机位分配是一种经典组合优化问题,涉及到多个航空公司的航班机型、进出港时间、功能需求等复杂的约束。国内的很多机场仍然采用人工分配的方法,然而随着机场机位数量的不断增多,机位分配的待选方案数量呈指数递增,这给机场调度人员带来了巨大的工作量,实现机位分配的智能化与便捷化迫在眉睫。本文根据本人参与的科研项目对过夜航班的机位分配进行了研究与阐述。为了充分利用机位资源,提出了基于航站楼顺序的预分配模型,并根据业务规则,提出了双向排序的初始化种群策略,另外针对SGA(普通遗传算法)的早期局部收敛问题,提出了新的种群多样性指标和收敛程度指标,构造了自适应算子,进而提出了自适应遗传算法。针对机位预分配约束多带来的可行解空间高度离散化问题,为了能尽可能找到最优解,在给出马尔可夫决策过程的构建、状态与动作的定义、状态-动作表的构建与更新过程的基础上,提出了基于遗传算法的强化学习预分配模型和求解算法。考虑到机场不同工作人员对于优化目标的偏好不一样、其权重系数难以确定的问题,提出了基于NSGA-Ⅱ算法的预分配模型,给出了算法流程,并针对算例求解了预分配的Pareto解集,为工作人员的决策提供更多的方案选择。针对机位实时分配问题,考虑了同时出现多架航班异常的情况,提出了基于时间段的航班实时调整策略。通过MATLAB仿真,针对以上几种方法求解的机位预分配方案与人工分配方案进行对比,在大部分情况下都比人工分配方案要优越,并且用时较短;另外对于实时调整策略,通过和既有研究实时调整策略的仿真结果对比,验证了本文提出的基于时间段实时调整策略的有效性。