BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//TUC//Events//EN
CALSCALE:GREGORIAN
BEGIN:VTIMEZONE
TZID:Europe/Athens
TZNAME:EEST
DTSTART:19700329T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EET
DTSTART:19701025T040000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
CREATED:20240711T100422Z
LAST-MODIFIED:20240711T100422Z
DTSTAMP:20260810T051515Z
UID:1786328115@tuc.gr
SUMMARY:Παρουσίαση διπλωματικής εργασιας κ. 
 Δημάκη Γεωργίου - Ραφαήλ, Σχολή ΜΠΔ
LOCATION:
DESCRIPTION:https://www.tuc.gr/el/to-polytechnei
 o/ilektronikes-ypiresies/imerologio/
 imerologio-ekdiloseon-1?tx_tucevents
 2_tuceventsdisplay%5Baction%5D=show&
 tx_tucevents2_tuceventsdisplay%5Bcon
 troller%5D=Event&tx_tucevents2_tucev
 entsdisplay%5Bevent%5D=7102&cHash=44
 38022cdf35a059a0d88deab9c940da\nΠΟΛΥ
 ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡ
 ΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ\n Ονοματεπώνυμο
 :    Δημάκης Γεώργιος - Ραφαήλ\n Αρι
 θμός Μητρώου:    2018010026\n Θέμα:\
 n Τίτλος στα Ελληνικά:    Επίλυση το
 υ Προβλήματος Προγραμματισμού Κρηπιδ
 ωτού Γερανού (QCSP) με χρήση του Αλγ
 ορίθμου Βελτιστοποίησης Σμήνους Σωμα
 τιδίων (PSO).\n Τίτλος στα Αγγλικά: 
    Solving the Quay Crane Scheduling
  Problem (QCSP) using the Particle S
 warm Optimization algorithm (PSO).\n
  Εξεταστική Επιτροπή:\n Επιβλέπων:  
       Ιωάννης Μαρινάκης\n Πρώτο Μέλο
 ς:        Μαγδαληνή Μαρινάκη\n Δεύτε
 ρο Μέλος:    Νικόλαος Ματσατσίνης\n 
 Περίληψη:\n Η παρούσα διπλωματική ερ
 γασία έχει ως αντικείμενο μελέτης έν
 α από τα σημαντικότερα προβλήματα στ
 ο κόσμο της σύγχρονης ναυτιλίας. Στο
  πρόβλημα προγραμματισμού κρηπιδωτού
  γερανού (QCSP) ,σκοπός είναι η δημι
 ουργία ενός χρονοδιαγράμματος γερανώ
 ν, το οποίο ορίζει μια ώρα έναρξης γ
 ια κάθε εργασία σε έναν γερανό. Αρχι
 κά, η θεώρηση αυτού του προβλήματος 
 βασίζεται στην τεχνολογία των κρηπιδ
 ωτών γερανών. Γενικά, ένα κρηπιδωτό 
 σύστημα γερανών αποτελείται από πολλ
 απλούς γερανούς τοποθετημένους σε σι
 δηροδρομικές γραμμές παράλληλα στην 
 αποβάθρα. Από το πρίσμα της επίλυσης
 , στους βασικούς περιορισμούς για κά
 θε γερανό περιλαμβάνεται η διατήρηση
  της απόστασης ασφάλειας και οι διαφ
 ορετικοί χρόνοι ενεργοποίησης των γε
 ρανών. Αντίστοιχα, κάθε ελλιμενισμέν
 ο σκάφος προς εξυπηρέτηση διαθέτει μ
 ια σειρά εργασιών μεταφόρτωσης εμπορ
 ευματοκιβωτίων όπου κάθε εργασία δια
 φοροποιείται σε χρόνο εκτέλεσης και 
 θέσης. Με άλλα λόγια, αποσκοπούμε σε
  μια βέλτιστη αλληλουχία αντιστοίχισ
 ης εργασιών με γερανούς εκμεταλλευόμ
 ενοι τα παραπάνω χαρακτηριστικά για 
 την διαμόρφωση ενός προγράμματος εργ
 ασιών που ελαχιστοποιεί τον χρόνο δι
 εκπεραίωσης τους. Για την επίτευξη τ
 ων παραπάνω, χρησιμοποιείται ο αλγόρ
 ιθμος Σμήνους Σωματιδίων (PSO) ο όπο
 ιος ανήκει στην κατηγορία των αλγορί
 θμων swarm intelligence.Η θεωρία πίσ
 ω από αυτόν τον αλγόριθμο βασίζεται 
 στον ορισμό μιας λύσης ως σωματίδιο 
 μέσα σε έναν χώρο. Επιπρόσθετα, ο μη
 χανισμός του αλγορίθμου βασίζεται στ
 ην δημιουργία ενός σμήνους σωματιδίω
 ν(λύσεων) σε ένα χώρο(διάστημα τιμών
   - χώρος λύσεων) και έπειτα την μετ
 ακίνηση του σωματιδίου μας(αρχική λύ
 ση) χρησιμοποιώντας τις θέσεις των ά
 λλων σωματιδίων σε συνάφεια με τις ε
 ξισώσεις ταχύτητας και μετατόπισης γ
 ια να φτάσει σε καλύτερη θέση(βέλτισ
 τη λύση).\n  \n  \n Περίληψη (Αγγλικ
 ά):\n This thesis has as its object 
 of study one of the most important p
 roblems in the world of modern shipp
 ing. In the quay crane scheduling pr
 oblem (QCSP), the goal is to create 
 a crane schedule, which defines a st
 art time for each job on a crane. In
 itially, the consideration of this p
 roblem is based on the technology of
  quay cranes. Generally, a platform 
 crane system consists of multiple cr
 anes placed on rails parallel to the
  dock. From the perspective of solvi
 ng, the main constraints for each cr
 ane include maintaining the safety d
 istance and the different activation
  times of the cranes. Accordingly, e
 ach docked vessel for service has a 
 series of container transshipment ta
 sks where each task is differentiate
 d in execution time and location. In
  other words, we aim for an optimal 
 task matching sequence with cranes b
 y exploiting the above features to f
 orm a task schedule that minimizes t
 heir processing time. To achieve the
  above, the Particle Swarm algorithm
  (PSO) is used, which belongs to the
  category of swarm intelligence algo
 rithms. The theory behind this algor
 ithm is based on the definition of a
  solution as a particle in a space. 
 Additionally, the mechanism of the a
 lgorithm is based on creating a swar
 m of particles (solutions) in a spac
 e (value space  - solution space) an
 d then moving our particle (initial 
 solution) using the positions of the
  other particles in relation to the 
 velocity and displacement equations 
 to reach a better position (optimal 
 solution).\n  \n  \n \n Ημ/νία εξέτα
 σης:    15-07-2024\n Ώρα:           
  9:45\n Χώρος εξέτασης:\n Η παρουσία
 ση θα γίνει με τηλεδιάσκεψη: https:/
 /tuc-gr.zoom.us/j/92778262800?pwd=3R
 0nWut3yxJUn4zazNa7VeHogQ9UIE.1\n  \n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20240715T094500
DTEND:20240715T104500
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR