这个问题的求解。根据MU730的预计到达时 刻为11：55，可以设置机位调配周期T为11：40~12：40，查询航班时刻表确定调配时间段里进入机场的航班及其到达时刻，该表的第8列和第9列还给出了该机场指挥中心的实际调配方案。调配时间段里机场实际停机位使用情况如所示，从中查询各机位前后两航班之间的时间间隔，把在调配时间段内空闲时间超过50min的停机位找出来，列在表2-17中，表中所列机位都可以在调配时间段内指派航班停靠，只要停靠航班的预计到达时刻和出发时刻在机位的空闲时间内即可。
可以计算出第8列给出的机场指挥处调配方案的目标函数值是38164m，比本例给出的解的目标函数多了10386m，多出了30%。比较这两个调配方案，发现只有两个航班指派的机位做了互换，将机场实际方案中的航班EZ307 的306号远机位与CZ6533的10号桥位做了互换。这两个航班的到达时刻非常 接近，从时间上来看，306号远机位和10号近机位对这两个航班都适合，这一调 换，将EZ307的B747调配到近机位，将CZ6533的A319调到了远机位，也就是将 大飞机调到近机位，小飞机调到远机位，当然减少了旅客和地面服务人员行走的总 距离，因此比机场执行的实际调配方案更优。 再进一步地采用遗传算法来解决本例问题，使用0-1编码，初始群有个体500 个，迭代了1000次，获得了本例最优解。
在最后的种群中，可行解方案共有六个， 其中有几个解在迭代过程中保留了几十代到几百代，机场指挥处的实际调配方案 和上述启发式算法得到的优化解都在其中，如表2-19所示。表2-19中“出现次 数”是指该解在迭代1000次中出现的次数(保留的代数)。 给出的遗传算法的可行解有一个很有意思的特点，在1000次迭代中； 机场指挥处的方案出现了681次，概率为68%，而优化解方案出现的概率只有 1/250。这是否能说明人脑的思考与遗传算法的“进化”有某些相似之处?遗传算法 中出现概率最大的方案也是人脑最容易想到的方案，优化解出现的概率非常低，人 脑一般不易发现，而采用遗传算法和计算机求解不但代替了人脑思考，而且比人脑 “思考”的能力更强，很低概率的方案也能“想”出来。
