本文由杨尚文、胡明华、张洪海、常勋和李晓明共同撰写，分别来自南京航空航天大学民航学院和中国东方航空江苏有限公司。该研究于2012年5月发表在《航空计算技术》期刊上，题为《机场终端区容流调配鲁棒优化模型》。文章主要探讨了在机场容量不确定条件下，如何通过鲁棒优化模型来分配航班的进离场流量，以最小化航班延误损失。

学术背景

机场终端区的流量管理是空中交通管理的重要组成部分，旨在根据空中交通需求和机场容量，协调分配航班的进离场流量，以优化容量利用并最小化航班延误。传统的终端区流量管理通常将进场和离场视为独立的过程，并将容量视为恒定值。然而，实际情况下，进场和离场是相互影响的过程，容量通常表现为进离场容量曲线。当空中交通需求超过容量时，需要在容量曲线上或其内寻找Pareto最优的点，以最小化航班延误。

现有的研究大多基于机场终端区的静态容量，难以适应不确定容量条件下的流量管理需求。因此，本文提出了一种鲁棒优化模型，旨在应对机场容量不确定性的挑战，减少航班延误的扰动。

研究流程

1. 模型建立：研究首先建立了一个终端区容流调配的鲁棒优化模型，目标是最小化各情景下规划外延误损失或多余延误损失的均值与标准差之和。模型假设已知待优化时间区间内的空中交通需求、机场不确定容量和定位点容量，以及所有航班单位时间的地面或空中延误损失。

2. 算法设计：采用捕食搜索算法（Predatory Search Algorithm）求解模型。该算法模拟动物的捕食策略，通过控制搜索空间的限制大小，实现局域搜索和全局搜索的转换。算法的关键在于通过设置限制值来实现局域搜索和全局搜索的相互转换。

3. 仿真验证：以国内某机场终端区的运行数据为例进行仿真验证。仿真结果表明，鲁棒优化模型能够有效减少不同情景下进离场航班延误的扰动，优于传统的终端区容流调配模型。

主要结果

1. 模型性能：鲁棒优化模型在各情景下的性能均值与标准差分别为5133.60和3606.37，比传统模型的平均水平分别降低了28.06%和22.72%。这表明鲁棒优化模型能够有效保障容流调配策略的鲁棒性，减少不同情景变化导致的规划外延误损失或多余延误损失差异。

2. 航班延误损失：通过仿真实验，研究得出了各时段内的进离场流量分配方案，并计算了相应的航班延误损失。结果表明，鲁棒优化模型能够有效减少航班延误损失，特别是在容量不确定的情况下，表现出较强的鲁棒性。

结论

本文提出的终端区容流调配鲁棒优化模型能够有效应对机场容量不确定性的挑战，减少航班延误的扰动。通过捕食搜索算法的应用，模型能够在不同情景下保持较好的鲁棒性，优化配置终端区进离场流量。未来的研究可以进一步考虑终端区空中交通需求、容量、流量的时空分布特征等因素，建立多样化的容流调配鲁棒性评价指标，提高终端区容流鲁棒优化调配的灵活性，为决策者提供更多备选方案。

研究亮点

1. 鲁棒优化模型：本文首次将鲁棒优化方法应用于机场终端区容流调配问题，提出了一种新的模型，能够在不确定容量条件下有效减少航班延误损失。
2. 捕食搜索算法：研究采用了一种新的仿生算法——捕食搜索算法，该算法具有较好的局部集中搜索和跳出局部最优的能力，能够有效求解复杂的优化问题。
3. 实际应用价值：通过国内某机场的仿真验证，研究证明了鲁棒优化模型在实际应用中的有效性，为机场终端区流量管理提供了新的决策依据。

参考文献

本文引用了大量相关文献，包括Gilbo、Paolo等学者的研究成果，以及国内学者如张洪海、余江等人的研究，为模型的建立和验证提供了坚实的理论基础。

总的来说，本文通过鲁棒优化模型和捕食搜索算法的结合，为解决机场终端区容流调配问题提供了一种新的思路和方法，具有较高的学术价值和实际应用意义。