Βελτιστοποίηση παραμέτρων διαδρομής πλοίου με μηχανική μάθηση

Μαραγκός, Βίκτωρ

dc.contributor.advisor	Nikolaou , Grigoris
dc.contributor.author	Μαραγκός, Βίκτωρ
dc.date.accessioned	2021-03-10T21:17:09Z
dc.date.available	2021-03-10T21:17:09Z
dc.date.issued	2021-02
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/364
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-215
dc.description.abstract	Η παρακάτω διπλωματική διατριβή αναφέρεται στην βελτιστοποίηση διαδρομής πλοίου με μηχανική μάθηση. Αρχικά παρατίθεται μια εισαγωγή για το θέμα και γίνεται επεξήγηση της διατριβής. Στη συνέχεια αναλύονται ο σκοπός, οι στόχοι, τα ερευνητικά ερωτήματα και η δομή της διατριβής. Έπειτα προχωράμε στην κύρια δομή της διπλωματικής διατριβής, οπού στο δεύτερο κεφάλαιο αναφέρονται συνοπτικά τα είδη των πλοίων, ο ορισμός διαδρομής και η χάραξη της. Το 3ο κεφάλαιο είναι αφιερωμένο στη μηχανική μάθηση, με αναφορές στους τύπους μηχανικής μάθησης και σε πλεονεκτήματα μειονεκτήματα αυτής. Ακόμη πραγματοποιείται αναφορά στην μηχανική μάθηση μέσα στη ναυτιλία και ο ορισμός βελτιστοποιήσεις διαδρομής. Από το 4ο κεφάλαιο ξεκινά η λύση και επεξήγηση του αλγορίθμου. Δηλαδή πραγματοποιείται ανάλυση του προβλήματος, επιλογή μοντέλου, αναλύεται το κόστος απόφασης και αναλύονται τα κριτήρια επιλογής το κάθε ένα ξεχωριστά. Στη συνέχεια παρατίθεται ο ενδεικτικός τρόπος επίλυσης του προβλήματος, καθώς και η ανάλυση του συστήματος. Ακόμη θα γίνει αναφορά στην μοντελοποίηση του συστήματος και στα 2 ξεχωριστά δένδρα αποφάσεων που θα χρησιμοποιηθούν για την λύση του προβλήματος. Επίσης υπάρχει και η συνοπτική επεξήγηση του αλγορίθμου. Στο 5ο κεφάλαιο παρουσιάζεται η ανάλυση, εφαρμογή και λειτουργία του αλγορίθμου. Αρχικά περιγράφεται η δομή του αλγορίθμου. Στη συνέχεια αναλύεται η εφαρμογή του και οι ιδιαιτερότητες που μπορεί να υπάρχουν από πλοίο σε πλοίο. Ακόμη υπάρχει ένα συνοπτικό παράδειγμα για την καλύτερη κατανόηση του αλγορίθμου. Στο 6ο κεφάλαιο αναφέρεται ένας εναλλακτικός τρόπος βελτιστοποίησης παραμέτρων, ο οποίος είναι βελτιστοποίηση της ταχύτητας του πλοίου. Στο 7ο κεφάλαιο αναφέρεται ο σκοπός της χρήσης του αλγορίθμου και χρησιμότητά του. Επιπρόσθετα στο 8ο υπογραμμίζεται η αλληλεπίδραση του αλγορίθμου με ήδη υπάρχον εφαρμογές. Ακόμη στο 9ο κεφάλαιο αναφέρονται τα πλεονεκτήματα και τα μειονεκτήματα του αλγορίθμου. Τέλος το 10ο κεφάλαιο προβάλετε η μελλοντική έρευνα, που μπορεί να εφαρμοστεί και τα συμπεράσματα της διπλωματικής διατριβής.	el
dc.format.extent	77	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.publisher	Πανεπιστήμιο Αιγαίου	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Μηχανική μάθηση	el
dc.subject	Machine learning	el
dc.subject	Πλοία	el
dc.subject	Διαδρομή πλοίου	el
dc.subject	Αλγόριθμοι	el
dc.title	Βελτιστοποίηση παραμέτρων διαδρομής πλοίου με μηχανική μάθηση	el
dc.title.alternative	Optimization of ship route parameters with machine learning	el
dc.type	Μεταπτυχιακή διπλωματική εργασία	el
dc.contributor.committee	Παπουτσιδάκης, Μιχαήλ
dc.contributor.committee	Drosos, Christos
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής	el
dc.contributor.master	Νέες Τεχνολογίες στη Ναυτιλία και τις Μεταφορές	el
dc.description.abstracttranslated	The following thesis refers to Optimization of ship route parameters with machine learning. First of all there is an introduction of topic, also you could find the explanation of thesis. Subsequently objectives, research questions and structure of thesis are analyzed in first chapter. Then we move on to the main structure of the thesis. The second chapter refers to types of vessel, the definition of route. Chapter 3 is devoted to machine learning, with references to the types of machine learning and its advantages and disadvantages. I am also referring to machine learning in shipping and definition of vessel route optimization. At 4th chapter begins the solution and explanation of the algorithm. I am performing problem analysis, model selection, decision cost analysis and the selection criteria are analyzed. The following is an indicative way of solving the problem, in addition system will be analyzed. The algorithm consists of two separate decision trees that will be used to solve our topic. There is also a brief explanation of the algorithm. On chapter 5th the analysis, application and operation of the algorithm have been presented. Firstly the main structure of algorithm is described. Then follows the application analysis and the peculiarities that may exist from ship to ship. There is also a concise example for a better understanding of algorithm. Furthermore there is an alternative solution of data optimization. This is the Vessel’s Speed optimization, which is referred on chapter 6th. On Chapter 7 th the purpose of using the algorithm is stated. Furthermore the use of algorithm is developing. In addition, the 8 th chapter emphasizes the interaction of the algorithm with already existing applications. On Chapter 9th the advantages and disadvantages of the algorithm are mentioned. Finally, on 10th chapter I am highlighting the future research, which can be applied and the conclusions of thesis.	el

Αρχεία σε αυτό το τεκμήριο

Όνομα:: ntst44.pdf
Μέγεθος:: 2.847Mb
Τύπος:: PDF
Περιγραφή:: Διπλωματική Εργασία

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Μεταπτυχιακές διπλωματικές εργασίες - Νέες Τεχνολογίες στη Ναυτιλία και τις Μεταφορές
Μεταπτυχιακές διπλωματικές εργασίες ΠΜΣ Νέες Τεχνολογίες στη Ναυτιλία και τις Μεταφορές

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές

Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές