This master's thesis is based on an extensive literature review and focuses on the analysis and evaluation of optimization and artificial intelligence methods for solving complex scheduling problems in the aviation sector. Its aim is to develop and investigate a central hypothesis regarding the feasibility and effectiveness of using these methods to improve processes such as flight, aircraft and crew scheduling. The work begins with a theoretical introduction to the importance and context of the topic, presenting the motivations, objectives and hypotheses of the research. This is followed by a clarification of key concepts and a differentiation between approximate and exact optimization methods, as well as a presentation of the main principles of artificial intelligence related to learning mechanisms. Furthermore, the applications of these methods in the aviation industry are examined, accompanied by an analysis of empirical results and a comparative evaluation. Particular emphasis is given to the SWOT analysis of the proposed methods, with the aim of identifying strengths, weaknesses, opportunities and threats related to their application. The work is concluded by drawing conclusions regarding the viability and the possibility of combining optimization methods and artificial intelligence for the effective solution of problems in the aviation industry.

Η παρούσα μεταπτυχιακή εργασία βασίζεται σε εκτενή βιβλιογραφική ανασκόπηση και εστιάζει στην ανάλυση και αξιολόγηση μεθόδων βελτιστοποίησης και τεχνητής νοημοσύνης για την επίλυση σύνθετων προβλημάτων προγραμματισμού στον τομέα των αερομεταφορών. Στόχος της είναι η ανάπτυξη και η διερεύνηση μιας κεντρικής υπόθεσης σχετικά με τη σκοπιμότητα και την αποτελεσματικότητα της χρήσης αυτών των μεθόδων για τη βελτίωση διαδικασιών όπως ο προγραμματισμός πτήσεων, αεροσκαφών και πληρωμάτων. Η εργασία ξεκινά με εισαγωγή στη σημασία και στο θεωρητικό πλαίσιο του θέματος, παρουσιάζοντας τα κίνητρα, τους στόχους και τις υποθέσεις της έρευνας. Ακολουθεί αποσαφήνιση βασικών εννοιών και διαφοροποίηση μεταξύ προσεγγιστικών και ακριβών μεθόδων βελτιστοποίησης, καθώς και παρουσίαση των κύριων αρχών της τεχνητής νοημοσύνης που σχετίζονται με μηχανισμούς μάθησης. Επιπλέον, εξετάζονται οι εφαρμογές των μεθόδων αυτών στη βιομηχανία των αερομεταφορών, συνοδευόμενες από ανάλυση εμπειρικών αποτελεσμάτων και συγκριτική αξιολόγηση. Ιδιαίτερη έμφαση δίνεται στην ανάλυση SWOT των προτεινόμενων μεθόδων, με στόχο τον εντοπισμό πλεονεκτημάτων, αδυναμιών, ευκαιριών και απειλών που σχετίζονται με την εφαρμογή τους. Η εργασία ολοκληρώνεται με τη διατύπωση συμπερασμάτων ως προς τη βιωσιμότητα και τη δυνατότητα συνδυαστικής αξιοποίησης των μεθόδων βελτιστοποίησης και τεχνητής νοημοσύνης για την αποτελεσματική επίλυση προβλημάτων στον κλάδο των αερομεταφορών.