Gerçek Zaman Kısıtları Altında Seyrüsefer Planlamaya Yeni Bir Yaklaşım

Yıl 2012, Cilt: 11 Sayı: 1, 119 - 132, 01.03.2012

Ferhat Uçan D.turgay Altılar

Öz

Anahtar Kelimeler

-

Gerçek Zaman Kısıtları Altında Seyrüsefer Planlamaya Yeni Bir Yaklaşım

Öz

Gerçek zaman kısıtları altında seyrüsefer planlama, değişken ortam koşullarında hava aracı için minimum yakıtla en güvenilir, en kısa yoldan intikali tamamlayabilmesi için gerekli çözümün bulunmasını gerektirir. Enlem, boylam koordinatları ve yükseklik değerleri ile tanımlanan uçuş noktalarının bazıları arasında geçiş yolları bulunmaktadır. Bu yol parçalarının uzunluk, güvenlik, yükseklik gibi rastlantısal olarak değişebilen kısıtları mevcuttur. Problemin en uygun çözümü, tüm amaç fonksiyonlarını birlikte eniyileyen çözümdür. Böyle bir çözüme ulaşmak çoğunlukla zordur. Çünkü genellikle göz önüne alınan kısıtlar birbiriyle çelişkili ve negatif yönde etkileşimlidir. Problem uzunluk, yükseklik ve güvenlik koşullarını kısıt olarak değerlendirildiğinden çok amaçlı eniyileme problemidir. Gerçekleştirilen sistem uçuş planı tasarlama ve yürütme olmak üzere iki alt sistemden oluşmaktadır. Uçuş planı tasarlama alt sisteminde, hava araçlarının, bir intikal başlangıç noktasından hedef noktasına en güvenilir, en kısa, en düz yoldan intikali evrimsel yöntemle, genetik algoritma ile planlanmıştır. Uçuş planı yürütme alt sistemi sağladığı yatay ve dikey seyrüsefer güdüm fonksiyonlarıyla tüm uçuş bacakları için, istenilen kalkış noktasından bir sonraki varış noktasına planlanan intikali gerçekleştirir. Problem çözümünde tasarlanan alt sistemler üç boyutlu çizge yapısını kullanmaktadır

Anahtar Kelimeler

Seyrüsefer Planlama, Uçuş Planı Simülasyonu, Çok Amaçlı Eniyileme, Karar

Kaynakça

• Ahn C.H. ve Ramakhrisna R.S. (2002). A Genetic Algorithm for Shortest Path Routing Problem and the Sizing of Populations, IEEE Trans Evolutionary Computation, 6(6), 566-579.
• Bosman P. (2005). Learning, Anticipation and Time-Deception in Evolutionary Online Dynamic Optimization, GECCO-2005 Workshop on Evolutionary Algorithms for Dynamic Optimization, Washington DC.
• Franciosa P.G., Frigioni D. ve Giaccio R. (1997). Semi-Dynamic Shortest Paths and Breadth First Search in Digraphs, Symp. Theoretical Aspects of Computer Science.
• Frigioni D., Marchetti A. ve Nanni U. (2000). Fully Dynamic Algorithms For Maintaining Shortest Paths Trees, J. Algorithms, 34, 251–281.
• Goldberg D.E. (1989). Genetic Algorithms in Search, Optimization And Machine Learning, Addison-Wesley Publishing Company.
• Harik G., Cantu-Paz E. ve Goldberg D.E. (1999). The Gambler’s Ruin Problem, Genetic Algorithms, And The Sizing of Populations, Evo. Comp., 7, 231– 253.
• Hatzakis I. ve Wallace D. (2006). Dynamic Multi-Objective Optimization with Evolutionary Algorithms: A Forward-Looking Approach, Genetic and Evolutionary Computation Conference (GECCO'2006), ACM Press.
• Hocaoglu C. ve Sanderson A.C. (1996). Planning multi-paths using speciation in genetic algorithms, IEEE Int. Conf. Evolutionary Computation, Nagoya, Japan.
• Morrison, R.W. (2004). Designing Evolutionary Algorithms for Dynamic Environments, Springer-Verlag, Berlin.
• Ramalingam G. ve Reps T. (1996). On the Computational Complexity of Dynamic Graph Problems, Theoret. Comput. Sci., 158(1), 233–277.
• TM 1-70-28D-10, (2002). Operators Manual for Sikorsky S70-A Helicopter 28D Glass Cockpit Helicopter, Chapter 7 Performance Data.
• Uğur A. (2008). Path Planning on A Cuboid Using Genetic Algorithms, Information Sciences, 178, 3275–3287.