法：首先运用MIP精确求解各目标函数下的调度方案；接着通过基于标准剔除效应的MEREC方法确定指标权重；最后采用MARCOS算法对目标函数进行排序验证。特别值得注意的是，团队实施了双重敏感性分析，既模拟了权重波动的影响，又对比了不同MCDM方法的结果稳定性。

数学模型结果显示，最小化平均延迟(AD)的目标函数(OBJ1)在15组ETA-D样本中表现最优，其平均延误时间控制在428.73秒，同时兼顾了航班准点率(NOTOP)和最大延误(MAXD)等指标。相比之下，单纯最小化燃油消耗(OBJ3)虽能将平均燃油成本(AFC)降至123.45kg，却会导致延误指标恶化37%。

讨论与结论部分指出，该方法成功实现了"一石三鸟"的效果：计算效率上，单目标优化耗时仅为多目标方法的1/3；决策质量上，选定目标函数在17项指标中综合排名第一；实施可行性上，无需改变现有ATM系统架构。研究还发现，当把连续下降操作(CDO)实施率纳入评估体系时，最小化总飞行时间(AFT)的目标函数(OBJ2)排名显著提升，这为未来绿色机场建设提供了新思路。

局限性在于当前模型尚未纳入安全间隔、噪音控制等硬性约束，且所有数据均来自单一机场。未来研究拟结合强化学习算法，开发能动态适应流量波动的自适应目标选择系统。该成果发表于《Expert Systems with Applications》，为平衡ATM系统多方利益提供了可量化的决策工具，其方法论框架也可拓展至港口调度、高铁班列管理等同类复杂系统优化问题。