Η εύρεση και η βελτιστοποίηση της χρονοδρομολόγησης του ιπτάμενου προσωπικού είναι ένα πολύ δύσκολο πρόβλημα αλλά έχει και μέγιστη σημασία για όλες τις αεροπορικές εταιρίες κυρίως από οικονομικής απόψεως. Οι δυσκολίες είναι ότι καταρχάς υπάρχουν περιορισμοί οι οποίοι πρέπει να εφαρμοσθούν κατά τη λύση του προβλήματος οι οποίοι κάνουν την επίλυση του προβλήματος πολύπλοκη, αλλά και ο χώρος αναζήτησης είναι τεράστιος.
Η εργασία μας είχε ως σκοπό την ανάπτυξη μιας εφαρμογής η οποία να μπορέσει να δώσει μια ακόμη λύση στο παραπάνω πρόβλημα. Είχε ως σκοπό τη δημιουργία ενός χώρου πιθανών λύσεων στο χώρο των ημερήσιων ωραρίων εργασίας, και τη σύζευξη έπειτα των ημερησίων ωραρίων εργασίας με τυχαία πληρώματα, ώστε να επιτύχουμε τη βελτιστοποίηση από πλευράς κόστους των ζευγαριών. Μέχρι ενός σημείου αυτό επετεύχθη αφού βρέθηκαν πολλές από τις πιθανές λύσεις στο χώρο των ημερήσιων ωραρίων εργασίας, αλλά λόγω έλλειψης χρόνου δεν μπορέσαμε να προχωρήσουμε στην υλοποίηση και της υπόλοιπης εργασίας.
Λόγω του παραπάνω προβλήματος επιλέχθηκε η χρησιμοποίηση έτοιμων δεδομένων και η εφαρμογή ενός γενετικού αλγορίθμου για την εύρεση της βέλτιστης λύσης με ικανοποιητικά αποτελέσματα.
Η εφαρμογή έχει αναπτυχθεί αποκλειστικά σε Java και σε περιβάλλον Windows10.
The optimization and finding a solution of crew scheduling is a very difficult problem, but it also economically is of utmost importance for all airlines. The first difficulty is that there are constraints which must be applied in the solution of the problem which make solving the problem complicated, but the search space is huge.
Our work was aimed at developing a system which would be able to provide another solution to the above problem. It aimed to create a space of possible solutions in the field of AirPairing, and then coupling the AirPairings with random crews to achieve the optimization of cost of crew scheduling. To some extent this has been achieved since many of the possible solutions have been found in AirPairings space, but due to lack of time we could not proceed further in the implementation to the rest of the work.
Due to the above problem was chosen the usage of ready to use data and the implementation of a genetic algorithm to find the best solution with quite good results.
The application has been developed entirely in Java and Windows10 environment.
Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.
