Robust planning/scheduling of airport resources through reinforcement learning
Havaalanı kaynaklarının pekiştirmeli öğrenme yöntemiyle sağlam planlanması/çizelgelemesi
- Tez No: 962260
- Danışmanlar: PROF. DR. MUSTAFA ARSLAN ÖRNEK, DR. ÖĞR. ÜYESİ UMUT AVCI
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Uçak atama problemi, pekiştirmeli öğrenme, Q-öğrenme, derin öğrenme, sağlam çizelgeleme, Yapay zeka ve makine öğrenmesi dersi, Çok kriterli optimizasyon, Flight gate assignment, Reinforcement learning, Deep Reinforcement Learning, Q-learning, Robust scheduling, Artificial intelligence and machine learning course, Multi criteria optimization
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Yaşar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bir havalimanının işletilmesi, birçok aktörün yer aldığı son derece karmaşık bir operasyondur. Havalimanı yönetiminin temel misyonu; tüm havayollarına, yer hizmetleri şirketlerine ve diğer hizmet sağlayıcılara yeterli kapasiteyi ve en iyi çalışma koşullarını sağlamaktır. Uçuş kapısı atama, havalimanı yönetiminin çözmesi gereken en temel planlama problemlerinden biridir; bu problem, gelen uçakların mevcut kapı veya park pozisyonlarına atanmasını ve aynı zamanda operasyonel kısıtların sağlanmasını içerir. Genellikle uçuşların varış ve kalkış zamanları deterministik olarak kabul edilmekte ve bu kombinatoryal problemi çözmek için çeşitli yöneylem araştırması yöntemleri kullanılmaktadır. Ancak, gerçek yaşam senaryolarında bu deterministik çözümler çoğu zaman uygulanabilir değildir. Çünkü uçuşların varış ve kalkış saatleri belirsizlik içermektedir. Bu belirsizliklerle başa çıkmak ve sağlam bir çizelgeleme oluşturmak büyük önem taşımaktadır. Bu çalışmada, uçuş kapısı atama problemini çözmek için Pekiştirmeli Öğrenme (PÖ) algoritmaları geliştirilmiştir; çünkü bu yöntem sıralı karar verme sürecine dayanmaktadır ve acil ya da sık değişen durumlara uyum sağlayabilen esnek çözümler üretmeye olanak tanımaktadır. Bu çalışmayla aynı kapıda ardışık atanmış uçaklar arasında boş zamanların toplamı olarak hesaplanan çizelgenin sağlamlığını maksimize etmeye ve aynı zamanda aprona atanan uçak sayısını minimize etmeyi hedefliyoruz. Geliştirdiğimiz çeşitli PÖ algoritmalarını amaç fonksiyonlar bakımından matematiksel modellerle karşılaştırıyoruz.
Özet (Çeviri)
The operation of an airport is a very complex task involving many actors. The primary mission of airport management is to provide sufficient capacity and the best working conditions to all airlines, ground handling, and service provider companies. Flight gate assignment is one of the essential planning problems that airport management needs to address, assigning incoming aircraft to the available gates or stands while satisfying operational constraints. Generally, flight arrivals and departures are considered deterministic, and various operational research methods have been applied to solve this combinatorial problem. However, in real life scenarios, deterministic solutions are generally infeasible because arrival and departure times are uncertain. It is crucial to deal with these uncertainties to create a robust schedule. In this study, we develop Reinforcement Learning (RL) algorithms to solve the flight gate assignment problem since it is a sequential decision-making method and allows adaptive solutions to address urgent and frequent changes. We aim to maximize robustness of the schedule which is measured as the total sum of slack times between consecutive flights at a gate and aim to minimize stand assignments. In this study, we compare different RL algorithms that we develop with MIP models in terms of our objective functions.
Benzer Tezler
- Altyapı projelerinde istanbul tahkim merkezi'nin sektörel algı ve faydasının değerlendirilmesi
Assesment of istanbul arbitration centre by its potential and advantages on infrastructure projects
SEDA KARTAL SOYSAL
Yüksek Lisans
Türkçe
2018
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PELİN ALPKÖKİN
- Derin öğrenme ve istatistiksel modellerle operasyonel rüzgar enerjisi tahmini: Batman içinn LSTM, ANN ve ARIMA uygulaması
Operational wind energy forecasting using deep learning and statistical models: An application of LSTM, ANN and ARIMA for Batman
İLAYDA KELKİTLİ BAŞARAN
Yüksek Lisans
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA KEMAL KAYMAK
- Applications of robust optimization in logistics and production planning
Başlık çevirisi yok
FARZAD AVISHAN
Doktora
İngilizce
2023
Endüstri ve Endüstri MühendisliğiÖzyeğin ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İHSAN YANIKOĞLU
- Fleet type assignment and robust airline scheduling with chance constraints under environmental emission considerations
Çevresel emisyonu göz önünde bulundurarak şans kısıtları ile dayanıklı havayolu çizelgeleme ve filo tipi atama modeli
ÖZGE ŞAFAK
Yüksek Lisans
İngilizce
2013
Endüstri ve Endüstri Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiEndüstri Mühendisliği Bölümü
PROF. DR. MEHMET SELİM AKTÜRK
YRD. DOÇ. DR. SİNAN GÜREL
- Çifte kaynak kısıtlı grup teknolojisi üretim sistemlerinin bozucu faktörlere dayanıklı tasarımı
Robust design of dual resource constrained group technology production systems
MUSTAFA AKHUN
Doktora
Türkçe
1999
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. M. BÜLENT DURMUŞOĞLU