SavedAdd your journal

Journals / Eskişehir Osmangazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi / 2020 / Cilt: 28 Sayı: 3

YAPAY BAĞIŞIKLIK METASEZGİSELİ İLE TEK PİSTLİ HAVAALANLARINDA İNİŞ SIRALAMASININ ENİYİLENMESİ

Zekeriya KAPLAN
Cem ÇETEK
Pages
321–331
Publication Date
2020-12-31
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Algoritma ile elde edilen çözümler ve matematiksel model ile edilen çözümler kıyaslanmıştır ve çözüm süreleri de paylaşılmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:İniş uçaklarının sıralanması problemi, tahmini operasyon zamanlarının bulunduğu bir uçak kümesi için belirli kısıtlar altında gerekli emniyet ayırmalarının sağlanarak sıralamanın yapılmasıdır.
📊
Key Findings & Data:Farklı sayıda ve kategoride uçaklardan oluşan senaryolar için algoritma test edilmiştir.
💡
Conclusion & Impact:Algoritma ile elde edilen çözümler ve matematiksel model ile edilen çözümler kıyaslanmıştır ve çözüm süreleri de paylaşılmıştır.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Uçak iniş sıralaması · Sınırlı sayıda yer değiştirme · Karma tamsayılı model

Özet

İniş uçaklarının sıralanması problemi, tahmini operasyon zamanlarının bulunduğu bir uçak kümesi için belirli kısıtlar altında gerekli emniyet ayırmalarının sağlanarak sıralamanın yapılmasıdır. Yapay Bağışıklık Sistemi (YBS) anormallik tespiti, bilgisayar ve ağ güvenliği, çizelgeleme, eniyileme, sınıflandırma, veri madenciliği gibi birçok alanda kullanılan ve doğal bağışıklık sisteminden esinlenerek oluşturulan bir tekniktir. Bu çalışmada, tek piste iniş yapmayı planlayan uçakların sıralanması YBS algoritmalarından olan Klonal Seçim Algoritması (KSA) kullanılarak yapılmıştır. Amaç fonksiyonu olarak operasyonların tamamlanma zamanının enküçüklenmesi alınmıştır. Ayrıca çalışmada uçakların ilk gelen ilk hizmet alır (FCFS) prensibi ile belirlenen sıralamalarına göre sınırlı sayıda yer değiştirmelerine (CPS) izin verilmiştir. Farklı sayıda ve kategoride uçaklardan oluşan senaryolar için algoritma test edilmiştir. Algoritma ile elde edilen çözümler ve matematiksel model ile edilen çözümler kıyaslanmıştır ve çözüm süreleri de paylaşılmıştır.

🔖

Cite This Article

KAPLAN, Z., ÇETEK, C. (2020). YAPAY BAĞIŞIKLIK METASEZGİSELİ İLE TEK PİSTLİ HAVAALANLARINDA İNİŞ SIRALAMASININ ENİYİLENMESİ. Eskişehir Osmangazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi, Cilt: 28 Sayı: 3, 321–331. https://ajindex.com/articles/905096

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (12)

  1. Atay, Y. (2012). Yapay bağışıklık sistemleri ile atölye çizelgeleme problemlerinin optimizasyonu (Yüksek lisans tezi). Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya. Balakrishnan, H., & Chandran, B. G. (2010). Algorithms for scheduling runway operations under constrained position shifting. Operations Research, 58(6), 1650-1665. doi: https://dx.doi.org/10.1287/opre.1100.0869
  2. Beasley, J. E., Krishnamoorthy, M., Sharaiha, Y. M., & Abramson, D. A. (2000). Scheduling aircraft landings - The static case. Transportation Science, 34, 180-197. doi: https://dx.doi.org/10.1287/trsc.34.2.180.12302
  3. Bianco, L., Nicoletti, B., & Ricciardelli, S. (1977). An algorithm for optimal sequencing aircraft in the near terminal area. 8th IFIP Conference on Optimization Techniques, 443-453. doi: https://dx.doi.org/10.1007/BFb0006550
  4. Briskorn, D., & Stolletz, R. (2014). Aircraft landing problems with aircraft classes. Journal of Scheduling, 17, 31-45. doi: https://dx.doi.org/10.1007/s10951-013-0337-x
  5. Chen, J., Weiszer, M., & Stewart, P. (2015). Optimal speed profile generation for airport ground movement with consideration of emissions. IEEE 18th International Conference on Intelligent Transportation Systems, 1797-1802. doi: https://dx.doi.org/10.1109/ITSC.2015.292
  6. Çeçen, R. K., & Çetek, C. (2019). A two-step approach for airborne delay minimization using pretactical conflict resolution in free-route airspace. Journal of Advanced Transportation. doi: https://doi.org/10.1155/2019/4805613
  7. De Castro, L. N., & Von Zuben, F. J. (2002). Learning and optimization using the clonal selection principle. IEEE Transactions on Evolutionary Computation, 6(3), 239-251. doi: https://dx.doi.org/10.1109/TEVC.2002.1011539
  8. Desai, J., & Prakash, R. (2016). An Optimization Framework for Terminal Sequencing and Scheduling: The Single Runway Case. Complex Systems Design & Management Asia. Advances in Intelligent Systems and Computing, vol 426. 195 – 207. doi: https://doi.org/10.1007/978-3-319-29643-2_15
  9. Engin, O., & Döyen, A. (2004). Yapay bağışıklık sistemleri ve endüstriyel problemlerde kullanımı. G.U. Journal of Science, 17(1), 71-84.
  10. GAMS Destek. (2015). Erişim adresi: https://support.gams.com/
  11. Hong, Y., Choi, B., Lee, S., Lee, K., & Kim, Y. (2017). Optimal and practical aircraft sequencing and scheduling for point merge system. International Federation of Automatic Control, 50(1), 14644–14649. doi: https://dx.doi.org/10.1016/j.ifacol.2017.08.1904
  12. Hu, X. B., & Chen, W. H. (2005). Receding horizon