Um estudo de otimização dos modelos indexados pelo tempo e pelo arco-tempo e da meta-heurística iga para o problema de sequenciamento de aeronaves

Abstract

Objective: This study investigates optimization strategies for the Aircraft Sequencing Problem, aiming to increase runway efficiency and reduce fuel costs. To this end, mixed-integer linear programming (MILP) and metaheuristic approaches are analyzed. Theoretical Framework: The study is based on data from the Airports Council International (ACI) on air traffic growth and the research of Yu et al., Mehta et al., and Farhadi et al., which highlight the impact of congestion and the importance of optimizing landing and takeoff sequencing. Method: The research compares MILP models and metaheuristics, incorporating an initial solution to enhance computational efficiency. Seventy-five real-world instances are analyzed, and the solvers CPLEX and GUROBI are compared in terms of optimal solutions and optimality gaps. Results and Discussion: The inclusion of initial solutions improves the efficiency of MILP models. CPLEX and GUROBI show distinct performances: one excels in obtaining optimal solutions, while the other achieves a lower optimality gap. Research Implications: The findings provide insights for airport management, assisting in operational planning, cost reduction, and the improvement of optimization software. Originality/Value: This study contributes by comparing optimization approaches for aircraft sequencing, impacting operational efficiency, cost reduction, and air traffic management improvement.Objetivo: Este estudio investiga estrategias de optimización para el Problema de Secuenciación de Aeronaves, con el objetivo de aumentar la eficiencia de las pistas y reducir los costos de combustible. Para ello, se analizan enfoques de programación lineal entera mixta (MILP) y metaheurísticas. Marco Teórico: Se basa en los datos de Airports Council International (ACI) sobre el crecimiento del tráfico aéreo y en los estudios de Yu et al., Mehta et al. y Farhadi et al., que destacan el impacto de la congestión y la importancia de optimizar la secuenciación de aterrizajes y despegues. Método: La investigación compara modelos MILP y metaheurísticas, incorporando una solución inicial para mejorar la eficiencia computacional. Se analizan 75 instancias reales y se comparan los solvers CPLEX y GUROBI en términos de soluciones óptimas y brechas de optimalidad. Resultados y Discusión: La inclusión de soluciones iniciales mejora la eficiencia de los modelos MILP. CPLEX y GUROBI muestran desempeños distintos: uno obtiene mejores soluciones óptimas, mientras que el otro reduce la brecha de optimalidad. Implicaciones de la investigación: Los hallazgos ofrecen información relevante para la gestión aeroportuaria, ayudando en la planificación operativa, la reducción de costos y la mejora del software de optimización. Originalidad/Valor: Este estudio contribuye al comparar enfoques de optimización para la secuenciación de aeronaves, impactando en la eficiencia operativa, la reducción de costos y la mejora en la gestión del tráfico aéreo.