ΤΟΜΕΑΣ Α – Τεχνητή Νοημοσύνη, Ευφυείς Αλγόριθμοι & Βελτιστοποίηση: Προβλήματα Δρομολόγησης 

[Α1] Βέλτιστη Δρομολόγηση μη Επανδρωμένων Εναέριων Οχημάτων για Συλλογή Δεδομένων από Υπόγειους Αισθητήρες Αγροτεμαχίων  

Επιβλέπων: Χ. Ζαρολιάγκης
Συνεπιβλέπων: Σ. Κοντογιάννης 

Η μαζική ανάπτυξη αισθητήρων υγρασίας και θερμοκρασίας εδάφους σε γεωργικά αγροτεμάχια θα καταστεί απαραίτητη τα επόμενα χρόνια για την αντιμετώπιση των προκλήσεων της αγρο-οικολογικής μετάβασης. Σε ένα τέτοιο πλαίσιο, η χρήση υπόγειων (θαμμένων στο έδαφος) αισθητήρων επικοινωνίας είναι ιδιαίτερα σημαντική επειδή προστατεύονται με αυτόν τον τρόπο από ανθρώπινες δραστηριότητες, ζώα και γεωργικά μηχανήματα. Ωστόσο, η εμβέλεια επικοινωνίας τους περιορίζεται σε μόλις λίγα μέτρα πάνω από το έδαφος, γεγονός που οδηγεί σε δυσκολίες στη συλλογή των δεδομένων τους από απόσταση. Μια πιθανή λύση είναι η χρήση ενός ή περισσότερων μη Επανδρωμένων Εναέριων Οχημάτων (Unmanned Aerial Vehicles – UAV) για την διαδοχική επίσκεψη και συλλογή δεδομένων από τους αισθητήρες. Παρ ‘όλα αυτά, αυτή η προσέγγιση απαιτεί από τους αλγόριθμους σχεδιασμού διαδρομής να λάβουν υπόψη την παρουσία εμποδίων σε χαμηλό ύψος φωτισμού καθώς και την επίλυση του προβλήματος του αρκετά κοντινού περιοδεύοντος πωλητή (Close Enough Travelling Salesman Problem – CE-TSP) σε χωροταξικά άτακτα περιβάλλοντα (το πρόβλημα CE–TSP αποτελεί γενίκευση του προβλήματος του περιοδεύοντος πωλητή στο οποίο τα σημεία επίσκεψης αντικαθίστανται από περιοχές).  

Για να καλυφθεί αυτή η ανάγκη, η τρέχουσα τεχνολογία αιχμής [1] μελετά τη δυνατότητα αξιοποίησης πραγματικών δεδομένων από έναν αερομεταφερόμενο αισθητήρα ανίχνευσης και εμβέλειας φωτός (Light Detection and Ranging – LiDAR) για να προσδιοριστεί η θέση και το ύψος των εμποδίων στον χώρο εργασίας του UAV. Με βάση αυτά τα δεδομένα, μπορεί να υπολογιστεί ένας πίνακας κόστους που σχετίζεται με τις τροχιές μεταξύ κάθε ζεύγους κόμβων, μαζί με την πιθανότητα το UAV να βρίσκεται πάνω από τις περιοχές των εμποδίων. Στη συνέχεια, για να βελτιστοποιηθεί η διαδρομή του UAV στο πλαίσιο επίλυσης του προβλήματος CE-TSP, έχουν αναπτυχθεί ευρετικές προσεγγίσεις βασισμένες σε παρθενο-γενετικούς αλγορίθμους. 

Στο πλαίσιο της διπλωματικής αυτής ζητούνται:

• Η μελέτη και η επισκόπηση της  τρέχουσας τεχνολογικής στάθμης [1]. 
• Η ανάπτυξη και υλοποίηση μιας νέας ευρετικής μεθόδου η οποία θα επιλύει το πρόβλημα CE-TSP στο παραπάνω πλαίσιο εφαρμογής.   
• Η εκτενής πειραματική και συγκριτική αξιολόγηση της νέας ευρετικής μεθόδου με παρθενο-γενετικούς ευρετικούς αλγορίθμους σε πραγματικά ή συνθετικά δεδομένα. 

Ενδεικτική Βιβλιογραφία 

[1] Christophe Cariou, Laure Moiroux-Arvis, Fatiha Bendali-Mailfert, Yuankang Hu, and Jean Mailfert: Unmanned Aerial Vehicle Optimal Route Planning for Data Collection of Underground Communicating Sensor Nodes in Agriculture. ACM Journal on Autonomous Transportation Systems, 3:1 (2025), https://doi.org/10.1145/3748732. 

[Α2] Δρομολόγηση Ηλεκτρικών Οχημάτων Αποκομιδής Οικιακών Απορριμμάτων 

Επιβλέπων: Σ. Κοντογιάννης 
Συνεπιβλέπων: Χ. Ζαρολιάγκης

Η αποκομιδή απορριμμάτων σε αστικά δίκτυα αποτελεί μια σύνθετη και ενεργοβόρα διαδικασία, η οποία συνδέεται άμεσα με την ποιότητα ζωής, το περιβάλλον και τη βιώσιμη ανάπτυξη των πόλεων. Η χρήση ηλεκτρικών οχημάτων αποκομιδής απορριμμάτων συνιστά μία σύγχρονη και περιβαλλοντικά φιλική επιλογή, η οποία μειώνει σημαντικά τις εκπομπές ρύπων και το λειτουργικό κόστος των δημοτικών υπηρεσιών καθαριότητας. Ωστόσο, ο περιορισμένος ενεργειακός τους κύκλος, οι διαφοροποιήσεις στη χωρητικότητα, καθώς και η ανάγκη φόρτισης κατά τη διάρκεια της ημέρας καθιστούν τον σχεδιασμό των διαδρομών ένα νέο πρόβλημα δρομολόγησης ηλεκτρικών οχημάτων (Electric Waste Collection Problem – EWCP), που γενικεύει το κλασικό πρόβλημα δρομολόγησης οχημάτων (Vehicle Routing Problem – VRP).  Το πρόβλημα αυτό, όντας γενίκευση του VRP, είναι υπολογιστικά δύσκολο (NP-Hard) τόσο ως προς την εύρεση επακριβούς λύσης, όσο και ως προς την εύρεση προσεγγιστικής λύσης. Η συγκεκριμένη διπλωματική εργασία εστιάζει στη βελτιστοποίηση της αποκομιδής οικιακών απορριμμάτων με ηλεκτρικά απορριμματοφόρα, λαμβάνοντας υπόψη: 

• διαφορετικούς τύπους απορριμμάτων (ανακυκλώσιμα, οργανικά κ.λπ.), 
• χρονικά παράθυρα εξυπηρέτησης, 
• περιορισμούς χωρητικότητας και φόρτισης, 
• συμβατότητα κάδων–οχημάτων, 
• ετερογένεια στόλου ηλεκτρικών οχημάτων (διαφορετική αυτονομία, χρόνο φόρτισης, κ.λπ.). 

