زمان ‌بندی تک‌ هدفه و چند ‌هدفه‌ی فرود هواپیماها در محیط پویا

امروزه سفرهای هوایی به عنوان یکی از روش ‌های حمل و نقل سریع و ایمن، رشد چشمگیری داشته است. بنابراین ایجاد یک ترافیک هوایی روان و زمان بندی مناسب پروازها جهت فرود ایمن و با حداقل انحراف از زمان مطلوب و جلوگیری از اتلاف وقت و هزینه ضروری است. در اکثر پژوهش های انجام شده، مسئله بهینه‌سازی زمان‌بندی فرود هواپیماها ایستا در نظر گرفته شده است. اما این مسئله در جهان واقعی پویا است. اخیرا روش‌های بهینه‌سازی هوش جمعی به دلیل سادگی و کارایی بالا در حل مسائل بهینه‌سازی بسیار مورد توجه قرار گرفته‌اند. یکی از آنها، الگوریتم بهینه‌سازی میمیون عنکبوتی است که می‌تواند با تعداد اندک پارامترها، نگهداری تاریخچه‌ی جستجو، کنترل جستجو و گرو‌ه‌بندی اعضای جامعه جهت یافتن بهینه در صورت نیاز، نسبت به الگوریتم‌های سنتی این حوزه کارایی بهتری داشته باشد. در این پژوهش، روشی برای زمان‌بندی پویای فرود هواپیماها با استفاده از الگوریتم بهینه‌سازی میمیون عنکبوتی و الگوریتم ژنتیک، ارائه شده‌است. روش پیشنهادی بر روی داده های صحت سنجی با فرض یک و چندبانده بودن فرودگاه در حالت تک‌هدفه و داده‌های جهان واقعی در حالت چندهدفه آزمایش شده و نتایج حاصله حاکی از بهبود زمان‌بندی پرواز و کاهش هزینه‌ها بوده است.

single and multi-objective aircrafts landing scheduling in dynamic environment

air travel has significantly grown as a fast and safe means of transportation. therefore, creating a smooth air traffic and proper flight scheduling for safe landings with minimal time changes is necessary to avoid wasting time and money. in most studies, the aircraft landing scheduling problem has been considered a static issue. however, this challenge has a dynamic nature in real-world problems. one of the optimizing approaches in this scope is swarm intelligence optimization algorithms, which are simple and highly capable in solving optimization problems. among these algorithms, spider-monkey optimization algorithm is more efficient than traditional algorithms by using few parameters, maintaining search history, controlling searches, and grouping members of the population if needed. in this study, an active scheduling method for aircraft landing scheduling using spider-monkey optimization algorithm and genetic algorithm has been presented. the proposed method is examined by some datasets of single and multi-runways (single and multi-objective aircraft landing). the achieved results show an improvement in flight schedules and reduced costs.