Uma abordagem metaheurística para o sequenciamento de aeronaves para pouso e o aumento de capacidade de pista
Notice bibliographique
Résumé
Problemas de capacidade de pista estão presentes em vários aeroportos ao redor do mundo. A execução eficiente e eficaz do sequenciamento de aeronaves para pouso tornou-se uma alternativa para o aumento de capacidade de pista no nível tático. O problema do sequenciamento busca determinar a melhor ordem de processamento de aeronaves para pouso, a fim de otimizar o uso da pista e mitigar atrasos, entre outros objetivos, sujeito a uma série de restrições operacionais. O presente estudo tem por objetivo desenvolver um método de solução para o problema de sequenciamento que seja capaz de produzir um ganho de capacidade de pista, gerar soluções viáveis em um curto espaço de tempo e manter a equidade entre as empresas aéreas, respeitando o número máximo de mudanças de posição das aeronaves em uma nova sequência. O método é baseado na metaheurística de arrefecimento simulado adaptado ao contexto do problema estudado. O conjunto de dados Airland, disponível na OR-library, e dados reais do Aeroporto Internacional de São Paulo/Guarulhos foram utilizados para avaliar os potenciais benefícios do método proposto. Os resultados mostraram ganhos de capacidade de até 21% para os dados teóricos e de 10% para os dados reais.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».