Στο πλαίσιο της διπλωματικής εργασίας ζητούνται: 

• Η μελέτη και κριτική επισκόπηση της βιβλιογραφίας. 
• Η μελέτη, παρουσίαση και υλοποίηση  της μετα-ευρετικής μεθόδου AVNS [2] και άλλων μετα-ευρετικών τεχνικών για την επίλυση του προβλήματος EWCP. 
• Η εκτενής πειραματική αξιολόγηση των υλοποιημένων τεχνικών σε πραγματικά ή/και συνθετικά δεδομένα. 

Ενδεικτική Βιβλιογραφία 

[1] W. Li, T. F. Ng, H. Ibrahim, S. L. Wang: A literature review of the state of the art of sustainable waste collection and vehicle routing problem. Journal of the Air & Waste Management Association, 75(1), 3-26, 2024, https://doi.org/10.1080/10962247.2024.2415298. 

[2] M. Erdem: Optimisation of sustainable urban recycling waste collection and routing with heterogeneous electric vehicles. Sustainable Cities and Society, Volume 80, 2022, https://doi.org/10.1016/j.scs.2022.103785. 

[Α3] Δρομολόγηση και Χρονοπρογραμματισμός Υπηρεσιών Κατ’ Οίκον Υγειονομικής Περίθαλψης 

Επιβλέπων: Χρήστος Ζαρολιάγκης
Συνεπιβλέπων: Σπύρος Κοντογιάννης 

Οι υπηρεσίες κατ’ οίκον υγειονομικής περίθαλψης (Home Healthcare – HHC) διαδραματίζουν καθοριστικό ρόλο στη βελτίωση της ποιότητας ζωής ασθενών που χρειάζονται συνεχή υποστήριξη, χωρίς την ανάγκη νοσηλείας. Η οργάνωση και δρομολόγηση των επισκέψεων των επαγγελματιών υγείας (νοσηλευτών, φυσικοθεραπευτών, ιατρών) αποτελεί ένα σύνθετο πρόβλημα συνδυαστικής βελτιστοποίησης, γνωστό ως Δρομολόγηση και Χρονοπρογραμματισμός Κατ’ οίκον Υγειονομικής Περίθαλψης (Home Healthcare Routing and Scheduling Problem – HHCRSP), το οποίο επεκτείνει το κλασικό πρόβλημα δρομολόγησης οχημάτων (Vehicle Routing Problem – VRP). 

Το HHCRSP χαρακτηρίζεται από ένα πλήθος επιχειρησιακών και κοινωνικών περιορισμών, όπως: 

• Χρονικά παράθυρα επισκέψεων, 
• διαθεσιμότητα και δεξιότητες του προσωπικού, 
• ανάγκη συγχρονισμένων επισκέψεων από διαφορετικούς επαγγελματίες, 
• και ισορροπία φόρτου εργασίας μεταξύ των μελών του προσωπικού. 

Το πρόβλημα αυτό, ως επέκταση του VRP, είναι υπολογιστικά δύσκολο (NP-Hard) τόσο ως προς την εύρεση επακριβούς λύσης, όσο και ως προς την εύρεση προσεγγιστικής λύσης. Για τον λόγο αυτό απαιτείται η ανάπτυξη αποδοτικών (μετα-)ευρετικών μεθόδων για την παραγωγή ποιοτικών λύσεων σε ρεαλιστικού μεγέθους παραδείγματα. 

Στο πλαίσιο της διπλωματικής εργασίας ζητούνται: 

• Η μελέτη και η κριτική επισκόπηση των υφιστάμενων προσεγγίσεων για το πρόβλημα HHCRSP. 
• Η ανάπτυξη και υλοποίηση (μετα-)ευρετικών αλγορίθμων (ενδεικτικά [2], [3], [4]) για τη δρομολόγηση και τον χρονοπρογραμματισμό υπηρεσιών κατ’ οίκον υγειονομικής περίθαλψης. 
• Η εκτεταμένη πειραματική αξιολόγηση των προτεινόμενων μεθόδων σε συνθετικά ή/και πραγματικά δεδομένα. 

Ενδεικτική Βιβλιογραφία 

[1] M. Masmoudi, J. Euchi, P. Siarry: Home healthcare routing and scheduling: operations research approaches and contemporary challenges. Annals of Operations Resesarch, 343, 701–751, 2024, https://doi.org/10.1007/s10479-024-06244-6. 

[2] J. Euchi, S. Zidi, L. Laouamer: A Hybrid Approach to Solve the Vehicle Routing Problem with Time Windows and Synchronized Visits In-Home Health Care. Arab Journal Sci. Eng., volume 45, 10637-10652, 2020, https://doi.org/10.1007/s13369-020-04828-5. 

[3] M. Bazirha, R. Benmansour, A. Kadrani: An efficient two-phase heuristic for the home care routing and scheduling problem. Computers & Industrial Engineering, Volume 181, 2023, https://doi.org/10.1016/j.cie.2023.109329. 

[4] M. Masmoudi, B. Jarboui, R. Borchani: Efficient metaheuristics for the home (health)-care routing and scheduling problem with time windows and synchronized visits. Optimization Letters, vol. 17, 2135-2167, 2023, https://doi.org/10.1007/s11590-023-02006-8. 

[Α4] Πολυκριτηριακή Δρομολόγηση Στόλου Οχημάτων και Αυτόνομων Εναέριων Οχημάτων με Χρήση Εξελικτικών Αλγορίθμων 

Επιβλέπων: Σπύρος Κοντογιάννης
Συνεπιβλέπων: Χρήστος Ζαρολιάγκης  

Το πρόβλημα της δρομολόγησης στόλου οχημάτων (Vehicle Routing Problem – VRP) αποτελεί ένα από τα κλασικά και σημαντικότερα προβλήματα στον τομέα της εφοδιαστικής αλυσίδας και των μεταφορών. Στο VRP, στόχος είναι η εύρεση των βέλτιστων διαδρομών για ένα στόλο οχημάτων ώστε να εξυπηρετηθούν οι απαιτήσεις ενός συνόλου πελατών, λαμβάνοντας υπόψη περιορισμούς όπως η χωρητικότητα των οχημάτων και οι χρονικοί περιορισμοί παράδοσης.  

