Aircraft parking optimization using genetic algorithm

Abstract

Havacılığın büyümesi bir çok yeni probleme neden oldu. Bu problemlerden bir taneside GAP (Kapı Atama Problemi [Gate Assignment Problem]) dir. Uçak sayısındakiartı¸sın sebep oldu˘gu yoğunluk havalimanlarının verimli şekilde kullanılmasını zorunlukılmaktadır. Uçakların park pozisyonları operasyonel maliyetleri etkilediği gibitransit yolcuların ve yolculara ait bagajların bir sonraki uçağa yetişebilmesini deetkilemektedir. GAP in amacı uçakları en uygun şekilde park ettirerek havalimanınınverimli kullanılmasını sağlamaktır. Literatürde, ilk olarak toplam yürüme mesafesihedef fonksiyon olarak, ardından toplam yürüme mesafesi ve bagajların bir sonrakiuçuşa olan uzaklıkları hedef fonksiyon olarak kullanıldı.GAP, Babic ve diğerleri [2] tarafından 1980'lerde tam-sayılı program kullanılarakaraştırılmaya başlandı ve bu konuda yapılan araştırmalar sürdü. İlerleyen yıllarda,deterministik model yerine istatistiksel modeller tercih edildi. Çeşitli simulasyonmodelleri Yu Cheng tarafından problemin çözümü olarak önerildi [3]. Bolat [4] isehedef fonksiyonunu transit yolcu ya da bagaj uzaklığı almayıp operasyonel maliyetlerihedef fonksiyonu seçmiştir. İlk defa 1998'de GA (Genetik Algoritma [GeneticAlgorithm]) , GAP için kullanıldı [5]. Bu karma¸sık problemin hesaplanması GA ilekısaltılmıştır. 2001 yılında çoklu hedef fonksiyonu önerildi [6]. Bağlantı (Linkage) vedüzenli dağılım metodu GAP için Paolo [7] tarafından kullanıldı.Bu tezde, GAP, GA yöntemi kullanılarak çözüldü. Toplam transit yolcu yürümemesafesi hedef fonksiyon olarak seçildi. Bu metod havacılık maliyetlerini dü¸sürmeyive mü¸steri memnuniyetini yükseltmeyi hedeflemektedir. Bu da gecikmeleri vegeciken uçak sayısını azaltmaktadır. GA uygulaması herhangi bir hazır programkullanmadan GAP için, web arayüzü kullanılarak `http://genetik1.netf13.com/home`üzerinde geliştirildi.Bu tezde özellikle aktarma merkezi olan havalimanları için operasyon maliyetleriniminimize edecek ¸sekilde uçak yerleştirme optimizasyonu yapıldı. GAP'in uçakyerleştirme süreci yeterince dikkatli takip edilmezse havalimanlarının programlarıetkilenebilmektedir. Benzer çalışmalar daha önce yapılmış olsa da bu çalışmauygulama web arayüzü ile etkile¸simli bir programdır. Bu çalışmada, GA'nındoğadan ilham aldığı vurgulanmaktadır. Bu tarz programlar doğanın doğal seçimkurallarından etkilenerek çalı¸sırlar. Genetik algoritma evrimsel bir algoritma olupuygun parametreler ile çalışmaktadır. Bu parametreler GAP'e uygun ve probleminveri hacmine göre seçilmiştir.Geliştirilmiş Permütasyon kodlama bu çalı¸sma için uygundur çünkü normalpermütasyon kodlama boş değerlerin gösteriminde yetersiz kalmaktadır. OX (Düzenliparça değişimi [Ordered Crossing over]) ve PMX (kısmi eşleştirmeli parça değişimiPMX [Partially Mapped Crossing-over]) permütasyon kodlama için uygundur fakat OXtekniği boş değerler içeren permütasyon kodlama için daha iyidir.Bu çalışmada PHP programı algoritma için, HTML ise GUI (kullanıcı arayüzü[Graphic User Interface]) için ve MySQL4 ise veritabanı için kullanılmıştır. Buprogramda GUI olduğundan kullanıcılar web sitesini ekileşimli şekilde kullanabilir.Kullacı istediği parametreleri kullanarak, en iyi 5 çözüme ulaşabilir, bu çözümlerianaliz edebilir ve inceleyebilir.Tablo, '0data_set_gate' bir kare matris olup kapılar arasındaki uzaklı˘gı göstermektedir.'data_set_plane' matrisi kare matris olup uçaklar arasındaki transit yolcu sayısınıgöstermektedir. Buna ek olarak `açık` tablo programın kolay kullanılması veparametrelerin hafızada tutulması ve küme olarak kullanılabilmesi içindir. Sonolarak, parametreler ve sonuçlar `stat` tablosunda tutulmaktadır. Program arka plandaveritabanı ile haberleşmekte, algoritmayı çalıştırmaya başlamadan parametrelerikontrol etmekte ve son olarak PHP ile çalıştırılmaktadır. PHP kodları Burak Durukantarafından, algoritma tasarımı ise Burak Güler tarafından yapılmıştır.Program testlerinde, en son adım metodu sonuç bulmak için kullanıldı˘gında sonuçlarbüyük bir rassallık göstermektedir. Algoritma çok net sonuçlar vermemektedir.Algoritma'nın yapay zeka gibi çalı¸sıyor olması için durgun adım (stagnant step)parametresi kullamalıdır. Durgun adım parametresi kullanıldığında algoritma, çokbüyük adımlara gelmeden de sonuç bulabilmektedir. Durgun adımlar parametresi ile eniyi sonuçları erken adımlarda bulabiliyoruz. Bu çalışma durgun adım parametresinin,final adım sayısının 1/5 ile 1/9 arasında olduğunu gösterdi. Diğer sonuç süresinietkileyen, kullanılabilir parametre ise mutasyon oranıdır. En iyi mutasyon oranıise 0,06 ile 0,11 arasındadır. Daha yüksek mutasyon oranı sonuca olumsuz yansırve çözüm süresini uzatır. Sonucun iyileşmesini sağlayan bir diğer parametre iseelitizmdir.Sonuç olarak benzer çalışmalar yapılmış olsa da bu çalışma halka açık ve websitesi üzerinde yürütülebilmektedir. Bu program kolayca geliştirilebilirdir çünkübir sınıfta yapılan değişik sadece ilgili kısmı etkilemekte, programın geri kalanınıetkilememektedir.

