A Graph-Enhanced Deep-Reinforcement Learning Framework for the Aircraft Landing Problem

要約

航空機着陸問題（ALP）は、航空機の輸送と管理における挑戦的な問題の1つです。
課題は、コストと遅延が最適化されるように、到着する航空機を順番にスケジュールすることです。
この問題を解決するためのさまざまなソリューションアプローチがあり、そのほとんどはオペレーションリサーチアルゴリズムとメタフルーリスティックに基づいています。
従来の方法は、どちらか一方の要因でより良いパフォーマンスを発揮しますが、リアルタイムの再スケジュールと計算のスケーラビリティを完全に解決する問題が残っています。
このペーパーでは、グラフニューラルネットワークとアクタークリティックアーキテクチャを組み合わせてALPに対処する新しいディープ強化学習（DRL）フレームワークを紹介します。
このペーパーでは、3つの重要な貢献を紹介します。航空機間の時間的および空間的関係を効率的にキャプチャするグラフベースの状態表現、着陸スケジューリングにおける複数の競合する目標を処理するように設計された専門のアクター批判的なアーキテクチャ、および安全性の制約を維持しながら効率的なリソース利用を保証する滑走路バランス戦略。
結果は、訓練されたアルゴリズムがさまざまな問題セットでテストできることを示しており、結果は操作研究アルゴリズムに競争力があることを示しています。
標準のベンチマークデータセットの実験結果は、混合整数プログラミング（MIP）と比較して、計算時間が99.95％減少し、最初のサーブ（FCFS）アプローチを38％上回る滑走路スループットを示しています。
したがって、提案されたソリューションは従来のアプローチに競争力があり、実質的な進歩を達成します。
特に、再訓練を必要とせず、産業展開に特に適しています。
フレームワークは、1秒以内にソリューションを生成する機能により、リアルタイムの再スケジュールを可能にし、航空交通管理の重要な要件に対処します。

要約(オリジナル)

The Aircraft Landing Problem (ALP) is one of the challenging problems in aircraft transportation and management. The challenge is to schedule the arriving aircraft in a sequence so that the cost and delays are optimized. There are various solution approaches to solving this problem, most of which are based on operations research algorithms and meta-heuristics. Although traditional methods perform better on one or the other factors, there remains a problem of solving real-time rescheduling and computational scalability altogether. This paper presents a novel deep reinforcement learning (DRL) framework that combines graph neural networks with actor-critic architectures to address the ALP. This paper introduces three key contributions: A graph-based state representation that efficiently captures temporal and spatial relationships between aircraft, a specialized actor-critic architecture designed to handle multiple competing objectives in landing scheduling, and a runway balance strategy that ensures efficient resource utilization while maintaining safety constraints. The results show that the trained algorithm can be tested on different problem sets and the results are competitive to operation research algorithms. The experimental results on standard benchmark data sets demonstrate a 99.95% reduction in computational time compared to Mixed Integer Programming (MIP) and 38% higher runway throughput over First Come First Serve (FCFS) approaches. Therefore, the proposed solution is competitive to traditional approaches and achieves substantial advancements. Notably, it does not require retraining, making it particularly suitable for industrial deployment. The frameworks capability to generate solutions within 1 second enables real-time rescheduling, addressing critical requirements of air traffic management.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google