Πολυκριτηριακή βελτιστοποίηση ακολουθίας πτήσεων σε πολλαπλούς διαδρόμους με χρήση γενετικών αλγορίθμων

Στάβαρης, Δημοσθένης; Stavaris, Dimosthenis

dc.contributor.author	Στάβαρης, Δημοσθένης	el
dc.contributor.author	Stavaris, Dimosthenis	en
dc.date.accessioned	2025-03-19T10:44:45Z
dc.date.available	2025-03-19T10:44:45Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/61369
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.29065
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/gr/	*
dc.subject	Πολυκριτηριακή βελτιστοποίηση	el
dc.subject	Γενετικοί αλγόριθμοι	el
dc.subject	Ακολουθία πτήσεων	el
dc.subject	Βελτιστοποίηση σε πραγματικό χρόνο	el
dc.subject	Διαχείριση εναέριας κυκλοφορίας	el
dc.subject	Multi-objective optimization	en
dc.subject	Genetic algorithms	en
dc.subject	Flight sequencing	en
dc.subject	Real-time optimization	en
dc.subject	Air traffic management	en
dc.title	Πολυκριτηριακή βελτιστοποίηση ακολουθίας πτήσεων σε πολλαπλούς διαδρόμους με χρήση γενετικών αλγορίθμων	el
dc.title	Multi-objective Optimization of Flight Sequences on Multiple Runways using Genetic Algorithms	en
heal.type	bachelorThesis
heal.classification	Βελτιστοποίηση	el
heal.classification	Διαχείριση Εναέριας Κυκλοφορίας	el
heal.classification	Optimization	en
heal.classification	Air Traffic Management	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-10-15
heal.abstract	Η παρούσα διπλωματική εργασία διερευνά την πολυκριτηριακή βελτιστοποίηση ακολουθιών πτήσεων σε αεροδρόμια με πολλαπλούς διαδρόμους, μέσω της εφαρμογής γενετικών αλγορίθμων. Με τη συνεχή αύξηση της εναέριας κυκλοφορίας, τα αεροδρόμια βρίσκονται υπό συνεχή πίεση για να διαχειριστούν τους πόρους τους πιο αποτελεσματικά. Η μελέτη επικεντρώνεται στην ακολουθία των απογειώσεων και των προσγειώσεων, στοχεύοντας στην ελαχιστοποίηση των καθυστερήσεων, στη μείωση του χρόνου αδράνειας των διαδρόμων και στη μεγιστοποίηση της ευρωστίας της ακολουθίας, διατηρώντας παράλληλα μια δίκαιη κατανομή καθυστερήσεων μεταξύ των πτήσεων. Η μεθοδολογία περιλαμβάνει τη χρήση γενετικών αλγορίθμων, οι οποίοι εξισορροπούν τρεις αντικρουόμενους στόχους, ενώ παράλληλα εξασφαλίζουν την τήρηση των κανονισμών ασφαλείας και των λειτουργικών περιορισμών. Η μέθοδος αυτή παρόλο που απαιτεί χαμηλή υπολογιστική ισχύ, προσδίδει υψηλή σύγκλιση και ποικιλομορφία λύσεων, επιτυγχάνοντας συνολικά καλύτερη διαχείριση των πόρων του αεροδρομίου. Μέσα από μια σειρά πειραμάτων, η έρευνα αυτή αξιολογεί την απόδοση διαφόρων υπαρχόντων πολυκριτηριακών γενετικών αλγορίθμων σε διαφορετικές περιόδους κίνησης. Η σύγκριση αυτή εντοπίζει τις πιο αποδοτικές μεθόδους για την αντιμετώπιση των σύνθετων προβλημάτων χρονοπρογραμματισμού που αντιμετωπίζουν τα αεροδρόμια. Τελικά η εργασία αυτή φιλοδοξεί να παρέχει πρακτικές, υψηλής απόδοσης λύσεις που μπορούν να βελτιώσουν τη λειτουργία των αεροδρομίων στον πραγματικό κόσμο.	el
heal.abstract	This thesis investigates the multi-objective optimization of flight sequencing in multi-runway airports through the application of genetic algorithms. With the continuous increase in air traffic, airports are under constant pressure to manage their resources more efficiently. The study focuses on the sequencing of takeoffs and landings, aiming to minimize delays, reduce runway idle time and maximize the robustness of the sequence, while also maintaining a fair distribution of delays among flights. The methodology involves the use of genetic algorithms, which balance three conflicting objectives, while ensuring compliance with safety regulations and operational constraints. This method, although requiring low computational power, offers high convergence and solution diversity, achieving overall better airport resources management. Through a series of experiments, this research evaluates the performance of various existing multi-objective genetic algorithms under different traffic scenarios. This comparison identifies the most efficient methods for addressing the complex scheduling problems that airports face. Ultimately, this thesis aspires to provide practical, high-performance solutions that can improve the real-world operation of airports.	en
heal.advisorName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Ψαρράς, Ιωάννης	el
heal.committeeMemberName	Μαρινάκης, Ευάγγελος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων	el
heal.academicPublisherID	ntua
heal.numberOfPages	83 σ.	el
heal.fullTextAvailability	false