برنامه ریزی پرواز

برنامه‌ریزی پرواز از جمله مسائل اصلی شرکتهای هواپیمایی است که به صورت یک مسأله بهینه سازی از دیرباز مطرح بوده است. مسأله جامع برنامه ریزی پرواز معمولاً برای حل، به چند زیر مسأله تقسیم می شود. تخصیص هواپیما یکی از زیر مسائل برنامه ریزی پرواز است. در این مسأله با فرض معلوم بودن برنامه زمانبندی پروازها و مشخصات ناوگان آماده پرواز، نوع هواپیمای هر پرواز تعیین می شود. طی مطالعات دهه اخیر، این مسأله به صورت یک مسأله جریان در شبکه چند کالایی(Multi Commodity Network Flow) با متغیرهای صحیح و حقیقی مدلسازی شده و برای حل آن، از روشهای مرسوم در حل این نوع مسائل استفاده شده است. تحقیق حاضر با اصلاح یکی از مدلهای موجود، برای یک شرکت هواپیمایی داخلی، به بررسی و حل مسأله می پردازد. در اینجا چندین مسأله نمونه تخصیص هواپیما به پروازِ شبه واقعی با سه روش، از جمله روشهای مبتنی بر بکارگیری الگوریتمهای ژنتیک (Genetic Algorithm)، گرم و سرد کردن شبیه سازی شده (Simulated Annealing) و بهینه سازی کولونی مورچه (Ant Colony Optimization) حل شده است. برای ارزیابی کارآیی الگوریتمها، از نرم افزار GAMS، به منظور محاسبه جواب دقیق استفاده شد. در نهایت با توجه به نتایج حل مسائل نمونه با روشهای مذکور درمقایسه با نرم افزار بهینه سازی GAMS ، معلوم شد که روشهای هیوریستیک پیشنهادی در مدت زمان کوتاه تر، جوابهای قابل قبول تری ارایه می کنند و دارای مطلوبیت و قابلیت بسیاری برای حل مسأله تخصیص هواپیما به پرواز هستند.

در این پژوهش، یک مدل ریاضی چندهدفه برای مسئله زمان بندی خدمه پرواز چندمهارته ارائه شده است. در این مسئله، خدمه دارای دو مهارت سرمهمانداری و مهمانداری هستند و هر یک با توجه به تجربه ای که دارند، امکان تخصیص یافتن به پروازها و یا انواع هواپیما را پیدا می کنند. اهداف مدل پیشنهادی عبارت اند از: 1. بیشینه سازی مجموع انطباق روزهای مرخصی بر روزهای درخواستی افراد و 2. کمینه سازی مجموع جریمه انحرافات از حداقل و حداکثر ساعات کاری مجاز. با توجه به NP-Hard بودن مسئله زمان بندی خدمه، برای حل مدل پیشنهادی از دو الگوریتم فراابتکاری تکامل تفاضلی چندهدفه (MODE) و الگوریتم ژنتیک با مرتب سازی غیرمغلوب نسخه دوم (NSGA-II) استفاده شده است. پارامترهای دو الگوریتم توسط روش تاگوچی تنظیم شده اند. دو الگوریتم بر اساس چند معیار سنجش عملکردی چندهدفه مورد مقایسه قرار گرفتند. هر کدام از الگوریتم ها توانستند از نظر برخی از معیارهای سنجش عملکردی موفق تر عمل کنند. نتایج مقایسات الگوریتم ها و تحلیل حساسیت نشان داد که الگوریتم NSGA-II در زمان کمتر (حدود 18درصد) و کیفیت جواب های بهتری می تواند زمان بندی های مناسب تری برای مسئله زمان بندی خدمه پرواز ارائه کند.