National and Kapodistrian University of Athens
Collaborative Reinforcement Learning for Resolving Hotspots in the Air Traffic Management Domain
Abstract
dc:descriptionΣκοπός της παρούσας εργασίας είναι να προτείνει και να διερευνήσει τη χρήση μεθόδων συνεργατικής ενισχυτικής μάθησης για την επίλυση ανισορροπιών ζήτησης-χωρητικότητας κατά τη διάρκεια της προ-τακτικής φάσης της διαχείρισης εναέριας κυκλοφορίας. Με τον τρόπο αυτό, ξεκινά επίσης τη μελέτη τεχνικών που βασίζονται σε δεδομένα για την πρόβλεψη πολλαπλών συσχετισμένων τροχιών αεροσκαφών και, ως εκ τούτου, ανταποκρίνεται σε μια ανάγκη που προκύπτει στη σύγχρονη έρευνα και πρακτική στη διαχείριση της εναέριας κυκλοφορίας. Οι προσομοιώσεις μας, που έχουν σχεδιαστεί βάσει πραγματικών δεδομένων, επιβεβαιώνουν την αποτελεσματικότητα των μεθόδων μας στην επίλυση του προβλήματος, ακόμη και στα πιο δύσκολα σενάρια. Η αποτελεσματικότητα αυτή επιβεβαιώνεται περαιτέρω από τη δοκιμή σεναρίου πραγματικού κόσμου που παρέχεται από την CRIDA, το ισπανικό κέντρο αναφοράς για την έρευνα, την ανάπτυξη και την καινοτομία στη διαχείριση της εναέριας κυκλοφορίας.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Κράβαρης Θεοχάρης
- Kravaris Theocharis
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:1725923