Με την ανάπτυξη των αυτόνομων εναέριων οχημάτων (Unmanned Aerial Vehicles – UAVs), προέκυψε το αντίστοιχο πρόβλημα δρομολόγησης εναέριων οχημάτων (Vehicle Routing Problem with Drones – VRPD), όπου ο στόλος περιλαμβάνει τόσο επίγεια όσο και εναέρια οχήματα, τα οποία μπορούν να εκτελούν παραδόσεις σε παράλληλες ή συμπληρωματικές διαδρομές. Το VRPD εισάγει νέες προκλήσεις, όπως ο συντονισμός μεταξύ επίγειων όσο και εναέριων οχημάτων, η μέγιστη εμβέλεια των εναέριων οχημάτων, η φόρτωση/εκφόρτωση πακέτων και η διαχείριση περιορισμένων πόρων, καθιστώντας το πρόβλημα ακόμη πιο σύνθετο. Επιπλέον, σε πραγματικές εφαρμογές, συνήθως απαιτείται ταυτόχρονη βελτιστοποίηση πολλαπλών αντικειμενικών στόχων, όπως η ελαχιστοποίηση του χρόνου παράδοσης, του κόστους παράδοσης και της κατανάλωσης ενέργειας. Σε αυτές τις περιπτώσεις δεν υπάρχει μία μοναδική βέλτιστη λύση, αλλά ένα σύνολο λύσεων που αντιπροσωπεύει διαφορετικούς συμβιβασμούς μεταξύ των αντικειμενικών στόχων. Η παρούσα διπλωματική ασχολείται με τη μελέτη και εφαρμογή πολυκριτηριακών εξελικτικών αλγορίθμων για την επίλυση του VRPD.  

Στο πλαίσιο της διπλωματικής εργασίας ζητούνται: 

• Η μελέτη και κριτική επισκόπηση της σχετικής βιβλιογραφίας [1, 2]. 
• Η προσαρμογή και υλοποίηση εξελικτικών αλγορίθμων για την επίλυση του VRPD [3]. 
• Η εκτενής πειραματική αξιολόγηση και σύγκριση των αλγορίθμων σε πραγματικά ή/και συνθετικά δεδομένα. 

Ενδεικτική βιβλιογραφία

[1] S. Zhang, S. Liu, W. Xu, W. Wang: A novel multi-objective optimization model for the vehicle routing problem with drone delivery and dynamic flight endurance. Computers & Industrial Engineering, 173, p.108679, 2022, https://doi.org/10.1016/j.cie.2022.108679 

[2] R.J. Kuo, E. Edbert, F.E. Zulvia, S.H. Lu: Applying NSGA-II to vehicle routing problem with drones considering makespan and carbon emission. Expert Systems with Applications, 221, p.119777, 2023, https://doi.org/10.1016/j.eswa.2023.119777. 

[3] Q. Liu, X. Li, H. Liu, Z. Guo: Multi-objective metaheuristics for discrete optimization problems: A review of the state-of-the-art. Applied Soft Computing, 93, p.106382, 2020, https://doi.org/10.1016/j.asoc.2020.106382. 

[Α5] Δυναμικό-Υβριδικό Πρόβλημα Κατανομής και Προγραμματισμού Ελλιμενισμού με Στόχο την Ελαχιστοποίηση Εκπομπής Ρύπων 

Επιβλέπων: Χ. Ζαρολιάγκης
Συνεπιβλέπων: Σ. Κοντογιάννης 

Το πρόβλημα ελλιμενισμού και χρονοπρογραμματισμού πλοίων (Berth Allocation and Scheduling Problem – BASP) αποτελεί ένα από τα πλέον κρίσιμα προβλήματα βελτιστοποίησης στα σύγχρονα λιμάνια, καθώς αφορά τον καθορισμό του πού και πότε θα εξυπηρετηθεί κάθε πλοίο, με στόχο τη βέλτιστη αξιοποίηση των διαθέσιμων προβλητών και πόρων. Η αποτελεσματική επίλυσή του επηρεάζει άμεσα τον χρόνο αναμονής των πλοίων, το λειτουργικό κόστος των εταιρειών και τη συνολική αποδοτικότητα του λιμένα. Ωστόσο, τα τελευταία χρόνια, η αυξανόμενη ανάγκη για βιώσιμες και περιβαλλοντικά υπεύθυνες θαλάσσιες μεταφορές έχει μεταβάλει τη φύση του προβλήματος, απαιτώντας τη συνυπολογισμό του περιβαλλοντικού αποτυπώματος στις αποφάσεις βελτιστοποίησης. 

Σε αυτό το πλαίσιο, το πρόβλημα επεκτείνεται από μια καθαρά επιχειρησιακή άσκηση σε ένα πρόβλημα, όπου ο παραδοσιακός στόχος της ελαχιστοποίησης καθυστερήσεων αντικαθίσταται από ένα πολυκριτηριακό πρόβλημα το οποίο συμπεριλαμβάνει τη μείωση εκπομπών CO₂ που προκύπτουν από την πλεύση, την αναμονή και τη στάθμευση των πλοίων στο λιμάνι. Παράλληλα, η δυναμική φύση των αφίξεων και η πολυπλοκότητα των επιχειρησιακών περιορισμών καθιστούν αναγκαία την ανάπτυξη υβριδικών αλγοριθμικών προσεγγίσεων που μπορούν να προσαρμόζονται σε πραγματικό χρόνο και να εξισορροπούν αποδοτικότητα και βιωσιμότητα. 

Στο πλαίσιο της διπλωματικής αυτής ζητούνται: 

• Ανάπτυξη ενός δυναμικού και υβριδικού μοντέλου (HDBASP) που συνδυάζει διακριτές και συνεχείς μεταβλητές. 
• Ενσωμάτωση του περιβαλλοντικού αποτυπώματος (CO₂) στη διαδικασία βελτιστοποίησης, μέσω μαθηματικής μοντελοποίησης των εκπομπών που σχετίζονται με την πλεύση, την αναμονή και την παραμονή των πλοίων. 
• Σχεδίαση και αξιολόγηση υβριδικού αλγορίθμου επίλυσης του HDBASP. 
• Εκτενής πειραματική αξιολόγηση σε πραγματικά και συνθετικά δεδομένα, καθώς και ανάλυση των αλληλεπιδράσεων μεταξύ αποδοτικότητας και βιωσιμότητας, διερευνώντας πώς διαφορετικές πολιτικές επηρεάζουν τη συνολική λειτουργία και το περιβαλλοντικό αποτύπωμα του λιμένα. 

