論文の概要: Airport take-off and landing optimization through genetic algorithms
- arxiv url: http://arxiv.org/abs/2402.19222v1
- Date: Thu, 29 Feb 2024 14:53:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-01 14:36:27.219009
- Title: Airport take-off and landing optimization through genetic algorithms
- Title（参考訳）: 遺伝的アルゴリズムによる空港離着陸最適化
- Authors: Fernando Guedan Pecker and Cristian Ramirez Atencia
- Abstract要約: 本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。
本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
- 参考スコア（独自算出の注目度）: 55.2480439325792
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This research addresses the crucial issue of pollution from aircraft
operations, focusing on optimizing both gate allocation and runway scheduling
simultaneously, a novel approach not previously explored. The study presents an
innovative genetic algorithm-based method for minimizing pollution from fuel
combustion during aircraft take-off and landing at airports. This algorithm
uniquely integrates the optimization of both landing gates and take-off/landing
runways, considering the correlation between engine operation time and
pollutant levels. The approach employs advanced constraint handling techniques
to manage the intricate time and resource limitations inherent in airport
operations. Additionally, the study conducts a thorough sensitivity analysis of
the model, with a particular emphasis on the mutation factor and the type of
penalty function, to fine-tune the optimization process. This dual-focus
optimization strategy represents a significant advancement in reducing
environmental impact in the aviation sector, establishing a new standard for
comprehensive and efficient airport operation management.
- Abstract（参考訳）: 本研究は,従来検討されていなかった新たなアプローチであるゲート割り当てと滑走路スケジューリングの最適化に重点を置いた,航空機運用からの汚染に関する重要な問題に対処する。
本研究は,空港における航空機の離着陸時の燃料燃焼による汚染を最小化する,革新的な遺伝的アルゴリズムに基づく手法を提案する。
このアルゴリズムは、エンジンの運転時間と汚染物質レベルの相関を考慮して、ランディングゲートと離着陸滑走路の両方の最適化を独特に統合する。
このアプローチでは、空港の運用に固有の複雑な時間と資源制限を管理するために、高度な制約処理技術を採用している。
さらに,本研究では,突然変異因子とペナルティ関数の種類に着目したモデルに対して,詳細な感度解析を行い,最適化プロセスの微調整を行う。
このデュアルフォーカス最適化戦略は、航空部門における環境への影響を低減し、包括的で効率的な空港運営管理のための新しい標準を確立するための重要な進歩を表している。
関連論文リスト
- A Graph-Enhanced Deep-Reinforcement Learning Framework for the Aircraft Landing Problem [0.0]
航空機着陸問題(英: Aircraft Landing Problem、ALP)は、航空機の輸送と管理において難しい問題の一つである。
本稿では,グラフニューラルネットワークとアクター批判アーキテクチャを組み合わせてALPに対処する,新しい深層強化学習フレームワークを提案する。
その結果、学習アルゴリズムは異なる問題集合上でテストでき、その結果は研究アルゴリズムの運用と競合することを示した。
論文 参考訳（メタデータ） (2025-02-18T08:02:17Z) - Integrated Scheduling Model for Arrivals and Departures in Metroplex Terminal Area [9.441961093110868]
本稿ではまず,複数の空港を併設したメトロプレックスにおける到着便と出発便の協調飛行シークエンシングのための二段階最適化モデルを提案する。
モデルは様々な交通シナリオに適応する。
その結果、モデルでは到着遅延を51.52%、出発遅延を18.05%、出発時の滑走路占有時間を23.83%削減できることが示された。
論文 参考訳（メタデータ） (2025-02-15T15:04:54Z) - A Hybrid Tabu Scatter Search Algorithm for Simulation-Based Optimization of Multi-Objective Runway Operations Scheduling [0.0]
Dissertationは、滑走路運用スケジューリングのためのシミュレーションベースの最適化(SbO)アプローチを提案することで、航空交通フロー管理の課題に対処する。
目的は、遅延、燃料消費、環境への影響を最小限に抑えつつ、空港の容量利用を最適化することである。
提案するSbOフレームワークは,滑走路条件を扱う離散イベントシミュレーションモデルと,最適解を特定するためのハイブリッドタブ・散乱探索アルゴリズムを統合した。
論文 参考訳（メタデータ） (2025-02-08T14:42:05Z) - Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。
今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。
タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
論文 参考訳（メタデータ） (2025-01-11T02:32:42Z) - Improving Air Mobility for Pre-Disaster Planning with Neural Network Accelerated Genetic Algorithm [26.061782031525652]
気象災害に関連する緊急作戦は、航空機と空港の両方での空輸に大きな課題をもたらす。
そこで本稿では,空港の運用スケジュールを事前に調整するためのフレームワークを提案する。
次に、避難計画のための新しいニューラルネットワーク(NN)高速化遺伝的アルゴリズム(GA)を提案する。
論文 参考訳（メタデータ） (2024-07-17T15:59:41Z) - Taxonomy Adaptive Cross-Domain Adaptation in Medical Imaging via
Optimization Trajectory Distillation [73.83178465971552]
自動医用画像解析の成功は、大規模かつ専門家による注釈付きトレーニングセットに依存する。
非教師なしドメイン適応(UDA)はラベル付きデータ収集の負担を軽減するための有望なアプローチである。
本稿では,2つの技術的課題に新しい視点から対処する統一的手法である最適化トラジェクトリ蒸留を提案する。
論文 参考訳（メタデータ） (2023-07-27T08:58:05Z) - A Simplified Framework for Air Route Clustering Based on ADS-B Data [0.0]
本稿では,ADS-Bデータに基づく空港間の典型的な航空路の検出を支援する枠組みを提案する。
実のところ,エアフロー最適化の計算コストを実質的に低減するために,我々の枠組みを考慮に入れることができる。
論文 参考訳（メタデータ） (2021-07-07T08:55:31Z) - Reinforcement Learning for Low-Thrust Trajectory Design of
Interplanetary Missions [77.34726150561087]
本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。
最先端アルゴリズムのオープンソース実装が採用されている。
その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
論文 参考訳（メタデータ） (2020-08-19T15:22:15Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳（メタデータ） (2020-04-25T22:54:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。