【本篇報導由電機工程學系　Saeed Saeedvand教授研究團隊提供】

　　民航客運量的大幅成長導致航站區域頻繁擁堵，並引發各種負面後果。為了應對這些挑戰，妥善處理和研究飛機降落問題（ALP）至關重要。該問題涉及在考慮多種運行約束的情況下，安排飛機在機場跑道上的起降順序並調度其運行。空中交通管制是一個持續存在的最佳化問題，且面臨多目標挑戰。本文將全面回顧ALP的最新研究，其中涵蓋了多種方法，包括混合整數規劃、動態規劃、啟發式演算法、元啟發式演算法和強化學習技術。此外，本文還提出了ALP的分類，並總結了所有已識別的限制條件、目標、其發生頻率以及這些研究所使用的資料集（包括一條或多條跑道）。此外，基於現有文獻，本文討論了ALP的優點（例如延誤和污染最小化）以及缺點（例如問題規模不可擴展以及將問題限制為單跑道模式）。

　　空中交通需求持續成長，並且在最近幾十年呈現顯著增加。其中，西方國家廉價航空的快速發展是是空中交通量成長的原因之一。根據美國聯邦航空管理局的報告，未來二十年，航空公司數量將增加100%至150%。2006年的航班總數約為610萬架次，到2022年將達到7120萬架次，預計到2030年將達到9590萬架次，取得了顯著的進步。根據國際機場協會（ACI）的報告，2012年，全球約有60億旅客透過飛機出行，預計到2025年旅客數量將增加50%。報告指出，機場缺乏長期規劃將在未來幾年面臨多項關鍵挑戰。機場跑道的容量限制是造成瓶頸的主要原因之一。新建基礎設施不僅挑戰重重且成本高昂，而且運作維護和管理成本亦需投入大量資源。儘管增加機場跑道數量和建造新機場以緩解機場擁塞雖然是基本解決方案，但在大多數情況下並不可行。例如，都柏林機場僅建造一條跑道就耗資約3.2億歐元。

　　因此，相較於擴建基礎設施，透過優化利用現有基礎設施被認為是解決機場擁塞問題的可行且有效的最佳方案。空中交通管制（ATC）中最重要的操作之一是著陸程序，同時也是造成交通擁堵是航班延誤的主要原因之一。例如，美國航空業每年因航班延誤而損失5,050億美元。此外，航班延誤不僅會導致乘客不滿和對航空公司的投訴，還會對環境造成負面影響。此外，航班延誤還會增加飛機的燃油消耗與污染大氣。

　　因此，在本研究中，研究團隊將研究飛機的著陸規劃（ALP），包括單跑道或多跑道飛機。ALP是最佳化問題面臨的最大挑戰之一，對該領域的科學家來說仍然至關重要。不同的研究人員對飛機著陸操作的相關性提出了不同的觀點。此外，文獻中提出的模型和解釋方法在許多方面都各不相同。因此，在本研究中對過去40年主要發表的多項研究進行了廣泛的研究。後續內容將對每個面向進行進一步闡述。

　　為了在考慮各種運行限制的情況下有效安排飛機著陸，飛機必須在機場跑道上按特定順序分配至機場跑道。針對該問題的不同子議題，學界已經進行了大量研究，並提出了各種解決方案。因此，本文對近年來提出的眾多研究進行了彙整並概述。過去的幾十年中，人們採用了多種的最佳化方法來求解自適應規劃（ALP），其中最佳化方法的核心在於從特定問題的潛在解的集合中選擇最優答案。

　　在過去的20年中，元啟發式演算法已成為解決最佳化問題的主流方法之一。近年來，隨著各種新型演算法發展，研究團隊能夠應用不同策略來解決各種實務中最佳化的挑戰。然而，即使已經開發了大量最佳化演算法，是否仍需要開發新的最佳化策略仍然是一個值得探討的問題。此一問題可答案可以用「沒有免費午餐」（NFL）定理來表達，該定理認為，沒有一種最佳化策略能夠成功解決所有最佳化問題。根據這個思想，某種最佳化方法在解決大量最佳化問題時可能比其他方法表現更好，但在特定問題組中可能表現更差。因此目前還沒有一種元啟發式演算法能夠比其他所有演算法都表現得更好，並解決所有最佳化問題。航空運輸系統被視為是最複雜的人造系統之一如Kjenstad 等人所指出，尋找全域最優解不僅計算非常耗時且困難，而且問題的複雜性會隨著飛機和跑道數量的增加而增加。因此，ALP可以被歸類為NP-hard問題。（意即找到「全域最佳的著陸順序與時間」在計算上極為困難，目前不存在能在合理時間內保證找到最佳解的演算法。)

原文出處：
Shirini, K., Aghdasi, H.S. & Saeedvand, S. A Comprehensive Survey on Multiple-Runway Aircraft Landing Optimization Problem. Int. J. Aeronaut. Space Sci. 25, 1574–1602 (2024). https://doi.org/10.1007/s42405-024-00747-z