Ενδεικτική Βιβλιογραφία 

[1] Chen, H., & Li, Y. (2023). HDBASP: Hybrid dynamic berth allocation and scheduling problem. Journal of Computational Design and Engineering, 10(6), 2341–2356. Oxford University Press. https://doi.org/10.1093/jcde/qwad075 

[2] K. Karathanasis, S. Kontogiannis, A. Pegos, V. Sofianos, C. Zaroliagis: VRP-Inspired Techniques for Discrete Dynamic Berth Allocation and Scheduling. 25th Symposium on Algorithmic Approaches for Transportation Modelling, Optimization, and Systems (ATMOS 2025). Open Access Series in Informatics (OASIcs), Volume 137, pp. 6:1-6:21, Schloss Dagstuhl – Leibniz-Zentrum für Informatik, 2025, https://doi.org/10.4230/OASIcs.ATMOS.2025.6. 

[3] A.De, S. Pratap, A. Kumar, M.K. Tiwari: A hybrid dynamic berth allocation planning problem with fuel costs considerations for container terminal port using chemical reaction optimization approach. Annals of Operations Research, 290(1), 783–811, 2018, https://doi.org/10.1007/s10479-018-3070-1. 

[Α6] Ευρετικές Μέθοδοι Κατασκευής Συντομότερων Διαδρομών υπό Περιορισμούς Πόρων 

Επιβλέπων: Σπύρος Κοντογιάννης
Συνεπιβλέπων: 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). 

ΤΟΜΕΑΣ Β – Τεχνητή Νοημοσύνη, Ευφυείς Αλγόριθμοι & Βελτιστοποίηση: Προβλήματα Χρονοπρογραμματισμού

[Β1] Προσαρμοστικός Ενορχηστρωτής Αιτημάτων Εκτέλεσης Εφαρμογών σε Περιβάλλοντα Δίχως Διακομιστές 

Επιβλέπων: Σπύρος Κοντογιάννης
Συνεπιβλέπων: Χρήστος Ζαρολιάγκης 

Η υπολογιστική δίχως διακομιστές (serverless computing) αποτελεί μια πολύ διαδεδομένη τεχνολογία ιδιαίτερα σε δημόσια περιβάλλοντα υπολογιστικής νέφους. Βασική αρχή της είναι ότι κάθε εφαρμογή που καλείται να εκτελεστεί σε ένα υπολογιστικό νέφος, αντί να δεσμεύει συγκεκριμένους πόρους (έναν διακομιστή) για την εξυπηρέτησή της, εκλαμβάνεται ως ένα νέο αίτημα εξυπηρέτησης (ένα συμβάν) που ανατίθεται σε υπάρχοντες υπολογιστικούς πόρους από το ίδιο το νέφος και χρεώνεται μόνο για την «κατανάλωση» πόρων κατά τη δική του εξυπηρέτηση, δίχως να απαιτείται επιπρόσθετος φόρτος διαχείρισης του διακομιστή που τελικά εξυπηρετεί το αίτημα. Τέτοιες πλατφόρμες είναι, για παράδειγμα, οι εξής: (ι) Amazon Web Services (AWS) Lambda, (ιι) Google Cloud Functions, (ιιι) OpenFaaS  (ιν) IBM OpenWhisk (ν) Microsoft Azure WebJobs.  

Ωστόσο, παρά την ελκυστικότητά τους, οι συγκεκριμένες τεχνολογίες έχουν να αντιμετωπίσουν μια σημαντική πρόκληση: την υστέρηση της ολικής εκκίνησης (cold start latency), δηλαδή, την καθυστέρηση στην εξυπηρέτηση ενός αιτήματος εκτέλεσης μιας εφαρμογής δίχως διακομιστή, μετά από ένα σημαντικό χρονικό διάστημα αδράνειάς της, κατά το οποίο ο πάροχος της υπολογιστικής νέφους είχε επιλέξει να τερματίσει τον συγκεκριμένο διακομιστή που εκτελούσε τη συγκεκριμένη εφαρμογή (π.χ., για εξοικονόμηση πόρων/ενέργειας) και είναι πλέον υποχρεωμένος να εκκινήσει από την αρχή ένα κατάλληλο περιβάλλον εκτέλεσης πριν εξυπηρετήσει το συγκεκριμένο αίτημα. 

Αυτή η πρόκληση είναι προφανής επίπτωση της συγκεκριμένης αρχιτεκτονικής δίχως διακομιστές (Function–as–a–Service — FaaS), που αποσκοπεί στη βελτιστοποίηση του κόστους λειτουργίας (cost efficiency) και στην αυτόματη απενεργοποίηση αδρανών λειτουργιών (auto–scaling to zero). 

Παρόλο που η διεθνής βιβλιογραφία προτείνει διάφορες τεχνικές ελαχιστοποίησης των συνεπειών της υστέρησης ολικής εκκίνησης, όπως η προπαρασκευαστική προετοιμασία υποδοχέων εξυπηρέτησης αιτημάτων (container prewarming), η προσωρινή αποθήκευση (caching) υπολογιστικών περιβαλλόντων, και η προγνωστική κλιμάκωση (predictive scaling), πρόσφατες μελέτες από πραγματικά μεγάλης κλίμακας περιβάλλοντα ανάπτυξης έδειξαν ότι το πρόβλημα είναι πολυδιάστατο και απαιτεί μια ολιστική προσέγγιση. Συγκεκριμένα, εντοπίζονται τρεις κύριες πηγές υστέρησης ολικής εκκίνησης: 

1. Αγνόηση εξαρτήσεων και υστέρηση κρίσιμου μονοπατιού ελέγχου κατά την εκτέλεση εφαρμογών δίχως διακομιστή. 
2. Ανταγωνισμός ταυτόχρονων εφαρμογών για την αξιοποίηση διαμοιραζόμενων πόρων. 
3. Αναποτελεσματική δρομολόγηση αιτημάτων εξυπηρέτησης, δίχως να λαμβάνεται υπόψη σε πραγματικό χρόνο η τοπικότητα των προσωρινών υπολογιστικών περιβαλλόντων. 

