对于航空运输来说,机场是承担运输活动的必要场所,为所有与之相关的旅客服务、飞机起降等过程提供各种基础和保障。停机位作为机场的重要资源,是实现航班快速、安全停靠的关键因素。而停机位分配不但要从旅客和航空公司的角度出发,为旅客提供更优质服务的同时为航空公司节约成本,而且还要从机场运行控制部门的角度出发,合理、均衡、高效地分配有限的停机位资源,以预防突发事件对机场运行的不利影响。因此,开展机场停机位分配建模及智能调度算法的研究,具有重要的理论意义和应用价值。本论文针对蚁群优化算法控制参数难以确定、早熟收敛等缺陷,提出一种自适应协同进化蚁群优化算法(Self-adaption Co-Evolutionary Ant Colony Optimization,SCEACO)。该算法首先通过对信息素更新公式进行改进以及对信息素限制更新范围,实现蚁群优化算法信息素的自适应更新;然后借鉴了协同进化的思想和共生机制,将蚁群分为多个蚁群有着共同的搜索空间,并将多目标优化问题分解成若干个子优化问题,实现种群信息共享与协同进化。以机场停机位分配问题为研究对象,在考虑机场和航空公司效益最大化以及旅客满意程度的基础上,建立了枢纽机场停机位分配优化模型,进而提出了基于自适应协同进化蚁群优化算法的机场停机位分配方法。最后通过旅行商问题,对自适应协同进化蚁群优化算法的优化性能进行了验证,结果表明该算法克服了控制参数难以确定、早熟收敛等问题,具有较强的优化能力和更好的稳定性。同时,采用机场的实际航班数据,来验证了提出的机场停机位分配方法的有效性。实验结果表明,该方法能够有效地获得停机位分配结果。因此该研究为机场停机位分配提供了一种新的方法。