随着经济的发展，人们生活水平的提高，航空交通发展和进步的速度是非常惊人的。合理地对航班进行塔台放行调度是一个重要的问题。航班的塔台放行涉及到许多的影响因素，需要一定的资源。如何充分利用机场的资源进行合理的调度，来降低航班的延误时间，减少航班延误的损失是航班塔台放行的重点。在该问题上，目前有一些研究成果，但是还有一定的提升空间。本论文主要研究的是在一定资源约束下的大规模延误航班的塔台放行问题。　　在本文中，主要对塔台放行的两个方面做了比较深入的研究。首先在调度过程中，涉及到的资源是多样化的，使用模糊聚类算法能够得出相似功能的资源有哪些，航班塔台放行调度就是依赖模糊聚类后的资源。再有就是航空交通塔台放行的航班序列问题。在本文中，使用模拟退火算法和免疫算法来对传统的遗传算法进行改进，使用改进的算法来解决航班塔台放行问题。模拟退火算法主要改进遗传算法的种群个体淘汰过程，其能够在一定程度上避免算法收敛在局部最优解中。免疫算子能够提高算法中群体的适应度，在一定程度上提高算法的调度效率。最后，对改进的遗传算法进行实现，使用实际的航空电报数据进行测试，来证明在实际的航班塔台放行问题中算法改进的有效性和可行性。　　使用本文的模型和方法能够在一定程度上解决大规模延误情况下的航班塔台调度问题。同时，本文在进行航班塔台调度时，考虑到了航班资源对放行序列的制约。本文的模型也能够关注航班塔台放行序列影响到的多个结果。通过建立本文的模型，以及使用数据对调度算法进行测试，可以看出来本文提出改进算法能够得出较符合该问题的解。因此，本文提出的基于改进遗传算法来解决航班塔台放行问题是有一定理论研究和实际应用的价值。