Στόχος της παρούσας διπλωματικής είναι η μελέτη, υλοποίηση και πειραματική αξιολόγηση καινοτόμων τεχνικών που επιχειρούν να ξεπεράσουν τις προαναφερθείσες δυσκολίες και περιορισμούς. Συγκεκριμένα, θα αναπτυχθεί ένας πολυεπίπεδος ενορχηστρωτής για την ανάθεση αιτημάτων άμεσης εκτέλεσης εφαρμογών που αντιμετωπίζει το πρόβλημα της υστέρησης ολικής εκκίνησης σε τέσσερα επίπεδα: 

1. Προγνωστικό επίπεδο (predictive Layer): Αξιοποίηση μηχανισμών πρόβλεψης ζήτησης που βασίζονται σε τεχνικές μηχανικής μάθησης, όπως οι LSTM, Prophet, ARIMA, για «προληπτική προετοιμασία» (proactive prewarming) περιβαλλόντων εκτέλεσης σε πραγματικό χρόνο. 
2. Επίπεδο χρονοπρογραμματισμού βάσει τοπικότητας των περιβαλλόντων εκτέλεσης (cache–aware scheduling): Η δρομολόγηση των αιτημάτων εξυπηρέτησης θα λαμβάνει υπόψη πραγματικού χρόνου ενδείξεις για την κατάσταση των τοπικών αντιγράφων εκτέλεσης εφαρμογών. 
3. Επίπεδο διαχείρισης πόρων (resource management): Δημιουργία διαμοιραζόμενων ομάδων πόρων (shared resource pools), προς αποφυγή των συγκρούσεων μεταξύ ταυτόχρονων αιτημάτων εκτέλεσης εφαρμογών. 
4. Επίπεδο παρακολούθησης και διάγνωσης (monitoring & diagnosis): Ανάλυση σεναρίων (what–if analysis) για ανίχνευση σε πραγματικό χρόνο σημείων συμφόρησης των υπολογισμών. 

Στο πλαίσιο της διπλωματικής αυτής ζητούνται τα εξής: 

1. Επισκόπηση της σχετικής βιβλιογραφίας [1,2,6] και ταξινόμηση υπαρχουσών στρατηγικών.  
2. Παρουσίαση των διαθέσιμων συστημάτων που υποστηρίζουν εκτέλεση εφαρμογών δίχως διακομιστές (πχ, AFaaS, BlitzScale, Kamino). 
3. Σχεδίαση προτεινόμενης αρχιτεκτονικής: Component design του multi–level scheduler με formal specification των algorithms. Καθορισμός interfaces μεταξύ layers και integration points με serverless platforms. 
4. Υλοποίηση συστήματος ενορχήστρωσης και εκτέλεσης εφαρμογών δίχως διακομιστές. 
   • Predictive Layer: Data collection pipeline, feature engineering, ML model training (LSTM/Prophet/ARIMA), prediction API. 
   • Scheduling Layer: Cache state tracker, latency estimator, routing engine με lowest-estimated-latency policy. Αξιοποίηση πολυκριτηριακής βελτιστοποίησης. 
   • Resource Management: Memory pool manager, container orchestrator, prewarming service. 
   • Monitoring Layer: What-if simulator, straggler detector, Grafana dashboards. 
5. Πειραματική αξιολόγηση: Comparative experiments με baselines (no prewarming, static prewarming, predictive-only). Ablation studies για quantification κάθε layer. Sensitivity analysis για key parameters. Scalability tests και real-world trace replay (Azure Functions traces). 

Για την εκπόνηση της διπλωματικής  θα αξιοποιηθούν οι εξής τεχνολογίες: 

• Για τη δημιουργία της υποδομής: 
  • Serverless Platform: OpenFaaS ή Knative. 
  • Orchestration: Kubernetes (minikube για local, cloud options για scaling). 
  • Containerization: Docker. 
• Για την ανάπτυξη των βασικών δομικών στοιχείων του ενορχηστρωτή: 
  • Χρονοπρογραμματιστής αιτημάτων εκτέλεσης: Σε Python (FastAPI, pandas, numpy) ή Go. 
  • Δημιουργία προγνωστικού ML εργαλείου: scikit–learn, Prophet, statsmodels (ARIMA), PyTorch/TensorFlow (LSTM). 
  • APIs: REST (FastAPI), K8s Python Client. 
• Για τον έλεγχο επιδόσεων του ενορχηστρωτή σε πραγματικό χρόνο: 
  • Metrics: Prometheus (time-series DB) 
  • Visualization: Grafana (dashboards, alerts) 
  • Tracing (optional): Jaeger 
• Για την παραγωγή ευρείας κλίμακας πειραματικών δεδομένων: 
  • Load Generators: wrk, locust, Vegeta 
  • Trace Replay: Azure Functions traces 

Ενδεικτική Βιβλιογραφία                    

[1] M. Golec, G. K. Walia, M. Kumar, F. Cuadrado, S. S. Gill, S. Uhlig: Cold Start Latency in Serverless Computing: A Systematic Review, Taxonomy, and Future Directions. ACM Computing Surveys, Vol. 57, No. 3, Article 65, 2024, https://doi.org/10.1145/3700875. 

[2] X. Chai, K. Hu, D. Shen, Q. Xing, S. Song, T. Yang, :. Gao, F. Yu, Z. He: Fork in the Road: Reflections and Optimizations for Cold Start Latency in Production Serverless Systems. 19th USENIX Symposium on Operating Systems Design and Implementation, 2025, https://www.usenix.org/conference/osdi25/presentation/chai-xiaohu

[3] D. Zhang, H. Wang, Y.Liu, X. Wei, Y. Shan, R. Chen, H. Chen: BlitzScale: Fast and Live Large Model Autoscaling with O(1) Host Caching. 19th USENIX Symposium on Operating Systems Design and Implementation, 2025, https://www.usenix.org/conference/osdi25/presentation/zhang-dingyan. 

[4] J. Lin, Z. Jiang, Z. Song, S. Zhao, M. Yu, Z. Wang, C. Wang, Z. Shi, X. Shi, W. Jia, Z. Liu, S. Wang, H. Lin, X. Liu, A. Panda, J. Li: Understanding Stragglers in Large Model Training Using What-if Analysis. 19th USENIX Symposium on Operating Systems Design and Implementation, 2025, https://www.usenix.org/conference/osdi25/presentation/lin-jinkun. 

[5] Kamino: Efficient VM Allocation at Scale with Latency-Driven Cache-Aware Scheduling. D. Domingo, H. Barbalho, M. Molinaro, K. Liu, A. Pan, D. Dion, T. Moscibroda, S. Kannan, I. Menache, 19th USENIX Symposium on Operating Systems Design and Implementation, 2025, https://www.usenix.org/conference/osdi25/presentation/domingo. 

