Enhanced hybrid big bang-big crunch optimization algorithms and applications on single and multi-objective airport gate assignment problem

Abstract

Bu çalışmada, Büyük Patlama Büyük Çöküş eniyileme yönteminden yola çıkılarak sürekli eniyileme problemlerinin çözümüne yönelik Yerel Yönsel İlerlemeli Büyük Patlama-Büyük Çöküş yöntemi önerilmiştir. Algoritmanın doğruluk, hız ve karmaşıklık analizi hem Büyük Patlama-Büyük Çöküş yöntemi ile hem de literatürde en çok kabul görmüş yöntemlerle karşılaştırmalı olarak verilmiştir. Bunun yanında tek amaçlı ve çok amaçlı havaalanı kapı atama problemlerinin çözümüne yönelik yeni evrimsel arama algoritmaları önerilmiştir. Önerilen algoritmaların test edilebilmesi için gerçek saha verilerine yakın bir şekilde parametrik veri üretebilen sentetik veri üreteci tasarlanmıştır. Bu yapay verilerle benzetimleri yapılan algoritmaların performansı, İstanbul Atatürk Havaalanı'ndan elde edilen saha verileri üzerinde de sınanmış, elde edilen sonuçlar Atatürk Havaalanı'nda kurulan kaynak yönetim sisteminde kullanılmıştır.

One of the main contributions of this study is the local search hybridized version of the Big Bang-Big Crunch optimization algorithm, namely Big Bang-Big Crunch Algorithm with Local Directional Moves for continuous optimization problems. The accuracy, speed and complexity analyses for the algorithm are compared with both the Big Bang-Big Crunch algorithm and state-of-the-art versions of the well known evolutionary computing methods. As the second main contribution of the study, new evolutionary algorithms on the solution of single and multi-objective airport gate assignment problems have been proposed. The effectiveness of the algorithms is then tried to be illustrated on quasi-realistic airport plane and pedestrian traffic data and actual field data collected from İstanbul Atatürk Airport.