برنامه ریزی خطوط هواپیمایی با در نظر گرفتن محدودیت‌های عملیاتی
محورهای موضوعی : مدیریتشکوه خردمند 1 , محمد محمدی 2 , بهمن نادری 3
1 - دانشجوی کارشناسی ارشد، دانشگاه خوارزمی، گروه مهندسی صنایع، البرز، ایران
2 - دانشیار، دانشگاه خوارزمی، گروه مهندسی صنایع، البرز، ایران(عهده دار مکاتبات)
3 - استادیار، دانشگاه خوارزمی، گروه مهندسی صنایع، البرز، ایران
کلید واژه: صنعت هوایی, مسیریابی هواپیما, برنامه‌ریزی خدمه, فروش از دست رفته, الگوریتم‌های فراابتکاری,
چکیده مقاله :
از گذشته تا به امروز به علت بالا بودن هزینه‌های مربوط به صنعت هوایی و هواپیماها، برنامه‌ریزی برای این صنعت از اهمیت زیادی برخوردار بوده است. یکی از مسائل مربوط به صنعت هوایی، مسئله‌ی مسیریابی هواپیماها و تعیین تعداد هواپیماهای مورد نیاز در هر برنامه‌ی پروازی است. این مسائل، بخش قابل توجهی از هزینه‌های صنعت هوایی را برعهده دارند. از طرفی با توجه به یک سری محدودیت‌ها و قوانینی که شرکت‌های هواپیمایی در برنامه‌ها‌ی پروازی برای هر هواپیما دارند، به دست آوردن یک برنامه‌ی پروازی مناسب به منظور تعیین تعداد هواپیماهای مورد نیاز، کمینه سازی هزینه‌های مربوط به هواپیماها و هزینه‌های ناشی از فروش از دست رفته دارای اهمیت زیادی است. از طرفی با توجه به NP-hard بودن این مسئله، حل دقیق مدل در سایزهای بزرگ امکان پذیر نمی‌باشد؛ لذا با کمک الگوریتم‌های فراابتکاری چون ژنتیک و شبیه سازی تبرید به حل مسئله در سایزهای بزرگ پرداختیم و نتایج حاصل از آن‌ها را با یکدیگر مقایسه کردیم و در نتیجه به برتری الگوریتم شبیه سازی تبرید نسبت به الگوریتم ژنتیک رسیدیم.
From the past to the present due to the high costs of the aviation industry and planes, planning fir this particular industry has been furnished with a great deal of significance and attention.one of the issues concerning aviation industry, is navigation and the number of planes required in each flight schedule. These issues include a significant part of the aviation industry costs. On the other hand, based on a series of restrictions and rules made by Airline companies in the flight schedule for each plane, obtaining an efficient flight schedule for determining the number of required planes and minimizing the costs related to planes and decreasing costs arising from lost sales is of great importance. On the other hand , given NP-hard state of this issue , exact solution models in large sizes is not possible, therefore with the help of Meta-heuristics such as genetic and simulation annealing ,we have dealt with exact solution models in large sizes and have compared the obtained results and reached a total overall.
_||_