論文の概要: Optimisation of Aircraft Maintenance Schedules

• arxiv url: http://arxiv.org/abs/2512.17412v1
• Date: Fri, 19 Dec 2025 10:06:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-22 19:25:54.338037
• Title: Optimisation of Aircraft Maintenance Schedules
• Title（参考訳）: 航空機整備計画の最適化
• Authors: Neil Urquhart, Amir Rahimi, Efstathios-Al. Tingas,
• Abstract要約: 本稿では,各航空機のメンテナンス作業に適任のスタッフを割り当てる航空機メンテナンススケジューリング問題を提案する。 各航空機の作業は、航空機が収益獲得サービスを再開できるように、所定のターン・アラウンド・ウインドウ内で完了する必要がある。 本稿では,進化的アルゴリズムを応用した初期研究について述べる。
• 参考スコア（独自算出の注目度）: 0.5607590231264273
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present an aircraft maintenance scheduling problem, which requires suitably qualified staff to be assigned to maintenance tasks on each aircraft. The tasks on each aircraft must be completed within a given turn around window so that the aircraft may resume revenue earning service. This paper presents an initial study based on the application of an Evolutionary Algorithm to the problem. Evolutionary Algorithms evolve a solution to a problem by evaluating many possible solutions, focusing the search on those solutions that are of a higher quality, as defined by a fitness function. In this paper, we benchmark the algorithm on 60 generated problem instances to demonstrate the underlying representation and associated genetic operators.
• Abstract（参考訳）: 本稿では,各航空機のメンテナンス作業に適任のスタッフを割り当てる航空機メンテナンススケジューリング問題を提案する。 各航空機の作業は、航空機が収益獲得サービスを再開できるように、所定のターン・アラウンド・ウインドウ内で完了する必要がある。 本稿では,進化的アルゴリズムを応用した初期研究について述べる。 進化的アルゴリズム(Evolutionary Algorithms)は、多くの可能な解を評価し、適合関数によって定義される、より高い品質の解を探索することに集中することによって、問題の解を進化させる。 本稿では,60個の発生した問題に対してアルゴリズムをベンチマークし,その基礎となる表現と関連する遺伝的演算子を実証する。

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)
• A Multiagent Path Search Algorithm for Large-Scale Coalition Structure Generation [61.08720171136229]
  結合構造生成はマルチエージェントシステムにおける基本的な計算問題である。 我々はCSGの多エージェントパス探索アルゴリズムであるSALDAEを開発し、連立構造グラフ上で運用する。
  論文  参考訳（メタデータ） (2025-02-14T15:21:27Z)
• Preventing Local Pitfalls in Vector Quantization via Optimal Transport [77.15924044466976]
  我々はシンクホーンアルゴリズムを用いて最適な輸送問題を最適化する新しいベクトル量子化法であるOptVQを紹介する。 画像再構成タスクの実験では,OptVQが100%のコードブック利用を実現し,現在最先端のVQNを超越していることが示された。
  論文  参考訳（メタデータ） (2024-12-19T18:58:14Z)
• Solving Complex Multi-UAV Mission Planning Problems using Multi-objective Genetic Algorithms [4.198865250277024]
  本稿では、複雑なミッション計画問題(MPP)を解決するための多目的遺伝的アルゴリズムを提案する。 ソリューションが有効かどうかを確認するために,制約満足度問題(CSP)を用いてハイブリッドフィットネス関数を設計した。 実験の結果、新しいアルゴリズムは優れた解を得ることができるが、問題がより複雑になると、最適解を見つけることも困難になる。
  論文  参考訳（メタデータ） (2024-02-09T16:13:21Z)
• TOP-Former: A Multi-Agent Transformer Approach for the Team Orienteering Problem [47.40841984849682]
  車両群のためのルートプランニングは、荷物の配送、監視、輸送といった応用において重要な課題である。 ToP-Formerは、チームのオリエンテーリング問題を効率的に正確に解くために設計されたマルチエージェント経路計画ニューラルネットワークである。
  論文  参考訳（メタデータ） (2023-11-30T16:10:35Z)
• Genetic algorithms for the resource-constrained project scheduling problem in aircraft heavy maintenance [0.0]
  本稿では,資源制約付きプロジェクトスケジューリング問題(RCPSP)をAHMで解くための遺伝的アルゴリズムを提案する。 本研究の目的は,メンテナンス計画の規模を最小化することであった。
  論文  参考訳（メタデータ） (2022-06-16T13:41:20Z)

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。