ΤΟΜΕΑΣ Α

Α1. Παράλληλοι Αλγόριθμοι Πολυκριτηριακής Δρομολόγησης

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης
Συνεπιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης

Σε πολλές εφαρμογές δρομολόγησης, που περιλαμβάνουν συγκοινωνιακά συστήματα αλλά και συστήματα ρομποτικής, τεχνητής νοημοσύνης και λήψης αποφάσεων, οι προτεινόμενες λύσεις είναι πολύ-παραμετρικές ή πολύ-κριτηριακές. Στις περιπτώσεις αυτές δεν υπάρχει μια μονοσήμαντη βέλτιστη λύση, αλλά ένα σύνολο λύσεων το οποίο καλείται ο ενδιαφερόμενος να επιθεωρήσει προκειμένου να επιλέξει την καλύτερη λύση για το πρόβλημα που εξετάζει. Όμως οι λύσεις αυτές μπορεί να είναι εκθετικά πολλές και ένα σημαντικό ζητούμενο είναι να φιλτραριστούν γρήγορα εκείνες που είναι μη κυριαρχούμενες, δηλαδή να υπολογισθεί ένα υποσύνολο λύσεων στο οποίο καμία λύση δεν είναι σε όλες τις παραμέτρους (κριτήρια) καλύτερη από μια άλλη. Ένας τρόπος επιτάχυνσης αυτής της διαδικασίας είναι η χρήση παραλληλισμού.

Στην πρόσφατη βιβλιογραφία έχουν προταθεί αποδοτικοί παράλληλοι αλγόριθμοι φιλτραρίσματος τόσο για την περίπτωση των δύο κριτηρίων [1,2], όσο και για τη γενικότερη περίπτωση πολλών κριτηρίων [3].

Στο πλαίσιο της διπλωματικής αυτής ζητούνται:

• Η μελέτη και κριτική επισκόπηση της υπάρχουσας βιβλιογραφίας.
• Η ανάπτυξη αποδοτικών παράλληλων αλγορίθμων για την επίλυση της δι-κριτηριακής ή/και πολύ-κριτηριακής δρομολόγησης.
• Η εκτενής πειραματική αξιολόγηση των αλγορίθμων που θα προκύψουν.

Ενδεικτική Βιβλιογραφία

[1] P. Sanders and L. Mandow. Parallel label-setting multi-objective shortest path search. In Int. Symp. on Parallel and Distributed Processing, pages 215–224, 2013. DOI: https://doi.org/10.1109/IPDPS.2013.89 

[2] P. Maristany de las Casas, R. Borndoerfer, L. Kraus, and A. Sedeno-Noda. An FPTAS for dynamic multiobjective shortest path problems. Algorithms, 14(2):43, 2021. DOI: https://doi.org/10.3390/a14020043  

[3] P. Maristany de las Casas, A. Sedeno-Noda, and R. Borndοerfer. An improved multiobjective shortest path algorithm. Comput. Oper. Res., 135:105424, 2021.
https://opus4.kobv.de/opus4-zib/files/7971/main.pdf

Α2. Αποδοτική Εύρεση Βέλτιστων Διαδρομών σε Χρονο-εξαρτώμενα Οδικά Δίκτυα

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης  
Συνεπιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης    

Η εύρεση βέλτιστων διαδρομών σε οδικά δίκτυα είναι ένα βασικό αλγοριθμικό εργαλείο σε συστήματα πλοήγησης. Το κεντρικό ζητούμενο είναι η (σε πραγματικό χρόνο) ταχύτατη απόκριση ερωτημάτων εύρεσης βέλτιστης διαδρομής μεταξύ μιας αφετηρίας και ενός προορισμού. Υπάρχει μια πληθώρα μεθόδων και αλγορίθμων ταχύτατης απόκρισης σε κλασσικά χρονο-ανεξάρτητα οδικά δίκτυα, όπου το χρονικό κόστος διαπέρασης μιας ακμής είναι ο μέσος χρόνος διέλευσης [4]. Πρόσφατα έχουν αναπτυχθεί μέθοδοι για την πιο ρεαλιστική περίπτωση των χρονο-εξαρτώμενων οδικών δικτύων, όπου το χρονικό κόστος διαπέρασης μιας ακμής εξαρτάται από το χρόνο αναχώρησης από την αρχική κορυφή της ακμής [2,3,4]. Όλες οι μέθοδοι έχουν ένα κοινό χαρακτηριστικό: δημιουργούν μια δομή δεδομένων σε μια φάση προεπεξεργασίας του οδικού δικτύου, έτσι ώστε αργότερα να μπορούν να απαντούν ταχύτατα σε ερωτήματα  εύρεσης βέλτιστων διαδρομών.  

 Ένα σημαντικό πρόβλημα στην ρεαλιστική περίπτωση των χρονο-εξαρτώμενων οδικών δικτύων είναι η ταχύτατη επεξεργασία ενός μεγάλου συνόλου ερωτημάτων εύρεσης βέλτιστων διαδρομών. Στα πλαίσια αυτά αναπτύχθηκε πρόσφατα μια μέθοδος που βασίζεται αφενός στην ιεραρχική διαμέριση του δικτύου σε περιοχές και αφετέρου σε ένα νέο δενδρικό ευρετήριο που απαντά γρήγορα σε ερωτήματα εύρεσης βέλτιστων διαδρομών μεταξύ των συνοριακών κόμβων των περιοχών [1]. 

Στο πλαίσιο της διπλωματικής αυτής ζητούνται:   

• Η κριτική επισκόπηση των μεθόδων τεχνολογικής στάθμης για εύρεση βέλτιστων διαδρομών σε χρονο-εξαρτώμενα οδικά δίκτυα βασισμένες σε ιεραρχικές διαμερίσεις και δημιουργία ευρετηρίων.  

• Η ανάπτυξη μιας νέας μεθόδου προεπεξεργασίας ενός χρονο-εξαρτώμενου οδικού δικτύου και ενός αλγορίθμου απόκρισης σε ένα σύνολο ερωτημάτων εύρεσης βέλτιστων διαδρομών βασισμένων αφενός σε μια ιεραρχική διαμέριση του δικτύου σε περιοχές με δημιουργία ευρετηρίου και αφετέρου στη χρήση της μεθόδου FLAT ή HORN [2,3] για απάντηση ερωτημάτων εντός των περιοχών και μεταξύ των συνοριακών κόμβων τους. 

• Η εκτενής πειραματική αξιολόγηση της νέας μεθόδου σε πραγματικά δεδομένα. 

Ενδεικτική Βιβλιογραφία 

[1] Y. Wang, G. Li, N. Tang. Querying Shortest Paths on Time Dependent Road Networks. PVLDB, 12:11 (2019), pp. 1249 – 1261. 

[2] S. Kontogiannis, G. Papastavrou, A. Paraskevopoulos, D. Wagner, and C. Zaroliagis. Improved Oracles for Time-Dependent Road Networks. In Algorithmic Approaches for Transportation Modeling, Optimization, and Systems – ATMOS 2017, OASIcs Series, Vol.59 (2017), pp. 4:1-4:17. 

[3] S. Kontogiannis, D. Wagner, and C. Zaroliagis. An Axiomatic Approach to Time-Dependent Shortest Path Oracles. Algorithmica, Vol. 84 (2022), pp. 815-870. 

[4] Bast, H., Delling, D., Goldberg, A. V., Müller-Hannemann, M., Pajor, T., Sanders, P., Wagner, D., Werneck, R.: Route planning in transportation networks. In Algorithm Engineering, LNCS vol. 9230, Springer (2016). 

Α3. Εύρεση Εναλλακτικών Διαδρομών με Διαφορετικά Χαρακτηριστικά σε Χρονο-εξαρτώμενα Οδικά Δίκτυα

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης
Συνεπιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης

Πολλές φορές υπάρχει ανάγκη για την εύρεση περισσότερων από μια βέλτιστων διαδρομών που ξεκινούν από μια αφετηρία και καταλήγουν προς έναν προορισμό σε ένα οδικό δίκτυο. Για την επίλυση του εν λόγω προβλήματος, έχουν αναπτυχθεί μέθοδοι τόσο σε στατικά (χρονο-ανεξάρτητα) δίκτυα [1,2], όσο και σε χρονο-εξαρτημένα [3]. Πρόσφατα αναπτύχθηκε μια μέθοδος που βρίσκει εναλλακτικές διαδρομές σε στατικά δίκτυα των οποίων αφενός τα χαρακτηριστικά διαφέρουν αλλά αφετέρου το κόστος τους απέχει ελάχιστα από το κόστος της βέλτιστης διαδρομής [4].

Στο πλαίσιο της διπλωματικής αυτής ζητούνται:

• Η ανάπτυξη μιας νέας μεθόδου εύρεσης εναλλακτικών διαδρομών με διαφορετικά χαρακτηριστικά σε χρονο-εξαρτώμενα δίκτυα και των οποίων το συνολικό κόστος να απέχει ελάχιστα από το κόστος της βέλτιστης διαδρομής.
• Η διεξαγωγή μιας εκτενούς πειραματικής μελέτης και αξιολόγησης της νέας μεθόδου σε πραγματικά χρονο-εξαρτώμενα οδικά δίκτυα.

Ενδεικτική Βιβλιογραφία

[1] Bader, R., Dees, J., Geisberger, R., and Sanders, P. Alternative route graphs in road networks. In International Conference on Theory and Practice of Algorithms in (Computer) Systems (pp. 21-32). Springer, Berlin, Heidelberg, 2011.

[2] A. Paraskevopoulos and C. Zaroliagis. Improved Alternative Route Planning. In Algorithmic Approaches for Transportation Modeling, Optimization, and Systems – ATMOS 2013, OASIcs Series, Vol.33 (2013), pp.108-122.

[3] S. Kontogiannis, A. Paraskevopoulos, and C. Zaroliagis. Time-Dependent Alternative Route Planning: Theory and Practice. Algorithms, Vol. 14:8 (2021), 220.

[4] C. Häcker, P. Bouros, T. Chondrogiannis, and E. Althaus. Most Diverse Near-Shortest Paths. In Advances in Geographic Information Systems – ACM SIGSPATIAL 2021.

Α4. Παραλλαγές του Ευρετικού Αλγορίθμου Α* για Κατασκευή Συντομότερων Διαδρομών υπό Περιορισμούς Πόρων

Επιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης
Συνεπιβλέπων: Καθ. Χρήστος Ζαρολιάγκης

Το πρόβλημα εύρεσης συντομότερης διαδρομής υπό περιορισμούς χρήσης πόρων (Resource Constrained Shortest Path Problem – RCSPP) είναι ένα από τα γνωστά NP-πλήρη προβλήματα συνδυαστικής βελτιστοποίησης. Η σημαντικότητα του συγκεκριμένου προβλήματος έγκειται σε πάρα πολλές εφαρμογές του πραγματικού κόσμου που βασίζονται σε αυτό, όπως η δρομολόγηση οχημάτων υπό περιορισμούς, η ενορχήστρωση διεργασιών, η ρομποτική, κ.λπ.

Μια βέλτιστη λύση ενός στιγμιοτύπου του RCSPP είναι μια ελάχιστου κόστους διαδρομή η οποία καταναλώνει (το πολύ) μια περιορισμένη ποσότητα ενός συγκεκριμένου πόρου. Χαρακτηριστικά παραδείγματα είναι η εύρεση συντομότερων διαδρομών μεταξύ δύο σημείων δεδομένου ότι το κόστος κίνησης (πχ, διόδια, κατανάλωση καυσίμου, ηλεκτρικής ενέργειας, κ.λπ.) δεν υπερβαίνει τον προϋπολογισμό μας.

Στόχος της διπλωματικής είναι η μελέτη, παρουσίαση, υλοποίηση και συγκριτική αξιολόγηση ορισμένων από τις αποδοτικές παραλλαγές της ευρετικής μεθόδου Α* για την επίλυση του SPPRC, που παρουσιάζονται στις [2,3,4].

Στο πλαίσιο της διπλωματικής ζητούνται:

• Η μελέτη και κριτική επισκόπηση της βιβλιογραφίας για επίλυση του SPPRC [1].
• Η μελέτη, παρουσίαση και ανάπτυξη παραλλαγών του αλγορίθμου Α* για το πρόβλημα RCSSP, συγκεκριμένα των ευρετικών RC–EBBA* [2], WC-A* [3] και ERCA* [5].
• Η εκτενής πειραματική αξιολόγηση των συγκεκριμένων ευρετικών σε γνωστά σύνολα δεδομένων για το RCSPP.

Ενδεικτική Βιβλιογραφία

[1] S. Irnich, G. Desaulniers. Shortest Path Problems with Resource Constraints. In: Desaulniers, G., Desrosiers, J., Solomon, M.M. (eds) Column Generation. Springer, Boston, MA.
https://doi.org/10.1007/0-387-25486-2_2 (2005).

[2] S. Ahmadi, G. Tack, D. Harabor, P. Kilby. A Fast Exact Algorithm for the Resource Constrained Shortest Path Problem. Proceedings of the AAAI Conference on Artificial Intelligence, 35(14), 12217-12224. https://doi.org/10.1609/aaai.v35i14.17450 (2021).

[3] S. Ahmadi, G. Tack, D. Harabor, P. Kilby. Enhanced methods for the weight constrained shortest path problem. In Networks, 84:3-30, https://doi.org/10.1002/net.22210 (2024).

[4] S. Ahmadi, G. Tack, D. Harabor, P. Kilby. Bi-Objective Search with Bi-Directional A*. In 29th Annual European Symposium on Algorithms. In European Symposium on Algorithms (ESA), Leibniz International Proceedings in Informatics (LIPIcs), Volume 204, pp. 3:1-3:15, https://doi.org/10.4230/LIPIcs.ESA.2021.3 (2021).

[5] Z. Ren, Z.B. Rubinstein, S.F. Smith, S. Rathinam, H. Choset. ERCA*: A New Approach for the Resource Constrained Shortest Path Problem. In IEEE Transactions on Intelligent Transportation Systems, vol. 24, no. 12, https://doi.org/10.1109/TITS.2023.3293039 (2023).

Α5. Ευρετικές Μέθοδοι για Κατασκευή Συντομότερων Διαδρομών υπό Περιορισμούς Πόρων

Επιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης
Συνεπιβλέπων: Καθ. Χρήστος Ζαρολιάγκης

Το πρόβλημα εύρεσης συντομότερης διαδρομής υπό περιορισμούς χρήσης πόρων (Resource Constrained Shortest Path Problem – RCSPP) είναι ένα από τα γνωστά NP-πλήρη προβλήματα συνδυαστικής βελτιστοποίησης. Η σημαντικότητα του συγκεκριμένου προβλήματος έγκειται σε πάρα πολλές εφαρμογές του πραγματικού κόσμου που βασίζονται σε αυτό, όπως η δρομολόγηση οχημάτων υπό περιορισμούς, η ενορχήστρωση διεργασιών, η ρομποτική, κ.λπ.

Μια βέλτιστη λύση ενός στιγμιοτύπου του RCSPP είναι μια ελάχιστου κόστους διαδρομή η οποία καταναλώνει (το πολύ) μια περιορισμένη ποσότητα ενός συγκεκριμένου πόρου. Χαρακτηριστικά παραδείγματα είναι η εύρεση συντομότερων διαδρομών μεταξύ δύο σημείων δεδομένου ότι το κόστος κίνησης (πχ, διόδια, κατανάλωση καυσίμου, ηλεκτρικής ενέργειας, κ.λπ.) δεν υπερβαίνει τον προϋπολογισμό μας.

Στόχος της διπλωματικής είναι η μελέτη, παρουσίαση, υλοποίηση και συγκριτική αξιολόγηση ευρετικών μεθόδων που βασίζονται σε αλγορίθμους διάσχισης κατά βάθος/πλάτος, καθώς και ευρετικών μεθόδων που βασίζονται σε ιεραρχική ευρετηρίαση.

Στο πλαίσιο της διπλωματικής ζητούνται:

• Η μελέτη και κριτική επισκόπηση της βιβλιογραφίας για επίλυση του SPPRC [1].
• Η μελέτη, παρουσίαση και ανάπτυξη των ευρετικών μεθόδων BiPulse [2] και QHL [3].
• Η εκτενής πειραματική αξιολόγηση των συγκεκριμένων ευρετικών σε γνωστά σύνολα δεδομένων για το RCSPP.

Ενδεικτική Βιβλιογραφία

[1] S. Irnich, G. Desaulniers. Shortest Path Problems with Resource Constraints. In: Desaulniers, G., Desrosiers, J., Solomon, M.M. (eds) Column Generation. Springer, Boston, MA.
https://doi.org/10.1007/0-387-25486-2_2 (2005).

[2] N. Cabrera, A.L. Medaglia, L. Lozano, D. Duque. An Exact Bidirectional Pulse Algorithm for the Constrained Shortest Path. In Networks, 76:128–146, https://doi.org/10.1002/net.21960 (2020).

[3] L. Wang, R. Chi-Wing Wong. QHL: A Fast Algorithm for Exact Constrained Shortest Path Search on Road Networks. In Proc. ACM Manag. Data, Vol. 1, No. 2, Article 155, https://doi.org/10.1145/3589300 (2023).

Α6. (Μετα-)Ευρετικές Μέθοδοι για Δρομολόγηση Ηλεκτρικών Οχημάτων με Χρονικούς Περιορισμούς και Στοχαστικούς Χρόνους Αναμονής για Επαναφόρτιση

Επιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης
Συνεπιβλέπων: Καθ. Χρήστος Ζαρολιάγκης

Το πρόβλημα της δρομολόγησης στόλου οχημάτων (Vehicle Routing Problem – VRP) είναι ένα πρόβλημα ιδιαίτερης πρακτικής σημασίας που απαντάται σε μια πληθώρα εφαρμογών: εταιρείες ταχυμεταφορών, εταιρείες ταχυπαραδόσεων, δρομολόγηση στόλου αυτόνομων οχημάτων-ρομπότ, κλπ. Το πρόβλημα όμως είναι υπολογιστικά δύσκολο (NP-hard) τόσο ως προς την εύρεση επακριβούς λύσης, όσο και ως προς την εύρεση προσεγγιστικής λύσης. Μια επιπρόσθετη πρόκληση αφορά στη χρήση ηλεκτρικών οχημάτων, τα οποία όχι μόνο έχουν αυστηρούς περιορισμούς στην εμβέλειά τους, αλλά και (εφόσον κάτι τέτοιο επιτρέπεται) χρειάζονται μη-αμελητέους χρόνους μερικής ή ολικής επαναφόρτισης προκειμένου να συνεχίσουν να εξυπηρετούν αιτήματα. Επιπρόσθετα, λόγω της έλλειψης σταθμών επαναφόρτισης, υπάρχει αβεβαιότητα ως προς τον απαιτούμενο χρόνο αναμονής σε κάθε σταθμό.

Η παρούσα διπλωματική ασχολείται ακριβώς με το πρόβλημα «Electric Vehicle Routing Problem with Time Windows and Stochastic Waiting Times at Recharging Stations» (), όπου τα ηλεκτρικά οχήματα ενδέχεται να περιμένουν σε μια ουρά αναμονής πριν επαναφορτίσουν τις μπαταρίες τους σε κάποιον από τους διαθέσιμους σταθμούς επαναφόρτισης. Λόγω των χρονικών περιορισμών στα σημεία εξυπηρέτησης αιτημάτων, μεγάλες αναμονές στους σταθμούς, μαζί με τη χρονοβόρα διαδικασία επαναφόρτισης, ενδέχεται να οδηγήσουν σε ασυνέπειες ως προς την έγκαιρη εξυπηρέτηση των υπολειπόμενων σημείων που έχουν ανατεθεί σε ένα όχημα. Για την αποφυγή τέτοιων καταστάσεων, απαιτούνται τεχνικές αρχικής ανάθεσης αιτημάτων σε οχήματα για τα οποία βρίσκονται εντός εμβέλειας, με δυνατότητα δυναμικής ανάθεσης νέων αιτημάτων καθώς κάποια από τα οχήματα επιλέγουν να επαναφορτίσουν τη μπαταρία τους (μεγαλώνοντας έτσι την εμβέλειά τους).

Η παρούσα διπλωματική καλείται να μελετήσει, να υλοποιήσει και να αξιολογήσει πειραματικά μια τεχνική ανάθεσης δύο φάσεων, που βασίζεται στη κάποια μετα-ευρετική. Η πρώτη φάση αναλαμβάνει την ανάθεση αιτημάτων στα οχήματα, με βάση τις εμβέλειές τους και τους χρόνους φόρτισης και αναμενόμενης αναμονής. Κατά την υλοποίηση των δρομολογίων που έχουν επιλεγεί στην πρώτη φάση, όταν πλέον αποκαλύπτονται και οι πραγματικοί χρόνοι αναμονής για επαναφορτίσεις, αν οι χρόνοι αυτοί υπερβαίνουν τις αναμενόμενες τιμές, ενδέχεται κάποια από τα εκκρεμή αιτήματα να καταστούν μη-επιλέξιμα για τα οχήματα που τα έχουν αναλάβει, λόγω παραβίασης των χρονικών τους περιορισμών. Σε μια τέτοια περίπτωση, η δεύτερη φάση αναλαμβάνει τη διόρθωση της μη-εφικτότητας που προκύπτει, τιμωρώντας με επιπρόσθετες ποινές τις παραβιάσεις χρονικών ορίων εξυπηρέτησης ή/και επιστροφής στο κέντρο διανομής.

Στο πλαίσιο της συγκεκριμένης διπλωματικής ζητούνται:

• Η μελέτη και κριτική επισκόπηση της βιβλιογραφίας για βασικές επακριβείς και ευρετικές τεχνικές δρομολόγησης οχημάτων, με έμφαση στην ηλεκτροκίνηση [1,2,3].
• Η μελέτη, παρουσίαση και ανάπτυξη ορισμένων βασικών κατασκευαστικών ευρετικών μεθόδων, (nearest-neighbor, insertion, savings, sweep) με έμφαση στην ηλεκτροκίνηση, καθώς και ενός μετα-ευρετικού αλγορίθμου δύο φάσεων [4,5].
• Η εκτενής πειραματική αξιολόγηση των συγκεκριμένων ευρετικών και μεταευρετικών σε γνωστά σύνολα δεδομένων για το RCSPP.

Ενδεικτική Βιβλιογραφία

[1] F. Liu, C. Lu, L. Gui, Q. Zhang, X. Tong, M. Yuan: Heuristics for Vehicle Routing Problem – A Survey and Recent Advances. ArXiv (March 2023).https://doi.org/10.48550/arXiv.2303.04147 (2023).

[2] I. Kucukoglu, R. Dewil, D. Cattrysse. The electric vehicle routing problem and its variations: A literature review. Computers & Industrial Engineering 161, https://doi.org/10.1016/j.cie.2021.107650 (2021)

[3] G. Desaulniers, F. Errico, S. Irnich, M. Schneider. Exact algorithms for electric vehicle-routing problems with time windows. Operations Research, 64(6):1388–1405, https://doi.org/10.1287/opre.2016.1535 (2016).

[4] M. Keskin, B. Çatay, G. Laporte. A simulation-based heuristic for the electric vehicle routing problem with time windows and stochastic waiting times at recharging stations. In Computers and Operations Research 125 https://doi.org/10.1016/j.cor.2020.105060 (2021).

[5] M. Bruglieri, M. Paolucci, O. Pisacane. A matheuristic for the electric vehicle routing problem with time windows and a realistic energy consumption model. Computers and Operations Research 157 https://doi.org/10.1016/j.cor.2023.106261 (2023).

Α7. Ευρετικές Μέθοδοι για Δυναμική Δρομολόγηση Στόλου Οχημάτων Σε Χρονοεξαρτώμενα Οδικά Δίκτυα

Επιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης
Συνεπιβλέπων: Καθ. Χρήστος Ζαρολιάγκης

Το πρόβλημα της δρομολόγησης στόλου οχημάτων (Vehicle Routing Problem – VRP) είναι ένα πρόβλημα ιδιαίτερης πρακτικής σημασίας που απαντάται σε μια πληθώρα εφαρμογών: εταιρείες ταχυμεταφορών, εταιρείες ταχυπαραδόσεων (πχ e–food), δρομολόγηση στόλου αυτόνομων οχημάτων-ρομπότ, κλπ. Το πρόβλημα όμως είναι υπολογιστικά δύσκολο (NP-hard) τόσο ως προς την εύρεση επακριβούς λύσης, όσο και ως προς την εύρεση προσεγγιστικής λύσης. Γίνεται δε ακόμη πιο περίπλοκο, όταν τα οχήματα καλούνται να κινηθούν σε οδικά δίκτυα με χρονικά μεταβαλλόμενες συνθήκες κυκλοφοριακής συμφόρησης. Ως εκ τούτου, η διεθνής βιβλιογραφία έχει μεταξύ άλλων εστιάσει και στην αναζήτηση ευρετικών μεθόδων για την παραγωγή ικανοποιητικών εφικτών λύσεων εντός ενός λογικού υπολογιστικού κόστους. Η επίλυση μέσω ευρετικών τεχνικών χρησιμοποιείται (ως ίσως η μοναδική εφικτή προσέγγιση) και για τη δυναμική εκδοχή του προβλήματος, στο οποίο τα αιτήματα δρομολόγησης αποκαλύπτονται σταδιακά σε πραγματικό χρόνο.

Στο πλαίσιο της διπλωματικής αυτής ζητούνται:

• Η μελέτη και κριτική επισκόπηση της βιβλιογραφίας επίλυσης προβλημάτων VRP μέσω κλασικών ευρετικών τεχνικών [1,5].
• Η μελέτη, παρουσίαση, και υλοποίηση της ευρετικής μεθόδου που παρουσιάζεται στην εργασία [3] για δρομολόγηση στόλου οχημάτων σε χρονομεταβαλλόμενα οδικά δίκτυα.
• Η εφαρμογή τεχνικών δυναμικού προγραμματισμού για επιτάχυνση των κατασκευαστικών ευρετικών Ένθεσης (insertion) και Αποταμίευσης (savings).
• Η εκτενής πειραματική αξιολόγηση της υλοποιημένης μεθόδου με άλλες (ήδη υλοποιημένες) ευρετικές μεθόδους για δρομολόγηση στόλου οχημάτων σε χρονομεταβαλλόμενα οδικά δίκτυα, όπως αυτές των εργασιών [2,4].

Ενδεικτική Βιβλιογραφία

[1] F. Liu, C. Lu, L. Gui, Q. Zhang, X. Tong, M. Yuan. Heuristics for Vehicle Routing Problem – A Survey and Recent Advances. ArXiv (March 2023).https://doi.org/10.48550/arXiv.2303.04147 (2023)

[2] S. Kontogiannis, A. Paraskevopoulos, C. Zaroliagis. Online Vehicle Routing with Pickups and Deliveries under Time-Dependent Travel-Time Constraints. In 24th Symposium on Algorithmic Approaches for Transportation Modelling, Optimization, and Systems (ATMOS), Schloss Dagstuhl, OASICS, Article No. 9, pp. 9:1–9:20 https://doi.org/10.48550/arXiv.2408.06324 (2024).

[3] J. Blauth, S. Held, D. Müller, N. Schlomberg, V. Traub, T. Tröbst, J. Vygen. Vehicle routing with time-dependent travel times: Theory, practice, and benchmarks. In Discrete Optimization 53, https://doi.org/10.1016/j.disopt.2024.100848 (2024).

[4] Z. Wang, M. Dessouky, T. Van Woensel, P. Ioannou. Pickup and delivery problem with hard time windows considering stochastic and time-dependent travel times. In EURO Journal on Transportation and Logistics 12 https://doi.org/10.1016/j.ejtl.2022.100099 (2023).

[5] T. Vidal, G. Laporte, P. Matl. A concise guide to existing and emerging vehicle routing problem variants. In European Journal of Operational Research, 286:401-416, https://doi.org/10.1016/j.ejor.2019.10.010 (2020).

ΤΟΜΕΑΣ Β

Β1. Αλγόριθμοι Κατασκευής Ισορροπιών Nash για Πολυωνυμικά Επιλύσιμες Οικογένειες Στρατηγικών Παιγνίων Δύο Παικτών

Επιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης
Συνεπιβλέπων: Καθ. Χρήστος Ζαρολιάγκης

Λόγω της δυσκολίας στην κατασκευή ισορροπιών Nash (ΝΕ) για παίγνια δύο παικτών, μια σημαντική γραμμή έρευνας αφορά στον προσδιορισμό όσο το δυνατόν ευρύτερων υποκατηγοριών παιγνίων που επιδέχονται πολυωνυμικούς αλγορίθμους κατασκευής (επακριβών) ΝΕ. Για παράδειγμα, ένα παίγνιο δύο παικτών με πίνακες ωφέλειας (A, B) είναι βαθμoύ-k (k ∈ N), αν ισχύει ότι rank(A+B) = k. Τα παίγνια βαθμού-0, γνωστά και ως παίγνια σταθερού αθροίσματος, είναι ισοδύναμα των γραμμικών προγραμμάτων, και ως εκ τούτου επιλύονται σε πολυωνυμικό χρόνο. Επιπρόσθετα, αποδείχθηκε ότι και τα παίγνια βαθμού-1 επιδέχονται πολυωνυμικού χρόνου αλγόριθμο κατασκευής ΝΕ [4,5]. Για τα παίγνια βαθμού-k για είναι γνωστό ότι είναι δύσκολα για την επίλυσή τους, ενώ ακόμη παραμένει άγνωστο αν τα παίγνια βαθμού-2 επιδέχονται πολυωνυμικό αλγόριθμο επίλυσης.

Μια άλλη κατηγορία παιγνίων που επιδέχονται πολυωνυμικό χρόνο επίλυσης είναι τα αμοιβαίως-κοίλα στρατηγικά παίγνια που προτάθηκαν και μελετήθηκαν στην εργασία [3], καθώς εκμεταλλεύονται την επιλυσιμότητα των κυρτών προγραμμάτων τετραγωνικού προγραμματισμού για την παροχή πολυωνυμικού αλγόριθμου κατασκευής ΝΕ. Το ενδιαφέρον για τα συγκεκριμένα παίγνια είναι ότι αποδείχθηκαν «στρατηγικά-ισοδύναμα» με κάποια παίγνια μηδενικού αθροίσματος, μέσω κατάλληλων θετικών γραμμικών μετασχηματισμών (positive affine transformations – PATs) των μητρώων ωφελειών των δύο παικτών.

Στο πλαίσιο της διπλωματικής αυτής ζητείται:

• H μελέτη των [1,2] για κατανόηση μετασχηματισμών διμητρικών παιχνιδιών που διατηρούν τις ισορροπίες Nash.
• Η μελέτη, υλοποίηση, και πειραματική αξιολόγηση αλγορίθμων από τα [4,5] για επακριβή επίλυση παιγνίων που είναι στρατηγικά-ισοδύναμα με παιχνίδια βαθμού το πολύ 1.

Ενδεικτική Βιβλιογραφία

[1] E. Tewolde, V. Conitzer. Game Transformations That Preserve Nash Equilibria or Best-Response Sets. In IJCAI 2024. Available as ArXiv Report, https://doi.org/10.48550/arXiv.2111.00076 (2024).

[2] S.-H. Hwang, L. Rey-Bellet. Strategic decompositions of normal form games: Zero-sum games and potential games. In Games and Economic Behavior, 122:370–390, https://doi.org/10.1016/j.geb.2020.05.003 (2020).

[3] S. Kontogiannis, P. Spirakis (2012). On mutual concavity and strategically-zero-sum bimatrix games. Theoretical Computer Science, Volume 432, pp. 64-76, https://doi.org/10.1016/j.tcs.2012.01.016.

[4] B. Adsul, J. Garg, R. Mehta, M. Sohoni, B. von Stengel. Fast Algorithms for Rank-1 Bimatrix Games. In Operations Research 69(2):613-631. https://doi.org/10.1287/opre.2020.1981 (2021)

[5] J. Pi, J.L. Heyman, A. Gupta. Two Algorithms for Computing Exact and Approximate Nash Equilibria in Bimatrix Games. In Decision and Game Theory for Security (GameSec), Lecture Notes in Computer Science, vol 13061, pp. 17-36, https://doi.org/10.1007/978-3-030-90370-1_2 (2021)

ΤΟΜΕΑΣ Γ

Γ1. Ανίχνευση Κοινοτήτων σε Δίκτυα

Επιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης
Συνεπιβλέπων: Καθ. Χρήστος Ζαρολιάγκης

Η ανίχνευση κοινοτήτων είναι ένα πολύ σημαντικό πρόβλημα της βελτιστοποίησης δικτύων, καθώς μπορούν να αποκαλύψουν αλληλοεπιδρούσες δομές (π.χ., κρυφές ομάδες επιρροής), σε κοινωνικά δίκτυα (γνωριμιών, συνεργασιών, κ.λπ.), σε βιολογικά δίκτυα, ή σε τεχνολογικά δίκτυα (μεταφορών, τηλεπικοινωνιών, κ.λπ.). Η παρούσα διπλωματική εργασία εστιάζει στην περίπτωση ανίχνευσης μη-επικαλυπτόμενων κοινοτήτων, δηλαδή, στη διαμέριση των κορυφών του γραφήματος σε μεταξύ τους ξένα υποσύνολα (οι κοινότητες).

Μια οικογένεια «συγχωνευτικών» τεχνικών ανίχνευσης μη-επικαλυπτόμενων κοινοτήτων βασίζεται στη μεγιστοποίηση της τιμής της αρθρωτότητας (modularity) της προτεινόμενης δομής κοινοτήτων, μέσα από την επαναλαμβανόμενη (bottom–up) συγχώνευση μικρότερων κοινοτήτων σε μεγαλύτερες κοινότητες. Σε αυτή την κατηγορία εμπίπτουν οι αλγόριθμοι Louvain και Leiden [2], οι οποίοι ουσιαστικά ξεκινώντας από κοινότητες της μιας κορυφής, επαναλαμβανόμενα μετακινούν μεμονωμένες κορυφές στη σε μια γειτονική κοινότητα, αλλά και συγχωνεύουν ολόκληρες κοινότητες σε μια μεγαλύτερη κοινότητα, ώστε να μεγιστοποιείται (τοπικά) η προκύπτουσα αρθρωτότητα.

Μια άλλη κατηγορία «διαιρετικών» τεχνικών ανίχνευσης επιχειρεί την (top–down) επαναληπτική διαμέριση μεγαλύτερων κοινοτήτων σε μικρότερες κοινότητες, με βάση κάποια μετρική σημαντικότητας ως προς τις ακμές. Για παράδειγμα, ο αλγόριθμος Girvan–Neuman [3] επαναλαμβανόμενα (επαν)υπολογίζει τις τιμές διαμεσότητας (betweenness values) για τις ακμές του γραφήματος και αφαιρεί την ακμή με τη μεγαλύτερη τιμή, έως ότου κάποια κοινότητα να υποδιαιρεθεί σε δυο διαφορετικές κοινότητες. Η διαδικασία επαναλαμβάνεται μέχρι τελικά όλες οι κοινότητες να απαρτίζονται από μία κορυφή, δημιουργώντας έτσι μια δυαδική ιεραρχία δομών κοινοτήτων. Επιλέγεται, τελικά, εκείνη η δομή κοινότητας (στην ιεραρχία) με τη μέγιστη τιμή αρθρωτότητας.

Τέλος, μια άλλη τεχνική βασίζεται σε εξάπλωση ετικετών. Για παράδειγμα, ο αλγόριθμος Label Propagation algorithm (LPA) ανιχνεύει κοινότητες εκμεταλλευόμενος την ίδια τη δομή κοινοτήτων για επικαιροποίηση των ετικετών των κόμβων, δίχως να προαπαιτείται πρότερη γνώση κάποια συνάρτηση βελτιστοποίησης ή της ζητούμενης δομής (πχ, πλήθος) κοινοτήτων.

Τέλος, προκειμένου να γίνει αξιολόγηση της προτεινόμενης δομής κοινοτήτων, ως προς ανταγωνιστικές τεχνικές ανίχνευσης ή ως προς την πραγματική δομή για συγκεκριμένα σύνολα δεδομένων, θα αξιοποιηθούν μέθοδοι αξιολόγησης που χωρίζονται σε δύο κατηγορίες: (α) εσωστρεφείς μέθοδοι, που χρησιμοποιούν αποκλειστικά και μόνο τη δομή του γραφήματος και την προτεινόμενη δομή κοινοτήτων, για την αξιολόγησή της. Οι τεχνικές αυτές χρησιμοποιούν μετρικές όπως η αρθρωτότητα (modularity), η αγωγιμότητα (conductance), ή ο συντελεστής σιλουέτας (silhouette coefficient). (β) Εξωστρεφείς μέθοδοι, που αξιοποιούν επιπρόσθετη πληροφορία, όπως οι ετικέτες των κορυφών, για να ποσοτικοποιήσουν την εναρμόνιση της προτεινόμενης δομής με την πραγματική δομή κοινοτήτων, όπως για παράδειγμα η κανονικοποιημένη αμοιβαία πληροφορία (normalized mutual information – NMI), ή το F1 score.

Στο πλαίσιο της διπλωματικής αυτής ζητούνται:

• Η μελέτη και κριτική επισκόπηση των πιο χαρακτηριστικών αλγορίθμων ανίχνευσης μη επικαλυπτόμενων κοινοτήτων (πχ, οι αλγόριθμοι Louvain, Leiden, Girvan–Newman, LPA).
• Η υλοποίηση του αλγορίθμου Leiden, με αξιοποίηση πολυνηματικών υπολογισμών για ταχύτερη εκτέλεσή του.
• Η εκτενής πειραματική αξιολόγηση των υπαρχουσών υλοποιήσεων των αλγορίθμων Louvain, Leiden, Girvan–Newman, LPA στις βιβλιοθήκες Neo4j και Networkx, καθώς και της πολυνηματικής υλοποίησης του αλγορίθμου Leiden.

Ενδεικτική Βιβλιογραφία

[1] V.D. Blondel, J.-L. Guillaume, R. Lambiotte, E. Lefebvre: Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment (10), P1000. 2008

[2] V.A. Traag, L. Waltman, N.J. van Eck: From Louvain to Leiden – Guaranteeing well-connected communities. Sci Rep 9, 5233. https://doi.org/10.1038/s41598-019-41695-z (2019)

[3] M.E. Newman, M. Girvan: Finding and evaluating community structure in networks. Phys. Rev. E, vol. 69(2), article 026113. https://link.aps.org/doi/10.1103/PhysRevE.69.026113 (2004)

[4] U.N. Raghavan, A. Reka, S. Kumara: Near linear time algorithm to detect community structures in large-scale networks. Phys. Rev. E, vol. 76(3), article 036106. https://link.aps.org/doi/10.1103/PhysRevE.76.036106 (2007)

Γ2. Ανίχνευση Διαρροών σε Δίκτυα Κοινής Ωφελείας με χρήση Τεχνολογιών IoT και Μηχανικής Μάθησης

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης
Συνεπιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης 

Η ανίχνευση διαρροής σε δίκτυα ύδρευσης με χρήση τεχνολογιών IoT έχει αρκετές σημαντικές επιπτώσεις και οφέλη, τόσο από πλευράς οικονομικής εξοικονόμησης όσο και περιβαλλοντικών παραμέτρων. Η έγκαιρη ανίχνευση διαρροών μπορεί να αποτρέψει σημαντικές απώλειες νερού ή αερίου, μειώνοντας το κόστος κοινής ωφέλειας για τους παρόχους νερού μειώνοντας αντιστοίχως το κόστος για τους καταναλωτές. Επίσης, η άμεση αντιμετώπιση των διαρροών μπορεί να αποτρέψει δαπανηρές ζημιές στις υποδομές και την ανάγκη για επείγουσες επισκευές. Η ανίχνευση διαρροών βοηθά στη διατήρηση πολύτιμων πόρων όπως το νερό, που είναι απαραίτητο για βιομηχανίες και νοικοκυριά. Η προστασία των υδάτινων πόρων βοηθά στη διατήρηση των υδάτινων οικοσυστημάτων και μειώνει την ανάγκη για ενεργοβόρες διαδικασίες επεξεργασίας νερού. Αντίστοιχα οφέλη εντοπίζονται και στις υποδομές, καθώς η έγκαιρη ανίχνευση διαρροών μπορεί να αποτρέψει τη ζημιά σε αγωγούς, η επισκευή ή η αντικατάστασή των οποίων μπορεί να είναι δαπανηρή. Έτσι, η προστασία των υποδομών ζωτικής σημασίας διασφαλίζει την αξιοπιστία των βασικών υπηρεσιών προς τους τελικούς χρήστες. 

Η ανίχνευση διαρροών σε δίκτυα ύδρευσης με χρήση τεχνολογιών Διαδικτύου των Αντικειμένων (Internet of Things – IoT) είναι ένας αποτελεσματικός τρόπος παρακολούθησης και αναγνώρισης διαρροών νερού ή αερίου στους αγωγούς. Οι λύσεις IoT παρέχουν δεδομένα και ειδοποιήσεις σε πραγματικό χρόνο, επιτρέποντας γρήγορη απόκριση και μετριασμό πιθανών ζημιών ή απωλειών. Τέτοια συστήματα ενσωματώνουν πληθώρα τεχνολογιών που αφορούν μεταξύ άλλων: 

• Δίκτυα αισθητήρων:  Αυτοί οι αισθητήρες μπορούν να είναι διαφόρων τύπων, όπως ακουστικοί αισθητήρες, αισθητήρες πίεσης, αισθητήρες ροής ή ακόμα και κάμερες για οπτική επιθεώρηση. 
• Συλλογή δεδομένων: Οι αισθητήρες συλλέγουν συνεχώς δεδομένα που σχετίζονται με την κατάσταση του αγωγού, όπως πίεση, ρυθμός ροής, θερμοκρασία και τυχόν μη φυσιολογικούς ήχους. Αυτά τα δεδομένα μεταδίδονται συνήθως σε μια κεντρική πλατφόρμα IoT για επεξεργασία και ανάλυση. 
• Ανάλυση δεδομένων: Εφαρμογή αλγορίθμων για την επεξεργασία των εισερχόμενων δεδομένων σε πραγματικό χρόνο. Αυτοί οι αλγόριθμοι που βασίζονται σε μοντέλα μηχανικής μάθησης μπορούν να ανιχνεύσουν ανωμαλίες ή ενδεικτικά μοτίβα διαρροών. Τα μοντέλα μηχανικής εκμάθησης μπορούν να εκπαιδευτούν ώστε να διαφοροποιούν τις κανονικές συνθήκες λειτουργίας και τις πιθανές διαρροές με βάση ιστορικά δεδομένα και μετρήσεις αισθητήρων.  

Στο πλαίσιο της διπλωματικής αυτής ζητούνται: 

• Η μελέτη και κριτική επισκόπηση της υπάρχουσας βιβλιογραφίας, καθώς και της ανάλυσης δεδομένων σχετικών συστημάτων. 
• Η διαμόρφωση μοντέλου μηχανικής μάθησης για την ανίχνευση δυσλειτουργιών δικτύου ύδρευσης / άρδευσης.  
• Η μελέτη και αξιολόγηση διαφόρων σχετικών αλγορίθμων για την επιλογή της βέλτιστης λύσης. Τα δεδομένα εκπαίδευσης θα βασίζονται σε ανοιχτές βάσεις δεδομένων. Η μηχανή πρόβλεψης με βάση το τελικό μοντέλο που θα επιλεχθεί,  θα δύναται να εγκατασταθεί και λειτουργήσει είτε σε περιβάλλον Kubernetes, είτε στο περιβάλλον υπολογιστικού νέφους της AWS.  

Προαπαιτούμενα: Βασικές γνώσεις σε προγραμματισμό 

Εργαλεία που θα χρησιμοποιηθούν: Python, bash scripting, PyTorch, Tensorflow, Docker, Kubernetes, AWS 

Ενδεικτική βιβλιογραφία 

[1] Amaxilatis, Dimitrios, et al. “A smart water metering deployment based on the fog computing paradigm.” Applied Sciences 10.6 (2020): 1965. 

[2] Kammoun, Maryam, Amina Kammoun, and Mohamed Abid. “Leak detection methods in water distribution networks: a comparative survey on artificial intelligence applications.” Journal of Pipeline Systems Engineering and Practice 13.3 (2022): 04022024. 

[3] Vanijjirattikhan, Rangsarit, et al. “AI-based acoustic leak detection in water distribution systems.” Results in Engineering 15 (2022): 100557. 

Γ3. Αξιολόγηση Ηθικών Διαστάσεων των Γλωσσικών Μοντέλων Τεχνητής Νοημοσύνης στον τομέα της Εκπαίδευσης

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης
Συνεπιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης

Καθώς η χρήση της Τεχνητής Νοημοσύνης (ΤΝ) σε εκπαιδευτικά και επαγγελματικά περιβάλλοντα επεκτείνεται, ζητήματα ηθικής όπως η δικαιοσύνη, η μεροληψία, η διαφάνεια και η λογοδοσία γίνονται ολοένα και πιο σημαντικά. Η παρούσα διπλωματική εργασία επικεντρώνεται στην εξερεύνηση των ηθικών διαστάσεων της ΤΝ μέσω της δημιουργίας, εκπαίδευσης και αξιολόγησης πρακτόρων ΤΝ σε διάφορες συνθήκες. Ο υποψήφιος θα διερευνήσει την απόδοση των μοντέλων ΤΝ όταν εκπαιδεύονται σε διαφορετικά σύνολα δεδομένων, εστιάζοντας στην ακρίβεια, τη μεροληψία και την ποιότητα των απαντήσεών τους.

Στο πλαίσιο της διπλωματικής αυτής ζητούνται:

• Η ανάπτυξη Γλωσσικών Μοντέλων Τεχνητής Νοημοσύνης με βάση σύνολα δεδομένων από εκπαιδευτικό υλικό.
• Η αξιολόγηση των απαιτήσεων για την ανάπτυξη και της απόδοση των γλωσσικών μοντέλων που θα επιλεγούν.
• Η αξιολόγηση της ακρίβειας, της μεροληψίας και της ποιότητας των απαντήσεων των γλωσσικών μοντέλων ως προς τα δεδομένα με τα οποία έχουν εκπαιδευτεί. 

Ενδεικτική βιβλιογραφία

[1] Ethical AI for Teaching and Learning. https://teaching.cornell.edu/generative-artificial-intelligence/ethical-ai-teaching-and-learning

[2] Ethical considerations in educational AI. https://school-education.ec.europa.eu/en/discover/news/ethical-considerations-educational-ai

[3] European Commission: Directorate-General for Education, Youth, Sport and Culture, Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators, Publications Office of the European Union, 2022, https://data.europa.eu/doi/10.2766/153756

[3] Dwivedi, Yogesh K. et al. Opinion Paper: “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy, International Journal of Information Management, Volume 71, 2023, 102642. DOI: https://doi.org/10.1016/j.ijinfomgt.2023.102642

[4] Gašević, D., Siemens, G., & Sadiq, S. (2023). Empowering learners for the age of artificial intelligence. Computers & Education: Artificial Intelligence, 4, 100130. DOI: https://doi.org/10.1016/j.caeai.2023.100130

Γ4. Ανάπτυξη Συστήματος Αναγνώρισης Πληθυσμού Δάκου Χρησιμοποιώντας Μεθόδους Υπολογιστικής Όρασης και Μηχανικής Μάθησης

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης
Συνεπιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης 

Η καταμέτρηση του πληθυσμού του δάκου (Bactrocera oleae) σε καλλιέργειες ελαιοδέντρων είναι μια σημαντική αλλά επίπονη διαδικασία, αφού γίνεται με επισκέψεις εξειδικευμένου προσωπικού που οπτικά ελέγχει την αύξηση του  πληθυσμού του δάκου. Το ζητούμενο είναι η αυτοματοποίηση αυτής της διαδικασίας με την ανάπτυξη ενός συστήματος αναγνώρισης και καταμέτρησης του πληθυσμού του δάκου με τη χρήση δεδομένων από δακοπαγίδες, χρησιμοποιώντας τεχνικές υπολογιστικής όρασης και μηχανικής μάθησης. Η προσέγγιση αυτή στοχεύει στην αντικατάσταση της παραδοσιακής μεθόδου χειροκίνητης καταμέτρησης, επιτρέποντας την ακριβέστερη και ταχύτερη αναγνώριση, γεγονός που θα βοηθήσει στη βελτίωση της διαχείρισης των καλλιεργειών και στη μείωση της χρήσης χημικών ουσιών στις καλλιέργειες ελαιοδέντρων και να συμβάλει στην αειφορία και την προστασία του περιβάλλοντος. 

Στο πλαίσιο της διπλωματικής αυτής ζητείται η ανάπτυξη ενός συστήματος αναγνώρισης και καταμέτρησης του πληθυσμού του δάκου, το οποίο θα  πρέπει να αναγνωρίζει τον δάκο με υψηλή ακρίβεια και να παρέχει δεδομένα σε πραγματικό χρόνο στους παραγωγούς, επιτρέποντάς τους να λαμβάνουν έγκαιρες και στοχευμένες αποφάσεις για τον έλεγχο του πληθυσμού του δάκου. Η ανάπτυξη και αξιολόγηση του συστήματος περιλαμβάνει: 

• Τη συλλογή εικόνων από δακοπαγίδες, οι οποίες θα χρησιμοποιηθούν για την εκπαίδευση και αξιολόγηση των αλγορίθμων αναγνώρισης. Αυτές οι εικόνες θα υποστούν επεξεργασία ώστε να εξαχθούν τα κύρια χαρακτηριστικά των εντόμων έτσο ώστε να είναι δυνατή η διάκριση του δάκου από άλλα έντομα ή αντικείμενα.  
• Την ανάπτυξη κατάλληλων μοντέλων υπολογιστικής όρασης και μηχανικής μάθησης, όπως τα Συνελικτικά Νευρωνικά Δίκτυα (Convolutional Neural Networks), τα οποία έχουν αποδειχθεί ιδιαίτερα αποτελεσματικά στην ανάλυση και αναγνώριση εικόνων. Τα μοντέλα αυτά θα εκπαιδευτούν και θα αξιολογηθούν με βάση την ακρίβεια, την ευαισθησία και τη δυνατότητα γενίκευσης σε διαφορετικές περιβαλλοντικές συνθήκες. 
• Η πειραματική αξιολόγηση του συστήματος σε πραγματικά δεδομένα. 

Προαπαιτούμενα: Βασικές γνώσεις σε προγραμματισμό 

Εργαλεία που θα χρησιμοποιηθούν: Python, bash scripting, PyTorch, Tensorflow, Docker, Kubernetes, AWS 

Ενδεικτική βιβλιογραφία 

[1] Mamdouh, Nariman, Mohamed Wael, and Ahmed Khattab. “Artificial intelligence-based detection and counting of olive fruit flies: a comprehensive survey.” Deep Learning for Sustainable Agriculture (2022): 357-380. 

[2] Alves, Adília, et al. “Pest Detection in Olive Groves Using YOLOv7 and YOLOv8 Models.” International Conference on Optimization, Learning Algorithms and Applications. Cham: Springer Nature Switzerland, 2023. 

[3] Mendes, João, et al. “Pest Management in Olive Cultivation Through Computer Vision: A Comparative Study of Detection Methods for Yellow Sticky Traps.” Iberian Robotics conference. Cham: Springer Nature Switzerland, 2023. 

Γ5. Ανίχνευση Καρδιακών Παθήσεων από Δεδομένα ECG Χρησιμοποιώντας Τεχνικές Μηχανικής Μάθησης και Δεδομένα Φορετών Συσκευών

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης
Συνεπιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης 

Η ανάλυση δεδομένων ηλεκτροκαρδιογραφήματος (ECG) που συλλέγονται από έξυπνες φορετές συσκευές (πχ smartwatches) είναι ένα σημαντικό ζητούμενο για την ανίχνευση καρδιακών παθήσεων. Η ανάλυση των δεδομένων αυτών είναι σημαντική για την έγκαιρη και ακριβή διάγνωση παθήσεων όπως η αρρυθμία, η κολπική μαρμαρυγή, και διαφόρων άλλων καρδιακών προβλημάτων.  

Στο πλαίσιο της διπλωματικής αυτής ζητείται η ανάπτυξη ενός συστήματος πρώιμη ανίχνευσης καρδιακών ανωμαλιών. Η ανάπτυξη και αξιολόγηση του συστήματος περιλαμβάνει:  

• Συλλογή δεδομένων ECG από έξυπνες φορετές συσκευές (πχ smartwatches). Τα δεδομένα αυτά θα περιλαμβάνουν πληροφορίες όπως ο καρδιακός ρυθμός και οι χρονικές διάρκειες των διαστημάτων PQ, QRS και QT.  
• Επιλογή κατάλληλων αλγορίθμων μηχανικής μάθησης, όπως τα LSTM και τα CNN, τα οποία καταδεικνύουν υψηλή απόδοση στην ανάλυση χρονοσειρών, όπως τα δεδομένα ECG. Αυτοί οι αλγόριθμοι θα εκπαιδευτούν και θα αξιολογηθούν, με στόχο την ακριβή ανίχνευση συγκεκριμένων καρδιακών παθήσεων. 
• Υλοποίηση ενός πρωτότυπου συστήματος, το οποίο θα μπορεί να αναπτυχθεί σε υποδομή υπολογιστικού νέφους εξασφαλίζοντας έτσι τη δυνατότητα ανάλυσης δεδομένων σε πραγματικό χρόνο και επέκτασης του συστήματος για μελλοντική χρήση. 
• Αξιολόγηση των μεθόδων μηχανικής μάθησης ως προς την ακρίβεια και την αποτελεσματικότητα ανίχνευσης καρδιακών παθήσεων σε πραγματικά δεδομένα. 

Προαπαιτούμενα: Βασικές γνώσεις σε προγραμματισμό 

Εργαλεία που θα χρησιμοποιηθούν:  

• Python, TensorFlow, Keras 
• Ανοιχτές βάσεις δεδομένων ECG (π.χ. PhysioNet) 
• Docker / Kubernetes ή περιβάλλον AWS 

Ενδεικτική βιβλιογραφία 

[1] Abu-Alrub, Saer, et al. “Smartwatch electrocardiograms for automated and manual diagnosis of atrial fibrillation: a comparative analysis of three models.” Frontiers in cardiovascular medicine 9 (2022): 836375. 

[2] Rajakariar, Kevin, et al. “Accuracy of a smartwatch based single-lead electrocardiogram device in detection of atrial fibrillation.” Heart 106.9 (2020): 665-670. 

[3] Campo, David, et al. “Atrial fibrillation detection with an analog smartwatch: prospective clinical study and algorithm validation.” JMIR Formative Research 6.11 (2022): e37280. 

[4] Ploux, Sylvain, et al. “Beyond the wrist: using a smartwatch electrocardiogram to detect electrocardiographic abnormalities.” Archives of Cardiovascular Diseases 115.1 (2022): 29-36. 

Γ6. Αύξηση Αντικειμενικότητας Αξιολόγησης και Εντοπισμός Αντιγραφής/Λογοκλοπής σε Συστήματα Μεγάλων Γλωσσικών Μοντέλων Τεχνητής Νοημοσύνης

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης
Συνεπιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης 

Τα Μεγάλα Γλωσσικά Μοντέλα (LLMs), όπως το GPT και άλλες παρόμοιες τεχνολογίες, έχουν φέρει επανάσταση στον τρόπο με τον οποίο η Τεχνητή Νοημοσύνη (ΤΝ) μπορεί να αλληλεπιδρά με τον άνθρωπο μέσω της φυσικής γλώσσας. Η εφαρμογή τους εκτείνεται σε διάφορους τομείς, με την εκπαίδευση να αποτελεί ένα από τα πεδία με τη μεγαλύτερη δυναμική. Η αυτόματη επεξεργασία κειμένων, η δημιουργία περιεχομένου, καθώς και η βαθμολόγηση και αξιολόγηση γραπτών εργασιών είναι μερικά παραδείγματα χρήσεων που μπορούν να επηρεάσουν βαθιά τον τρόπο με τον οποίο διεξάγεται η εκπαιδευτική διαδικασία.

Μία από τις κύριες προκλήσεις που αντιμετωπίζουν τα εκπαιδευτικά ιδρύματα είναι η υποκειμενικότητα και η ασυνέπεια στη βαθμολόγηση των γραπτών, καθώς και η δυσκολία ανίχνευσης αντιγραφής ή λογοκλοπής, ιδιαίτερα σε περιπτώσεις όπου οι φοιτητές έχουν πρόσβαση σε διάφορες πηγές πληροφοριών μέσω του διαδικτύου. Η εισαγωγή συστημάτων που χρησιμοποιούν LLMs για την αυτόματη βαθμολόγηση και ανίχνευση ακαδημαϊκής ανεντιμότητας μπορεί να βελτιώσει την αποτελεσματικότητα και την ακρίβεια των αξιολογήσεων, συμβάλλοντας σε μια πιο δίκαιη και διαφανή εκπαιδευτική διαδικασία.

Στο πλαίσιο της διπλωματικής αυτής ζητούνται:  

• Η διερεύνηση των δυνατοτήτων των LLMs στη βελτίωση της αντικειμενικότητας και της αποτελεσματικότητας της αξιολόγησης, ενώ παράλληλα θα αξιολογηθούν οι προκλήσεις που προκύπτουν από τη χρήση αυτών των μοντέλων.
• Η ανάπτυξη ενός συστήματος που χρησιμοποιεί Μεγάλα Γλωσσικά Μοντέλα (LLMs) για την αυτόματη βαθμολόγηση γραπτών απαντήσεων και την ανίχνευση περιπτώσεων αντιγραφής ή λογοκλοπής στην εκπαιδευτική διαδικασία.
• Η αξιολόγηση της ακρίβειας, της μεροληψίας και της ποιότητας των απαντήσεων των γλωσσικών μοντέλων ως προς τα δεδομένα με τα οποία έχουν εκπαιδευτεί.

Ενδεικτική Βιβλιογραφία

[1] Ethical considerations in educational AI. https://school-education.ec.europa.eu/en/discover/news/ethical-considerations-educational-ai

[2] C. C. Tossell, N. L. Tenhundfeld, A. Momen, K. Cooley and E. J. de Visser, “Student Perceptions of ChatGPT Use in a College Essay Assignment: Implications for Learning, Grading, and Trust in Artificial Intelligence,” in IEEE Transactions on Learning Technologies, vol. 17, pp. 1069-1081, 2024, doi: 10.1109/TLT.2024.3355015

[3] Kumar, R. Faculty members’ use of artificial intelligence to grade student papers: a case of implications. Int J Educ Integr 19, 9 (2023). https://doi.org/10.1007/s40979-023-00130-7

[4] Lee, A. V. Y., Luco, A. C., & Tan, S. C. (2023). A Human-Centric Automated Essay Scoring and Feedback System for the Development of Ethical Reasoning. Educational Technology & Society, 26(1), 147–159. https://www.jstor.org/stable/48707973

[5] Fuller, LaJuan Perronoski, and Christa Bixby. “The Theoretical and Practical Implications of OpenAI System Rubric Assessment and Feedback on Higher Education Written Assignments.” American Journal of Educational Research 12.4 (2024): 147-158.

[6] Takale, Dattatray G., Parikshit N. Mahalle, and Bipin Sule. “Assessing Generative AI-Generated Assignments: A Framework Based on the 3R.” Journal of Data Mining and Management 9.2 (2024): 11-16.

ΤΟΜΕΑΣ Δ

Δ1. Εργαλεία Ανίχνευσης Κακόβουλου Λογισμικού σε Κινητές Συσκευές

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης
Συνεπιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης

Το κακόβουλο λογισμικό (malware) είναι ένας επιβλαβής και καταστροφικός κώδικας για συστήματα υπολογιστών, ψηφιακά συστήματα καθώς και για κινητές και ηλεκτρονικές συσκευές. Η πρόθεση του κακόβουλου λογισμικού είναι να βλάψει το ψηφιακό σύστημα και να υποκλέψει πολύτιμες πληροφορίες που μπορεί να περιέχει.

Η χρήση των κινητών συσκευών στην καθημερινότητα των πολιτών αυξάνεται με ραγδαίους ρυθμούς. Οι κινητές συσκευές χρησιμοποιούνται για την πρόσβαση σε σημαντικές υπηρεσίες όπως η ηλεκτρονική τραπεζική, οι ηλεκτρονικές αγορές ή τα μέσα κοινωνικής δικτύωσης, καθιστώντας τα πρωταρχικούς στόχους για τους προγραμματιστές κακόβουλου λογισμικού. Η πλειοψηφία των κινητών συσκευών χρησιμοποιεί λειτουργικό σύστημα Android, το οποίο είναι ένα από τα πιο ευρέως χρησιμοποιούμενα λειτουργικά συστήματα κυρίως λόγω της φύσης του ανοιχτού κώδικα που το χαρακτηρίζει. Κατά συνέπεια, ο εντοπισμός κακόβουλου λογισμικού για το λειτουργικό σύστημα Android είναι από τα πιο κρίσιμα τρέχοντα ζητήματα κυβερνοασφάλειας.

Στο πλαίσιο της διπλωματικής αυτής ζητούνται:

• Η μελέτη και κριτική επισκόπηση των διαθέσιμων εργαλείων ανίχνευσης κακόβουλου λογισμικού σε κινητές συσκευές android.
• Η επέκταση και βελτίωση ενός εργαλείου (ανοικτού κώδικα) ανίχνευσης κακόβουλου λογισμικού σε κινητές συσκευές android.
• Η εκτενής συγκριτική αξιολόγηση των εργαλείων ανίχνευσης κακόβουλου λογισμικού σε κινητές συσκευές android.

Ενδεικτική Βιβλιογραφία

[1] Santosh K. Smmarwar, Govind P. Gupta, Sanjay Kumar. Android malware detection and identification frameworks by leveraging the machine and deep learning techniques: A comprehensive review. Telematics and Informatics Reports, Volume 14 (2024), 100130. DOI: https://doi.org/10.1016/j.teler.2024.100130

[2] The Top 10 Malware Analysis Tools. https://expertinsights.com/insights/the-top-malware-analysis-tools/

[3] M. Gohari, S. Hashemi and L. Abdi, “Android Malware Detection and Classification Based on Network Traffic Using Deep Learning,” 2021 7th International Conference on Web Research (ICWR), Tehran, Iran, 2021, pp. 71-77, DOI: https://doi.org/10.1109/ICWR51868.2021.9443025.

Δ2. Τεχνικές Επεξεργασίας Εικόνας για Ανίχνευση Κακόβουλου Λογισμικού σε Κινητές Συσκευές

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης
Συνεπιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης

Το κακόβουλο λογισμικό (malware) είναι ένας επιβλαβής και καταστροφικός κώδικας για συστήματα υπολογιστών, ψηφιακά συστήματα καθώς και για κινητές και ηλεκτρονικές συσκευές. Η πρόθεση του κακόβουλου λογισμικού είναι να βλάψει το ψηφιακό σύστημα και να υποκλέψει πολύτιμες πληροφορίες που μπορεί να περιέχει.

Υπάρχουν ποικίλες μορφές κακόβουλου λογισμικού και έτσι η ανίχνευση και η κατηγοριοποίησή του είναι μια σύνθετη διαδικασία. Παράλληλα, οι κινητές συσκευές σήμερα χρησιμοποιούνται σε πληθώρα σημαντικών υπηρεσιών όπως είναι η ηλεκτρονική τραπεζική, οι εφαρμογές κοινωνικής δικτύωσης και οι ηλεκτρονικές αγορές, με το Android να είναι το πιο ευρέως χρησιμοποιούμενο λειτουργικό σύστημα για κινητές συσκευές. Γι’ αυτό, ένας από τους κύριους στόχους των δημιουργών κακόβουλου λογισμικού είναι οι κινητές συσκευές Android.

Η εφαρμογή τεχνικών επεξεργασίας εικόνας με χρήση νευρωνικών δικτύων αποτελεί μία ανερχόμενη μέθοδο για την αποτελεσματική ανίχνευση κακόβουλου λογισμικού [1,2,3,4,5]. Δυαδικά αρχεία εφαρμογών μετατρέπονται σε εικόνες οι οποίες αναλύονται από μοντέλα βαθιάς μάθησης με σκοπό την αποτελεσματική και γρήγορη ταξινόμησή τους σε κακόβουλο ή μη λογισμικό. Η προτεινόμενη διπλωματική εργασία περιλαμβάνει μελέτη των δυνατοτήτων και των περιορισμών που έχει η χρήση τέτοιων τεχνικών στο πεδίο της ανίχνευσης κακόβουλου λογισμικού για συσκευές Android και υλοποίηση ενός μοντέλου ανίχνευσης.

Στο πλαίσιο της διπλωματικής αυτής ζητούνται:

• Η μελέτη και κριτική επισκόπηση της σχετικής βιβλιογραφίας.
• Η επέκταση του εργαλείου ανίχνευσης κακόβουλου λογισμικού DexRay [4] σε κινητές συσκευές Android που αξιοποιεί τεχνικές επεξεργασίας εικόνας.
• Η εκτενής πειραματική αξιολόγηση και σύγκριση του εργαλείου που θα αναπτυχθεί με την αρχική υλοποίηση του εργαλείου DexRay [4].

Ενδεικτική Βιβλιογραφία

[1] Zhang,W., Luktarhan, N., Ding, C., Lu, B. Android Malware Detection Using TCN with Bytecode Image. Symmetry 2021, 13, 1107. DOI: https://doi.org/10.3390/sym13071107.

[2] Zhu, Huijuan, et al. An effective end-to-end android malware detection method. Expert Systems with Applications 218 (2023): 119593. DOI: https://doi.org/10.1016/j.eswa.2023.119593.

[3] Yuxin Ding, Xiao Zhang, Jieke Hu, and Wenting Xu. Android malware detection method based on bytecode image. Journal of Ambient Intelligence and Humanize Computing (2023) 14:6401–6410. DOI: https://doi.org/10.1007/s12652-020-02196-4.

[4] Daoudi, N., Samhi, J., Kabore, A.K., Allix, K., Bissyandé, T.F., Klein, J. (2021). DexRay: A Simple, yet Effective Deep Learning Approach to Android Malware Detection Based on Image Representation of Bytecode. In Deployable Machine Learning for Security Defense – MLHat 2021. Communications in Computer and Information Science, Vol 1482 (Springer, Cham), pp 81–106. DOI: https://doi.org/10.1007/978-3-030-87839-9_4.

[5] Meghna Dhalaria, Ekta Gandotra. MalDetect: A classifier fusion approach for detection of android malware. Expert Systems with Applications, Volume 235(2024), 121155. DOI: https://doi.org/10.1016/j.eswa.2023.121155.

Δ3. Τεχνικές Εξηγήσιμης Τεχνητής Νοημοσύνης για Ανίχνευση Κακόβουλου Λογισμικού 

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης   
Συνεπιβλέπων: Αν. Καθ. Σπύρος Κοντογιάννης

Πολλά μοντέλα τεχνητής νοημοσύνης, όπως τα νευρωνικά δίκτυα, έχουν πολύ περίπλοκη δομή προκειμένου να μπορούν να λύσουν σύνθετα προβλήματα. Έτσι, η διαδικασία των αποφάσεών τους είναι δύσκολο να περιγραφεί και να γίνει κατανοητή από τους ανθρώπους που μελετούν τέτοια μοντέλα. Η Εξηγήσιμη Τεχνητή Νοημοσύνη (Explainable AI – XAI) παρέχει μια περιγραφή των μοντέλων μηχανικής μάθησης εξετάζοντας τον τρόπο με τον οποίο αυτά δημιουργούν προβλέψεις. Αυτό βοηθά στον σχεδιασμό πιο αποτελεσματικών παραμέτρων, στην αύξηση της εμπιστοσύνης στις αποφάσεις του μοντέλου καθώς και στην αξιολόγηση του πόσο αντιπροσωπευτικά για τον πραγματικό κόσμο είναι τα πειραματικά αποτελέσματα.

Στο πλαίσιο της ανίχνευσης κακόβουλου λογισμικού, η εξηγήσιμη τεχνητή νοημοσύνη χρησιμοποιείται για την καλύτερη κατανόηση των εργαλείων μηχανικής μάθησης και την ερμηνεία υπεραισιόδοξων αποτελεσμάτων σε πειραματικές συνθήκες. Η προτεινόμενη διπλωματική εργασία περιλαμβάνει τη μελέτη των τεχνικών και των διαφορετικών προσεγγίσεων εξηγήσιμης τεχνητής νοημοσύνης, καθώς και την ανάπτυξη ενός εργαλείου ανίχνευσης κακόβουλου λογισμικού που ενσωματώνει μεθόδους εξηγήσιμης τεχνητής νοημοσύνης.

Στο πλαίσιο της διπλωματικής αυτής ζητούνται:

• Η μελέτη και κριτική επισκόπηση της υπάρχουσας βιβλιογραφίας εξηγήσιμης τεχνητής νοημοσύνης για ανίχνευση κακόβουλου λογισμικού.
• Η επέκταση και βελτίωση του εργαλείου TabLSTMNet [3] ανίχνευσης κακόβουλου λογισμικού που αξιοποιεί τεχνικές εξηγήσιμης τεχνητής νοημοσύνης (LIME, SHAP).
• Η εκτενής πειραματική αξιολόγηση του προτεινόμενου εργαλείου.

Ενδεικτική Βιβλιογραφία

[1] D. Minh, H. XiangWang, Y. Fen Li and Tan N. Nguyen. Explainable artificial intelligence: a comprehensive review. Artificial Intelligence Review (2022): 1-66. DOI: https://doi.org/10.1007/s10462-021-10088-y.

[2] H. Nguyen, K. Nguyen, H. Quoc Cao and N. Pham. Evaluation of explainable artificial intelligence: SHAP, LIME, and CAM. Proceedings of the FPT AI Conference. 2021. Evaluation-of-Explainable-Artificial-Intelligence-SHAP-LIME-and-CAM.pdf

[3] S. Ullah, J. Li, F. Ullah, J. Chen, I. Ali, S. Khan, A. Ahad, V. C. M. Leung. The revolution and vision of explainable AI for android malware detection and protection. Internet of Things (2024): 101320. DOI: https://doi.org/10.1016/j.iot.2024.101320

[4] N. G. Ambekar, N. N. Devi, S. Thokchom and Yogita. TabLSTMNet: enhancing android malware classification through integrated attention and explainable AI. Microsystem Technologies (2024): 1-19. DOI: https://doi.org/10.1007/s00542-024-05615-0

[5] Y. Liu, C. Tantithamthavorn, L. Li and Y. Liu. “Explainable AI for android malware detection: Towards understanding why the models perform so well?.” 2022 IEEE 33rd International Symposium on Software Reliability Engineering (ISSRE). IEEE, 2022. DOI: https://doi.org/10.1109/ISSRE55969.2022.00026

ΤΟΜΕΑΣ Ε

Ε1. Ψηφιακή Πλατφόρμα Ασφαλούς Επικοινωνίας Ιατρών – Ασθενών

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης 
Συνεπιβλέπων: Δρ Σταύρος Αθανασόπουλος 

Μία πλατφόρμα επικοινωνίας ιατρών-ασθενών είναι ένα ψηφιακό εργαλείο ή εφαρμογή ιστού που επιτρέπει την ασφαλή και άμεση αλληλεπίδραση μεταξύ ιατρών και ασθενών. Μέσω αυτής, οι ασθενείς μπορούν να επικοινωνούν με τον ιατρό τους για να ενημερώσουν τον Ιατρό τους για κάποιες μετρήσεις, να λάβουν ιατρικές συμβουλές, να κλείσουν ραντεβού, να παρακολουθήσουν την πορεία της θεραπείας τους ή να λάβουν αποτελέσματα εξετάσεων. Από την άλλη, οι ιατροί μπορούν να παρακολουθούν τους ασθενείς τους, να παρέχουν διαγνώσεις, να συνταγογραφούν φάρμακα και να διαχειρίζονται τις ιατρικές τους υποθέσεις. Η εφαρμογή αφορά σε μια ολοκληρωμένη πλατφόρμα διαχείρισης και παρακολούθησης ασθενών για παθήσεις που απαιτούν συνεχή ή καθημερινή παρακολούθηση, όπως π.χ. ο Διαβήτης τύπου 1 ή η Χρόνια Αποφρακτική Πνευμονοπάθεια. Στόχος της είναι η οργάνωση, διευκόλυνση της συλλογής δεδομένων και η αμφίδρομη επικοινωνία μεταξύ ιατρού και ασθενή. Θα διαθέτει κρυπτογράφηση για ασφαλή αποθήκευση δεδομένων. Ο γιατρός θα μπορεί να βλέπει συνοπτικά αλλά και αναλυτικά εάν επιθυμεί στοιχεία των ασθενών του και να λαμβάνει ειδοποιήσεις για επικίνδυνες μετρήσεις, ενώ ο ασθενής θα μπορεί να ανεβάζει μετρήσεις και εξετάσεις, να παρακολουθεί την αγωγή του και να λαμβάνει οδηγίες.  

Στο πλαίσιο της διπλωματικής αυτής ζητούνται: 

• Η μελέτη και κριτική επισκόπηση της υπάρχουσας βιβλιογραφίας. 
• Η ανάπτυξη ψηφιακής εφαρμογής ιστού, η οποία θα υποστηρίζει τις παρακάτω λειτουργίες:  
• Ιατρός: Στην αρχική οθόνη του γιατρού θα εμφανίζονται σύντομες περιεκτικές καρτέλες των ασθενών (με βασικές πληροφορίες), ενώ θα υπάρχει η δυνατότητα εμφάνισης του αναλυτικού προφίλ κάθε ασθενή σε νέα σελίδα. Αν κάποιος έχει μη επιθυμητές μετρήσεις, η εφαρμογή θα τον ειδοποιεί σχετικά. Στο αναλυτικό προφίλ του ασθενή ο γιατρός θα μπορεί να δει ό,τι δεδομένα τον αφορούν (μετρήσεις αναρτημένες από τον ασθενή, ιστορικό και γραφήματα μετρήσεων, εξετάσεις, φαρμακευτική αγωγή, προηγούμενες επισκέψεις, κλπ). Μπορεί επίσης να αλλάξει την φαρμακευτική αγωγή του ασθενούς ή ακόμα και να τον προτρέψει να μεταβεί στο ιατρείο/κλινική. 
• Ασθενής: ο ασθενής θα έχει πρόσβαση στην καρτέλα του η οποία θα περιέχει φόρμα προσθήκης μετρήσεων (πχ. ζάχαρο, διατροφή, επίπεδα οξυγόνου ή οτιδήποτε άλλο χρήσιμο για την εκάστοτε ασθένεια), δυνατότητα ανάρτησης αρχείου εξετάσεων, φαρμακευτική αγωγή, σχόλια και οδηγίες από το γιατρό, ιστορικό και γραφήματα μετρήσεων.  

Προαπαιτούμενα: Βασικές γνώσεις σε προγραμματισμό 

Εργαλεία που θα χρησιμοποιηθούν: 

• Γλώσσα: C# 
• Μεταφορά δεδομένων: αιτήματα HTTP με αυθεντικοποίηση  
• Βάση δεδομένων: SQL   

Ενδεικτική βιβλιογραφία 

[1] Bergmann, A., Stangel, M., Weih, M., van Hövell, P., Braune, S., Köchling, M., & Roßnagel, F. (2021). Development of Registry Data to Create Interactive Doctor-Patient Platforms for Personalized Patient Care, Taking the Example of the DESTINY System. Frontiers in Digital Health, 3. DOI: https://doi.org/10.3389/fdgth.2021.633427.  

[2] Ding, X., Gui, X., Ma, X., Ding, Z., & Chen, Y. (2020). Getting the Healthcare We Want: The Use of Online “Ask the Doctor” Platforms in Practice. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–13. DOI: https://doi.org/10.1145/3313831.3376699  

[3] Ψηφιακή Υγεία—Medicial. (n.d.). www.medicial.gr. Retrieved 23.09.2024 from https://www.medicial.gr/products/digital-health/  

Ε2. Ψηφιακή Πλατφόρμα Παιχνιδιών για Εκπαίδευση Μαθητών σε Βασικές δεξιότητες Υπολογιστών

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης     
Συνεπιβλέπων: Δρ Σταύρος Αθανασόπουλος 

Τα παιχνίδια μπορούν να αποτελέσουν έναν αποτελεσματικό τρόπο για να αποκτήσουν οι μαθητές βασικές δεξιότητες στους υπολογιστές μέσω μιας διαδραστικής και ευχάριστης εμπειρίας μάθησης. Μέσα από προσεκτικά σχεδιασμένα εκπαιδευτικά παιχνίδια, οι μαθητές μπορούν να εξασκηθούν σε θεμελιώδεις δεξιότητες, όπως η χρήση βασικών λειτουργιών του λειτουργικού συστήματος, η χρήση προγραμμάτων επεξεργασίας κειμένου, η διαχείριση αρχείων, η πλοήγηση στο διαδίκτυο, και η επίλυση προβλημάτων λογισμικού.  

