为解决航空公司自主取消航班下的进离场时隙二次分配问题，兼顾航空公司和旅客的诉求，本文以航空公司总延误成本和旅客总延误时间最小为目标，建立双目标优化模型。引入参数λ权衡进离场航班延误成本函数的差异，并在约束中区分不同机型航班的周转时间。针对模型特点，采用实数编码，取消航班对应的基因位置返回-1，并在遗传操作中引入学习机制，对支配个体和非支配个体设计不同的交叉变异概率，对精英个体引入Q-learning驱动的通用变邻域搜索策略。3组算例的实验结果表明，改进算法的求解时间分别为29.34,58.61,125.21　s，求解方案分别有9,8,8个。相较于先到先服务方法，航空公司总延误成本分别减少了14.85%、8.47%和9.18%，旅客总延误时间分别减少了1.03%、5.31%和4.68%。相比不取消策略，取消策略下航空公司总延误成本分别减少7.04%、9.38%和11.96%，旅客总延误时间分别增加0.95%、1.21%和1.70%。本文建立的双目标优化模型和提出的改进算法能够降低航空公司延误成本，同时兼顾旅客利益，为自主取消航班下进离场时隙二次分配提供决策支持。