[6] L. Angelelli, A. da Silva, Y. Georgiou, M. Mercier, G. Mounié, D. Trystram: Towards a Multi-objective Scheduling Policy for Serverless-based Edge-Cloud Continuum. IEEE/ACM International Symposium on Cluster, Cloud and Internet Computing, pp. 485-497, 2023, https://hal.science/hal-04177085v2. 

[7] C. Nguyen, M. Bhuyan, E. Elmroth: Taming Cold Starts: Proactive Serverless Scheduling with Model Predictive Control. ArXiv technical report, https://arxiv.org/pdf/2508.07640.

[8] Q. Hu, H. Li, E. Nikougoftar: Mitigating cold start problem in serverless computing using predictive pre-warming with machine learning. Computing 107, 27, 2025,  https://doi.org/10.1007/s00607-024-01382-y.

[Β2] Χρονοπρογραμματισμός & Ανάθεση Θέσεων Ελλιμενισμού Εμπορικών Πλοίων σε Συνεχείς Αποβάθρες 

Επιβλέπων: Σπύρος Κοντογιάννης
Συνεπιβλέπων: Χρήστος Ζαρολιάγκης 

Η συνεχώς αυξανόμενη διακίνηση εμπορευματοκιβωτίων μέσω θαλάσσιων μεταφορών δημιουργεί την ανάγκη για αποδοτικότερο προγραμματισμό και διαχείριση των θαλάσσιων εμπορευματικών σταθμών. Μία από τις σημαντικότερες επιχειρησιακές αποφάσεις στη λειτουργία ενός λιμένα αφορά τον χρονοπρογραμματισμό και την ανάθεση θέσεων ελλιμενισμού στα εισερχόμενα πλοία (Berth Allocation & Scheduling Problem – BASP). Το πρόβλημα στοχεύει στη βέλτιστη εκχώρηση χρονικών και χωρικών θέσεων ελλιμενισμού, ώστε να ελαχιστοποιείται ο συνολικός χρόνος αναμονής, οι καθυστερήσεις και το επιχειρησιακό κόστος. 

Μια ιδιαίτερα ρεαλιστική και υπολογιστικά απαιτητική εκδοχή του προβλήματος είναι αυτή όπου η αποβάθρα θεωρείται συνεχής και τα πλοία μπορούν να ελλιμενίζονται σε οποιοδήποτε σημείο κατά μήκος της (Continuous BASP). Η συνεχής εκδοχή του προβλήματος επιτρέπει μεγάλη ευελιξία στη χρήση της αποβάθρας, αλλά ταυτόχρονα αυξάνει σημαντικά τη δυσκολία του προβλήματος, λόγω της συνεχούς φύσης του χώρου ελλιμενισμού και των πολύπλοκων χρονικών αλληλεξαρτήσεων. Το πρόβλημα ενσωματώνει πλήθος λειτουργικών και φυσικών περιορισμών, όπως διαφορετικά μήκη και βυθίσματα πλοίων, προτιμώμενες θέσεις ελλιμενισμού, ποινές καθυστερήσεων, μεταβλητούς χρόνους χειρισμού κ.α.  

Στο πλαίσιο της διπλωματικής αυτής ζητούνται: 

• Η μελέτη και η επισκόπηση της βιβλιογραφίας. 
• Η ανάπτυξη και υλοποίηση (μετά-)ευρετικών τεχνικών για την επίλυση στιγμιοτύπων του προβλήματος. 
• Η εκτενής πειραματική αξιολόγηση των υλοποιημένων τεχνικών σε πραγματικά ή/και συνθετικά δεδομένα. 

Ενδεικτική Βιβλιογραφία 

[1] S. Aslam, M.P. Michaelides, H. Herodotou: A survey on computational intelligence approaches for intelligent marine terminal operations. IET Intell. Transp. Syst. 18, 755–793, 2024, https://doi.org/10.1049/itr2.12469. 

[2] C. Luo, H. Fei, D. Sailike, T. Xu, F. Huang: Optimization of Continuous Berth Scheduling by Taking into Account Double-Line Ship Mooring. Scientific Programming, 2020, https://doi.org/10.1155/2020/8863994. 

[3] H. Guo, G. Li, T. Shi: Research on continuous berth allocation optimization based on improved multi-population genetic algorithm. 7th International Conference on Electronic Information Technology and Computer Engineering, 2023, https://doi.org/10.1145/3650400.3650596. 

[Β3] Παράλληλοι Εξελικτικοί Αλγόριθμοι για Ενορχήστρωση Εργασιών σε Συνεχές Νεφο-υπολογιστικό Περιβάλλον 

Επιβλέπων: Σπύρος Κοντογιάννης
Συνεπιβλέπων: Χρήστος Ζαρολιάγκης 

Η ραγδαία ανάπτυξη του Διαδικτύου των Αντικειμένων (IoT) έχει οδηγήσει σε αύξηση των δεδομένων και των εργασιών που πρέπει να εκτελεστούν σε πραγματικό χρόνο. Για την αντιμετώπιση αυτής της ζήτησης, έχουν αναπτυχθεί τα Συνεχή Νεφο-υπολογιστικά περιβάλλοντα (Cloud Continuum), όπου οι συσκευές IoT μεταφέρουν την εκτέλεση των εργασιών τους σε κοντινούς εξυπηρετητές (Edge servers) ή στο απομακρυσμένους εξυπηρετητές (Cloud). Η βελτιστοποίηση της ανάθεσης των εργασιών βασίζεται σε πολλαπλά κριτήρια, όπως ο χρόνος εκτέλεσης, η κατανάλωση ενέργειας και η ισορροπία φόρτου ανάμεσα στους εξυπηρετητές. Επομένως δεν υπάρχει μία μοναδική βέλτιστη λύση αλλά ένα σύνολο λύσεων που εκφράζουν διαφορετικούς συμβιβασμούς (ή αντισταθμίσεις) ανάμεσα στα κριτήρια. Για την παραγωγή αυτού του συνόλου λύσεων συχνά χρησιμοποιούνται πολυκριτηριακοί εξελικτικοί αλγόριθμοι, των οποίων η πολυπλοκότητα όμως περιορίζει τη χρήση τους σε πραγματικό χρόνο. 

Στόχος της παρούσας διπλωματικής είναι η παραλληλοποίηση των εξελικτικών αλγορίθμων με σκοπό τη μείωση του χρόνου εκτέλεσης και τη δυνατότητα εφαρμογής τους σε πραγματικό χρόνο. Η εργασία εστιάζει σε δύο βασικά μοντέλα παραλληλοποίησης: Το μοντέλο Master–Slave, και το μοντέλο Island. 

