يك رويكرد بهينه سازي مبتني بر يادگيري ماشين براي مسئله فرود هواپيما در شرايط عدم قطعيت

اصفهان : دانشگاه صنعتي اصفهان

صنايع

كارشناسي ارشد

با توجه به افزايش روزافزون جمعيت، استفاده از سيستم حمل و نقل هوايي بيش از پيش مورد توجه قرار گرفته است به گونه‌ايي كه برنامه‌ريزي و مديريت پروازها به يكي از نقاط حساس و كليدي در صنعت هوانوردي تبديل شده است. روزانه حجم بالايي از پروازها نيازمند برنامه‌ريزي دقيق و هماهنگي مؤثر هستند تا از بروز تأخيرها، ازدحام و مشكلات امنيتي جلوگيري شود. با توجه به ادبيات موضوع مي‌توان نتيجه گرفت كه حل مسئله با مدل رياضي و برنامه‌ريزي دقيق به دليل پيچيدگي بالاي مدل در زمان معقول قابل دست‌يابي نيست و باتوجه به اين موضوع كه سرعت دستيابي به يك برنامه‌ريزي مناسب در اين مسئله بسيار مهم و حياتي است، بنابراين پژوهشگران با استفاده از ساير روش‌هاي حل مانند روش‌هاي فراابتكاري و ابتكاري، يادگيري ماشين و شبكه‌هاي عصبي براي دستيابي به جواب در زمان كوتاه اقدام كرده‌اند. در اين پژوهش، سه روش پيشنهاد شده است، روش اول مبتني بر بهينه‌سازي بر پايه يادگيري ماشين، روش دوم برپايه يادگيري تقويتي و روش سوم بر پايه استفاده از شبكه‌عصبي گراف است. در هر سه روش هدف كمينه سازي تاخيرات با درنظر گيري محدوديت‌هاي عملياتي مانند فاصله جداسازي، پنجره زماني و در نظر گرفتن وجود تك باند در مسئله است. پس از حل مسئله با استفاده از 149 نمونه توسط سه روش، اعداد حاصل با خروجي بهترين روش‌ موجود در ادبيات موضوع مقايسه شده‌است. نتايج حاكي از آن است كه روش پيشنهادي مبتني بر يادگيري ماشين در 83 نمونه با ميانگين مدت زمان اجرا 7 درصد بهتر از ادبيات موضوع عمل كرده است. با توجه به كيفيت جواب‌ها و مدت زمان اجرا مي‌توان نتيجه گرفت كه الگوريتم پيشنهادي قابليت استفاده در شرايط دنياي واقعي و فرودگاه‌هاي پر رفت وآمد را دارد.

233016

بهينه سازي

مهندسي صنايع و سيستم ها

دانشگاه صنعتي اصفهان