基于结构线索的病理全切片墨水高效去除：一种可泛化的设计方法

本研究针对航空交通管理(ATM)中飞机排序调度问题(ASSP)的多目标优化难题，创新性地采用多准则决策(MCDM)方法，通过MEREC和MARCOS算法从8个目标函数中筛选出"最小化平均延误"为最优单目标方案，在伊斯坦布尔萨比哈·格克琴机场(LTFJ)案例中验证了其平衡各利益相关方需求的效能，为复杂空管决策提供了计算高效的新范式。

　　

在航空交通管理(ATM)领域，飞机排序调度问题(ASSP)始终是困扰业界的技术瓶颈。随着空中交通流量持续增长，如何在有限跑道资源下协调数百架飞机的起降序列，既要满足航空公司对燃油效率和准点率的要求，又要兼顾机场运营方的吞吐量需求，还要考虑管制员工作负荷和乘客体验，这个多目标优化难题的复杂度呈指数级上升。传统混合整数规划(MIP)方法虽能求得精确解，但当目标函数超过3个时，求解时间会从36架飞机的600秒暴增至24架飞机的不可接受范围——这在高密度空域几乎是灾难性的。更棘手的是，不同利益相关方的诉求往往相互矛盾：航空公司要求最小化延误和燃油消耗，机场运营商追求跑道吞吐量最大化，环保部门则关注碳排放控制。现有研究要么聚焦单一目标而失之片面，要么采用多目标优化导致计算爆炸，始终缺乏能在计算效率与综合效益间取得平衡的解决方案。

针对这一技术困局，研究人员在《Expert Systems with Applications》发表的研究中开创性地引入多准则决策(MCDM)框架。研究团队首先扩展了Cecen (2022)的MIP模型，将伊斯坦布尔萨比哈·格克琴机场(LTFJ)的空域结构和跑道配置作为案例场景，构建包含到达/离港航班的完整决策模型。通过设计120组不同流量样本，量化评估8个典型目标函数（包括最小化总延误OBJ1、平均延误OBJ2、总飞行时间OBJ3等）在17项评价准则下的表现。采用基于准则剔除效应的MEREC算法确定各准则权重，再运用MARCOS方法对目标函数进行排序验证。为确保结论稳健性，研究还进行了双重敏感性分析：既模拟不同权重组合下的结果波动，又与其他MCDM方法进行交叉验证。

关键技术方法包括：1) 改进的混合整数规划(MIP)模型，整合到达/离港航班协同调度；2) 基于LTFJ机场真实空域结构的案例建模；3) MEREC-MARCOS多准则决策框架；4) 120组涵盖不同流量密度的仿真实验；5) 双重敏感性验证体系。

【Mathematical model results】章节显示，在评估的8个目标函数中，最小化平均延误(OBJ2)展现出最均衡的性能：其平均延误值(AVGD)自然最优（比基准低63.2%），同时在其他关键指标如总飞行时间(TFT)和最大延误(MAXD)上也表现突出。值得注意的是，单纯最小化总延误(OBJ1)虽然能使总延误降低51.8%，却会导致航班间隔时间(TINT)恶化23.4%，反而不利于空管实时调度。

【Discussion and conclusion】部分揭示，最小化平均延误之所以能脱颖而出，在于其内在的"帕累托折衷"特性：既显著改善了航空公司和乘客最关注的准点率（平均延误降低63.2%），又通过均衡分配延误时间避免了极端延误事件（最大延误减少58.7%），同时还维持了合理的跑道吞吐量（航班间隔仅增加12.1%）。这种"牵一发而动全身"的效果，使其在MEREC算法赋权的准则体系下获得0.287的综合得分，比第二名"最小化总飞行时间"高出14.3%。

研究的创新价值主要体现在三方面：方法论上，首次将MCDM框架引入ASSP领域，为多目标优化问题提供了计算高效的决策路径；实践层面，确定的"最小化平均延误"目标可直接应用于空管系统战术规划，在保持单目标求解效率的同时实现多利益平衡；技术上，改进的MIP模型支持到达/离港协同优化，比传统单跑道模型更贴近实际运行需求。正如【Limitation and future work】所述，当前研究尚未纳入噪声控制、碳排放等环境指标，下一步将扩展评价准则体系，并探索深度学习与MCDM的融合应用。这项研究为空管决策支持系统(ATDSS)的智能化升级提供了重要理论支撑，其方法论框架也可推广至港口调度、铁路编排等类似场景。