Στο πλαίσιο της διπλωματικής εργασίας ζητούνται: 

• Η μελέτη του προβλήματος ενορχήστρωσης εργασιών σε Συνεχές Νεφο-υπολογιστικό Περιβάλλον [1] και βασικών εξελικτικών αλγορίθμων [2]. 
• Η μελέτη των μοντέλων Master–Slave [3] και Island [4] και η παραλληλοποίηση των αλγορίθμων με βάση τα δύο μοντέλα.  
• Η εκτενής πειραματική αξιολόγηση και σύγκριση των αλγορίθμων σε όρους ταχύτητας εκτέλεσης και ποιότητας λύσεων σε πραγματικά ή/και συνθετικά δεδομένα. 

Ενδεικτική βιβλιογραφία

[1] K. Karathanasis, S. Kontogiannis, and C. Zaroliagis: Task Orchestration in the Cloud Continuum via Multi-objective Evolutionary Algorithms. Algorithmic Aspects of Cloud Computing. Lecture Notes in Computer Science, 2025, to appear. 

[2] K. Deb, A. Pratap, S. Agarwal and T. Meyarivan: A fast and elitist multiobjective genetic algorithm: NSGA-II.  IEEE Transactions on Evolutionary Computation, vol. 6, no. 2, pp. 182-197, April 2002, https://doi.org/10.1109/4235.996017. 

[3] J. J. Durillo, A. J. Nebro, F. Luna and E. Alba: A study of master-slave approaches to parallelize NSGA-II. IEEE International Symposium on Parallel and Distributed Processing, pp. 1-8, 2008,  https://doi.org/10.1109/IPDPS.2008.4536375. 

[4] M. Märtens and D. Izzo: The asynchronous island model and NSGA-II: study of a new migration operator and its performance. 15th annual conference on Genetic and Evolutionary Computation (GECCO). Association for Computing Machinery, New York, NY, USA, 1173-1180,  https://doi.org/10.1145/2463372.2463516 

[Β4] Υβριδικοί Πολυκριτηριακοί Εξελικτικοί Αλγόριθμοι για Ενορχήστρωση Εργασιών σε Συνεχές Νεφο-υπολογιστικό Περιβάλλον 

Επιβλέπων: Χρήστος Ζαρολιάγκης 
Συνεπιβλέπων: Σπύρος Κοντογιάννης 

Η ταχεία ανάπτυξη των περιβαλλόντων συνεχούς νεφο-υπολογισμού (Cloud Continuum), που συνδέουν υπολογιστικούς πόρους από την άκρη του δικτύου (Edge) έως το υπολογιστικό νέφος (Cloud), καθιστά την ενορχήστρωση και ανάθεση εργασιών κρίσιμο πρόβλημα για την αποδοτική χρήση των διαθέσιμων υποδομών. Οι εργασίες που προέρχονται από συσκευές IoT και άλλες πηγές δεδομένων πρέπει να εκτελούνται λαμβάνοντας υπόψη αντικρουόμενα κριτήρια, όπως ο χρόνος απόκρισης, η κατανάλωση ενέργειας, και η ισορροπία φόρτου μεταξύ των κόμβων. Για την αντιμετώπιση τέτοιων πολυκριτηριακών προβλημάτων έχουν χρησιμοποιηθεί με επιτυχία εξελικτικοί αλγόριθμοι, όπως οι NSGA–II, NSGA–III, SPEA2 και MOEA/D, οι οποίοι μπορούν να παραγάγουν ένα σύνολο βέλτιστων λύσεων που εκφράζουν διαφορετικούς συμβιβασμούς ανάμεσα στα κριτήρια.  

Η παρούσα διπλωματική εργασία στοχεύει στη δημιουργία νέων υβριδικών αλγορίθμων που συνδυάζουν εξελικτικές τεχνικές με άλλες μετα-ευρετικές ή προσαρμοστικές μεθόδους, όπως Particle Swarm Optimization (PSO), Ant Colony Optimization (ACO), Adaptive Large Neighborhood Search (ALNS) και τεχνικές μηχανικής μάθησης (Machine Learning).  

Στο πλαίσιο της διπλωματικής εργασίας ζητούνται: 

• Η μελέτη του προβλήματος ενορχήστρωσης εργασιών σε Συνεχές Νεφο-υπολογιστικό Περιβάλλον και  βασικών εξελικτικών αλγορίθμων [1]. 
• Η μελέτη και κριτική επισκόπηση μετα-ευρετικών ή προσαρμοστικών τεχνικών [2]. 
• Η ανάπτυξη και υλοποίηση υβριδικών αλγορίθμων που συνδυάζουν τις παραπάνω προσεγγίσεις. 
• Η εκτενής πειραματική αξιολόγηση και σύγκριση των αλγορίθμων που θα προκύψουν σε πραγματικά ή/και συνθετικά δεδομένα. 

Ενδεικτική βιβλιογραφία 

[1] K. Karathanasis, S. Kontogiannis, and C. Zaroliagis. Task Orchestration in the Cloud Continuum via Multi-objective Evolutionary Algorithms. Algorithmic Aspects of Cloud Computing. Lecture Notes in Computer Science, Springer, 2025. 

[2] Q. Liu, X. Li, H. Liu, Z. Guo: Multi-objective metaheuristics for discrete optimization problems: A review of the state-of-the-art. Applied Soft Computing, 93, p.106382, 2020, https://doi.org/10.1016/j.asoc.2020.106382. 

ΤΟΜΕΑΣ Γ – Εφαρμογές Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης

[Γ1] Συνεργατικός Σχεδιασμός Διαδρομών σε Αποκεντρωμένες Πλατφόρμες Κοινής Χρήσης Οχημάτων 

