حل مسئله زمان بندی چندهدفه ی فرود هواپیما در حالت چندباند

حمل و نقل هوایی به دلیل سرعت، قابلیت اطمینان بالا و مقرون به صرفه بودن در امر انتقال کالا و مسافر یکی از محبوب ترین و پرطرفدارترین وسیله حمل و نقل در سراسر جهان محسوب می شود. با این وجود استفاده از حمل و نقل هوایی با روند صعودی، صنعت هوانوردی را با معضلات عدیده ای از جمله متحمل شدن هزینه تاخیرات و تعجیلات، افزایش آلودگی هوا   و آلودگی های زیست محیطی و صوتی روبرو کرده است که افراد درگیر در این حوزه را ترغیب می نماید تا جدی تر به بحث مدیریت بهینه ترافیک  هوایی و استفاده موثر از ظرفیت باندها و فرودگاه ها تمرکز کنند. در این مقاله مسئله زمان بندی چند هدفه فرود هواپیما به عنوان بخش پیچیده و اساسی مدیریت ترافیک هوایی با توجه به محدودیت های پنجره زمانی، حداقل زمان جداسازی در حالت چند باند و وابستگی بین باندها در قالب اهداف کمینه‌سازی مجموع هزینه های زودکرد و دیرکرد و همچنین حداقل سازی مجموع زمان فرودها مورد مطالعه قرار گرفته است. در بخش مطالعات محاسباتی، 5 مسئله با سایزهای کوچک با کمک روش اپسیلون محدودیت حل شده است. همچنین 22 مسئله با سایزهای کوچک و بزرگ با استفاده از دو الگوریتم فراابتکاری چند هدفه nsga-ii و mopso حل شده و نتایج آن ها مورد مقایسه قرار گرفته است. نتایج محاسباتی برای 4 شاخص عملکردی حاکی از برتری الگوریتمnsga-ii  در شاخص nps و برتری الگوریتم mopso در شاخص mid می‌باشد. همچنین در دو شاخص sm و ras نیز عملکرد الگوریتم ها یکسان است.

Solving the Multi-objective of Aircraft Landing Scheduling Problem in Multi-Band Mode

Aviation is one of the most popular transportation throughout the world for its safety, speed, reliability and cost reduction. Increasing use of aviation has faced the aviation industry with many problems that including delay and early cost, air pollution increase, environmental and sound pollution that encourages those involved in the field to focus more seriously on the optimal management of air traffic and the effective use of the capacity of bands and airports. In this paper, Multiobjective Aircraft Landing Scheduling problem (ALSP) is studied as a complex and basic part of air traffic management according to the time window constraints and minimum separation time in multi band and independence between bands in terms of minimizing of the sum of early and delay cost and minimizing the sum of landing time. In Computational study section, five problems instances with Small size have been solved using the Epsilon Constraint Method. Also, 22 problems instances with small and large sizes have been solved with two multiobjective mataheuristic algorithms and compared the results of them. The computational results for 4 performance metrics indicate the superiority of the NSGA-II algorithm in the NPS index and the superiority of the MOPSO algorithm in the MID index. Also, the performance of the algorithms is the same for both SM and RAS.