The growth of aviation industry created new problems. One of these problems is theGAP (Gate Assignment Problem). Increasing aircraft traffic at large airports requiresthe effective use of gates. Airplane parking positions have affected the operationalcosts as well as the ability of transit passengers and their baggage to reach the nextflight. The goal of GAP is to park aircrafts at the appropriate locations on the groundto ensure that airport parking area is used in a most efficient way. In literature, first thetotal walking distance of transit passengers, then the distance from the parking positionto the baggage area and the total distance to the next flights of transit passengers areused as the target function.In 1980s, Babic et al. [2] did some research on this problem by usinginteger-programming and it got investigated by many others. In the following years,statistical models were preferred instead of deterministic models. Various simulationmodels were proposed by Yu Cheng [3]. Bolat [4] took operational costs as a targetfunction instead of transit passengers or baggage distance. For the first time in 1998,GA [5] was used for GAP. The calculation of this complicated problem (GAP) isshortened using GA. In 2001, multiple targeted problems have been proposed [6].Linkage and uniform gene exchange methods were used for GAP by Paolo [7].In this thesis, GAP is solved by GA method. Total transit passenger walking distance isused as an objective function. This method aims to minimize airline cost and maximizecustomer satisfaction. This will also minimize the time delay and the number ofdelayed planes. The GA has been developed properly for GAP without any useof GA program package, and it has been introduced in the interface of a web page'http://genetik1.netf13.com/home'.This paper aims the optimization of planes allocation in order to minimize theoperation cost, especially in hub airports. Gate assignment problem (GAP) is a processwhich affects hub airports scheduling if it is not handling with a great attention. Eventhere are similar studies, this paper's application runs on an interactive and open topublic web page. In this thesis, it is emphasized that GA gets inspiration from naturalselection. These type of algorithms are successful in problem-solving because theyuse the nature's rules of survival. A genetic algorithm is an evolutionary algorithm.So there must be appropriate parameters of the algorithm to work properly. Theseparameters are chosen in accordance with GAP and the size of the problem.While coding the program, a modular structure was constructed. This program can bedeveloped easily because changes in a specific class are only effective within its class.As a result of this, changes do not affect the general working protocol.Enhanced Permutation Code is appropriate for this study because normal permutationcode is insufficient for null values in representation. OX and Partially Mapped CO(PMX) are appropriate for permutation representation but OX is better for permutationwith null values.xixIn this application, PHP is used for the algorithm, HTML is used for GUI and MySQL4is used for the database. As this program is a GUI, it allows other people to goto the web-site and interact. While coding the programme, a modular structure wasconstructed. The user can choose any parameter and start the program. However, byusing their preferred parameters, they can get top 5 results, analyze and examine them.0data_set_gate0 table is a square matrix that indicates the distance between thegates. 0data_set_plane0 table is a square matrix that indicates the number of transitpassengers on a plane. Furthermore, 'open' table is for the easy use of the program withmemorizing and accessing usable parameter sets. In the end, parameters and results arekept in the `stat` table. On the background, communication with the database, the startof the algorithm and parameter checks and setup is provided from PHP. This objectoriented PHP system is coded by Burak Durukan and algorithm is designed by BurakGüler. The program and the code in the thesis is stored in a CD. Running parametersand results can be seen 3.1 and 3.2 sections.During the trials, when the final step is used to get a result, the outcome turns out to berandom. The algorithm does not give palpable results in the final step. The algorithmshould work like an artificial intelligent so stagnant step is preferable parameter for it.Using stagnant step gives a chance for algorithm to find a solution before the final stepwhich is determined earlier but in big numbers. The stagnant step forces algorithmto stop after getting the best result. This study shows that the best stagnant step isbetween 1/5 and 1/9 of the final step.Another usable parameter that affects run time of the algorithm is mutation rate.Studies show that the best mutation rate for this algorithm is between 0,06 and 0,11.Due to direct changes in solutions, higher mutation rate is unnecessary and negativefor the result. Another parameter behind the best result is elitism.There have been similar studies about GAP before. However, what makes thisapplication unique is that it can be run on a web-page and is open to public. Thisprogram is open to further development as changes in a class are only effective withinits class. Changes do not affect the general working protocol.