随着民航运输业的快速发展,部分枢纽机场所承载的旅客运输量已接近饱和。在不扩建或者新建机场的情况下,如何科学合理的利用机场停机位资源成为机场要解决的首要问题。停机位分配问题(GAP)是将停机位分配给航班,分配过程中需要同时考虑机场的运行效率和旅客的满意度,同时也需要考虑恶劣的天气、航班的延误或者早到等突发因素的影响,这就要求调度模型具有处理动态变化的能力,能够吸收航班时刻微小的变化,即具有鲁棒性。本文的研究工作主要有以下几点:第一,本文提出了带约束的两目标鲁棒性停机位分配模型(CBR-GAM),优化的两个目标为最小化旅客步行总距离和最小化鲁棒性总成本。第二,为了对模型进行有效的求解,本文提出了两阶段大规模邻居搜索算法(2PLNS)。第一阶段通过加权和技术将两目标的优化问题转换为一系列单目标优化子问题,每一个解对应一个子问题,对每个解应用局部搜索技术来产生新解,使种群快速的逼近Pareto前沿(PF);第二阶段在第一阶段产生的解的基础上应用帕累托局部搜索算法(PLS)来获得更多的Pareto近似解。第三,由于GAP是一种大规模邻居搜索(LNS)问题,为此我们设计了贪心随机策略(GSS),在提高收敛速度的同时避免搜索陷入局部最优。第四,本文基于机场实际数据构造了测试用例,同时也仿真了几组测试数据,实验结果表明2PLNS具有很好的收敛性和多样性。此外,本文对如何从算法产生的大量非支配解中选取若干用户感兴趣的解也进行了讨论。