Στο πλαίσιο της διπλωματικής αυτής ζητούνται: 

• Η μελέτη και κριτική επισκόπηση της υπάρχουσας βιβλιογραφίας. 
• Η ανάπτυξη ψηφιακής εφαρμογής ιστού για εκπαίδευση μαθητών Α-βάθμιας εκπαίδευσης σε βασικές δεξιότητες υπολογιστών, η οποία θα πρέπει να υποστηρίζει τις παρακάτω λειτουργίες: 
• Καθοδήγηση μαθητών (οδηγίες), με την μορφή παιχνιδιού, προκειμένου να εκτελούν  βασικές ενέργειες, όπως π.χ. επιλογή φωτογραφίας, μετακίνηση εικονιδίων, κ.α.  
• Ενημέρωση σκοπού κάθε διαδικασίας που αντιστοιχεί σε ένα βήμα καθοδήγησης.  
• Η αξιολόγηση της χρηστικότητας της εφαρμογής. 

Προαπαιτούμενα: Βασικές γνώσεις σε προγραμματισμό και Τεχνητή Νοημοσύνη 

Εργαλεία που θα χρησιμοποιηθούν: Python, .NET Blazor, ASP.NET Core, jQuery, Javascript, Angular, React, PHP, JSP. 

Ενδεικτική βιβλιογραφία 

[1] https://studio.code.org/s/oceans/lessons/1/levels/1  

Ε3. Ψηφιακή Πλατφόρμα Παιχνιδιών για Εκπαίδευση Μαθητών στην Τεχνητή Νοημοσύνη

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης     
Συνεπιβλέπων: Δρ Σταύρος Αθανασόπουλος 

Τα παιχνίδια μπορούν να αποτελέσουν ένα ισχυρό εργαλείο εκπαίδευσης μαθητών σε βασικές έννοιες της Τεχνητής Νοημοσύνης (ΤΝ) με τρόπο διαδραστικό και διασκεδαστικό. Μέσα από εκπαιδευτικά παιχνίδια, οι μαθητές μπορούν να κατανοήσουν πώς λειτουργούν οι αλγόριθμοι, η μηχανική μάθηση, και η επεξεργασία δεδομένων. Τα παιχνίδια αυτά μπορούν να δημιουργήσουν εικονικά περιβάλλοντα όπου οι παίκτες πειραματίζονται με την ΤΝ, π.χ., εκπαιδεύοντας ένα εικονικό ρομπότ να εκτελεί διάφορες εργασίες, ή λύνοντας προβλήματα μέσω προσαρμοστικών αλγορίθμων. Μέσα από τέτοιες δραστηριότητες, οι μαθητές κατανοούν βασικές αρχές, όπως η αναγνώριση προτύπων, η λήψη αποφάσεων βάσει δεδομένων και η επίλυση προβλημάτων, ενώ ταυτόχρονα καλλιεργείται η κριτική σκέψη και η δημιουργικότητά τους. 

Στο πλαίσιο της διπλωματικής αυτής ζητούνται: 

• Η μελέτη και κριτική επισκόπηση της υπάρχουσας βιβλιογραφίας.  
• Η ανάπτυξη ψηφιακής εφαρμογής ιστού για εκπαίδευση μαθητών Α-βάθμιας εκπαίδευσης στην Τεχνητή Νοημοσύνη, η οποία θα πρέπει να υποστηρίζει τις παρακάτω λειτουργίες: 
  • Εκπαίδευση από τους μαθητές στην κατηγοριοποίηση κάποιων αντικειμένων. 
  • Εισαγωγή νέων αντικειμένων από τους μαθητές στην εφαρμογή προς κατηγοριοποίηση. 
  • Ενημέρωση των μαθητών για το αποτέλεσμα της εκπαίδευσης, παρουσιάζοντας την κατηγοριοποίηση των νέων αντικειμένων. Αν η εκπαίδευση δεν είναι επαρκής (υπάρχουν λάθη στην κατηγοριοποίηση), τότε οι μαθητές θα πρέπει να επανεκπαιδεύουν την εφαρμογή. 
  • Ενημέρωση σκοπού κάθε διαδικασίας που εκτελεί η εφαρμογή.  
• Η αξιολόγηση της χρηστικότητας της εφαρμογής. 

Προαπαιτούμενα: Βασικές γνώσεις σε προγραμματισμό και Τεχνητή Νοημοσύνη 

Εργαλεία που θα χρησιμοποιηθούν: Python, .NET Blazor, ASP.NET Core, jQuery, Javascript, Angular, React, PHP, JSP. 

Ενδεικτική βιβλιογραφία 

[1] https://studio.code.org/s/oceans/lessons/1/levels/1  

Ε4. Ρευστή Δημοκρατία

Επιβλέπων: Καθ. Χρήστος Ζαρολιάγκης     
Συνεπιβλέπων: Δρ Σταύρος Αθανασόπουλος 

Η Ρευστή Δημοκρατία (Liquid Democracy) είναι μία μορφή της αντιπροσωπευτικής Δημοκρατίας όπου  ο κάθε εκλογέας έχει την δυνατότητα είτε να ψηφίσει ο ίδιος είτε να εκχωρήσει την ψήφο του σε κάποιον αντιπρόσωπο. Οι αντιπρόσωποι με την σειρά τους μπορούν να ψηφίσουν οι ίδιοι ή να εκχωρήσουν το σύνολο των ψήφων (την δική τους και αυτές που τους έχουν εκχωρηθεί) σε κάποιον άλλο. Το σύνολο των ψήφων για κάθε αντιπρόσωπο είναι η δική του ψήφος συν οι ψήφοι που του έχουν ανατεθεί.  Η εκχώρηση της ψήφου μπορεί να γίνει για διάφορους λόγους, όπως, ή έλλειψη χρόνου, η έλλειψη  προ απαιτούμενης γνώσης, η ανάγκη εκλογής συγκεκριμένου αριθμού αντιπροσώπων που θα  λάβουν μέρος σε μία διαπραγμάτευση κ.α. Το συγκεκριμένο μοντέλο Δημοκρατίας επιτρέπει τη μεταφορά της εξουσίας ψήφου προς ένα υποσύνολο ψηφοφόρων που περιέχει ιδανικά τους πιο ειδικούς να ψηφίσουν σχετικά με την ερώτηση. 

Στο πλαίσιο της διπλωματικής αυτής ζητούνται:  

• Η κριτική επισκόπηση  της υπάρχουσας βιβλιογραφίας.  
• Η ανάπτυξη ψηφιακής εφαρμογής ιστού που υλοποιεί το μοντέλο της ρευστής δημοκρατίας, και η οποία θα πρέπει να υποστηρίζει τις παρακάτω λειτουργίες:  
  • Εγγραφή Χρηστών και αυθεντικοποίηση. 
  • Άμεση Ψηφοφορία: οι χρήστες μπορούν να ψηφίσουν άμεσα σε θέματα, προτάσεις ή πολιτικές που βρίσκονται σε διαδικασία απόφασης. Κάθε θέμα παρουσιάζεται με σαφή περιγραφή, επιλογές ψήφου και προθεσμία. Η εφαρμογή μπορεί να υποστηρίζει πολλαπλούς μηχανισμούς ψηφοφορίας (ναι/όχι, κατάταξη προτίμησης, αναλογική ψηφοφορία), ανάλογα με τη φύση της απόφασης. 
  • Ανάθεση Ψήφου (Εξουσιοδοτημένη Ψήφος): οι χρήστες μπορούν να αναθέσουν την ψήφο τους σε άλλο άτομο (πληρεξούσιο) που εμπιστεύονται για να αποφασίζει για λογαριασμό τους, επιτρέποντας έμμεση συμμετοχή όταν δεν αισθάνονται επαρκώς ενημερωμένοι, ή δεν επιθυμούν να ψηφίσουν σε συγκεκριμένα θέματα. Οι χρήστες μπορούν να ανακαλέσουν ή να επανεκχωρήσουν την ανάθεση ανά πάσα στιγμή, διατηρώντας πλήρη έλεγχο της συμμετοχής τους. 
  • Διαφάνεια και Λογοδοσία: η εφαρμογή προσφέρει μια διαφανή εικόνα της διαδικασίας λήψης αποφάσεων, δείχνοντας πώς διανέμονται οι ψήφοι (άμεσες ή εξουσιοδοτημένες), χωρίς να αποκαλύπτονται προσωπικά δεδομένα. Οι χρήστες μπορούν να παρακολουθούν πώς ψήφισε ο πληρεξούσιός τους σε κάθε θέμα, εξασφαλίζοντας λογοδοσία. Αν ο πληρεξούσιος δεν ψηφίζει σύμφωνα με τις προτιμήσεις τους, μπορούν να ανακαλέσουν την εξουσιοδότηση. 
  • Χώροι Συζήτησης και Διαβούλευσης: δημιουργία χώρου συζήτησης όπου οι χρήστες μπορούν να συζητούν τις προτάσεις, να ανταλλάσσουν πληροφορίες και να παρουσιάζουν επιχειρήματα υπέρ ή κατά πριν από μια ψηφοφορία. Ειδικοί ή ηγέτες της κοινότητας μπορούν να παρέχουν πληροφορίες για να βοηθήσουν τους ψηφοφόρους και τους πληρεξούσιους να λάβουν ενημερωμένες αποφάσεις. 
  • Αποτελέσματα και Ανατροφοδότηση: μετά την ολοκλήρωση της ψηφοφορίας, η εφαρμογή παρουσιάζει τα αποτελέσματα, συμπεριλαμβανομένης της κατανομής των άμεσων και των εξουσιοδοτημένων ψήφων. Οι χρήστες μπορούν να παρέχουν ανατροφοδότηση για τη διαδικασία ψηφοφορίας ή να κάνουν προτάσεις για μελλοντικές βελτιώσεις, ενισχύοντας τη συμμετοχή της κοινότητας.  

Προαπαιτούμενα: Βασικές γνώσεις σε προγραμματισμό 

Εργαλεία που θα χρησιμοποιηθούν: .NET Blazor, ASP.NET Core, jQuery, Javascript, Angular, React, PHP, JSP. 

Ενδεικτική βιβλιογραφία 

[1] https://en.wikipedia.org/wiki/Liquid_democracy  

[2] Becker, R., Delfaraz, E., & Gilbert, H. (2021). When Can Liquid Democracy Unveil the Truth?. arXiv. https://doi.org/10.48550/arXiv.2104.01828  

[3] Gölz, P., Kahng, A., Mackenzie, S., & Procaccia, A. D. (2018). The Fluid Mechanics of Liquid Democracy. arXiv. https://doi.org/10.1007/978-3-030-04612-5_13  

[4] Hardt, Steve and Lopes, Lia C. R., “Google Votes: A Liquid Democracy Experiment on a Corporate Social Network”, Technical Disclosure Commons, (June 05, 2015) 

[5] https://www.tdcommons.org/dpubs_series/79