Επιβλέπων: Χ. Ζαρολιάγκης
Συνεπιβλέπων: Σ. Κοντογιάννης  

Οι πλατφόρμες κοινής χρήσης οχημάτων (ride–sharing) έχουν αποκτήσει εξέχουσα θέση ως κύριο μέσο μεταφοράς στις αστικές περιοχές λόγω της προσβασιμότητας, της οικονομικής αποδοτικότητας και της αυξημένης ευκολίας. Ωστόσο, η συγκεντρωτική τους φύση εγείρει ζητήματα ιδιωτικότητας για τους χρήστες και κυβερνοεπιθέσεων για τις πλατφόρμες. Για την αντιμετώπιση αυτών των ζητημάτων, τα συστήματα κοινής χρήσης οχημάτων που βασίζονται σε τεχνολογίες πλοκαδικής αλύσωσης (blockchain) έχουν αναδειχθεί ως μια δυνητική λύση, επειδή προσφέρουν αποκέντρωση και βελτιωμένα χαρακτηριστικά απορρήτου για να αυξήσουν την εμπιστοσύνη μεταξύ των χρηστών. Τα υπάρχοντα αποκεντρωμένα συστήματα, όμως, δεν συντονίζουν τις επιλογές διαδρομών μεταξύ των οδηγών, με αποτέλεσμα οι οδηγοί να δίνουν προτεραιότητα στις διαδρομές με την υψηλότερη πυκνότητα μετακινούμενων. Αυτό το φαινόμενο οδηγεί σε χωρική σύγκλιση των οδηγών σε συγκεκριμένες τοποθεσίες, γεγονός που κατά συνέπεια μειώνει τη χρηστικότητα της πλατφόρμας. Το ζητούμενο είναι η εύρεση μιας αλγοριθμικής παιγνιο-θεωρητικής μεθόδου που θα ωθεί τους χρήστες μιας αποκεντρωμένης πλατφόρμας κοινής χρήσης οχημάτων σε συνεργατικότητα με στόχο μια καθολικά αποδεκτή λύση (εύρεση κοινωνικά βέλτιστης λύσης ή ισορροπίας κατά Nash). 

Στο πλαίσιο της διπλωματικής αυτής ζητούνται: 

• Η μελέτη και η επισκόπηση της βιβλιογραφίας [1,2,3]. 
• Η επέκταση και υλοποίηση μιας αλγοριθμικής παιγνιο-θεωρητικής μεθόδου, η οποία θα ενισχύει τη συνεργατικότητα μεταξύ των χρηστών και θα οδηγεί σε μια καθολικά αποδεκτή λύση.   
• Η εκτενής πειραματική και συγκριτική αξιολόγηση της νέας μεθόδου με άλλες υπάρχουσες σε πραγματικά ή συνθετικά δεδομένα. 

Ενδεικτική Βιβλιογραφία 

[1] Aqsa Ashraf Makhdomi and Iqra Altaf Gillani. Collaborative Fair Route Planning in Decentralized Platforms: A Game Theoretic Perspective. IEEE Transactions on Intelligent Transportation Systems, 2025. https://doi.org/10.1109/TITS.2025.3581701.  

[2] Noam Nisan, Tim Roughgarden, Eva Tardos, and Vijay V. Vazirani. Algorithmic Game Theory. Cambridge University Press, 2007. 

[3] S. Amin, P. Jaillet, H. Pulyassary M. Wu: Market Design for Dynamic Pricing and Pooling in Capacitated Networks. MIT technical report, 2025, https://web.mit.edu/jaillet/www/general/2307.03994.pdf. 

[Γ2] Αξιοποίηση Μεγάλων Γλωσσικών Μοντέλων στην Αναζήτηση Καινοτόμων Αλγορίθμων Εύρεσης Προσεγγιστικών Ισορροπιών Nash για Στρατηγικά Παιχνίδια 

Επιβλέπων: Σπύρος Κοντογιάννης 
Συνεπιβλέπων: Χρήστος Ζαρολιάγκης 

Η σχεδίαση και ανάλυση καινοτόμων αλγορίθμων, αν και θεμελιώδης πυλώνας της πληροφορικής, αντιμετωπίζει μια σημαντική πρόκληση: την επινόηση θεωρητικών αποδείξεων των επιδόσεων (π.χ., φράγματα ως προς την ποιότητα της εκάστοτε παρεχόμενης λύσης) συγκεκριμένων αλγορίθμων ενάντια σε όλα τα δυνατά στιγμιότυπα ενός προβλήματος βελτιστοποίησης. Η τεχνητή νοημοσύνη, από την άλλη πλευρά, έχει επιδείξει αξιοθαύμαστη ικανότητα στην ανακάλυψη ιδιαίτερα ποιοτικών λύσεων ως προς το κριτήριο βελτιστοποίησης, αλλά για συγκεκριμένα στιγμιότυπα προβλημάτων. Όμως, παραμένει ζητούμενο η αυτοματοποιημένη αναζήτηση αλγορίθμων γενικού σκοπού, που καταφέρνουν να έχουν αποδεδειγμένες εγγυήσεις ποιότητας των παρεχόμενων λύσεων για οποιοδήποτε στιγμιότυπο του προβλήματος. Βασική πηγή της συγκεκριμένης αδυναμίας, είναι ακριβώς η δυσκολία ολοκλήρωσης του δημιουργικού σχεδιασμού ενός καινοτόμου αλγορίθμου με μια αυστηρή αλλά τυποποιημένη διαδικασία μαθηματικής ανάλυσης των εγγυήσεων ποιότητας που εξασφαλίζει.  

Η παρούσα διπλωματική εργασία ασχολείται με το υπολογιστικά δύσκολο πρόβλημα της εύρεσης μιας προσεγγιστικής ισορροπίας Nash σε στρατηγικά παιχνίδια δύο παικτών. Στόχος είναι η μελέτη και ο πειραματισμός με μια καινοτόμο συμβολική γλώσσα (μοιάζει με την Python), τη LegoNE, που επιχειρεί να “μεταφράσει” αυτόματα οποιονδήποτε αλγόριθμο για εύρεση προσεγγιστικών ισορροπιών σε ένα πρόβλημα βελτιστοποίησης υπό περιορισμούς (constrained optimization problem). Η επίλυση του συγκεκριμένου προβλήματος, από έναν οποιονδήποτε επιλύτη (πχ, Mathematica, Matlab, Gurobi, κ.λπ.), παρέχει ακριβώς το φράγμα προσέγγισης του συγκεκριμένου αλγορίθμου. Αξιοποιώντας τη δυνατότητα της γλώσσας LegoNE να συνδυάζει εύκολα έτοιμα δομικά στοιχεία (υλοποιήσεις συγκεκριμένων προσεγγιστικών αλγορίθμων) για την παραγωγή νέων προσεγγιστικών αλγορίθμων, των οποίων είναι πλέον αυτοματοποιημένα μετρήσιμη η εγγυημένη ποιότητα, έχουν χρησιμοποιηθεί στη βιβλιογραφία μεγάλα γλωσσικά μοντέλα (LLMs) για την «εξερεύνηση» ενός δυνητικά μεγάλου χώρου προσεγγιστικών αλγορίθμων, ξεκινώντας από συγκεκριμένους αλγορίθμους ως αφετηρία. Η εφαρμογή της συγκεκριμένης λογικής έχει μάλιστα καταφέρει να «επανεφεύρει» τον καλύτερο μέχρι σήμερα αλγόριθμο πολυωνυμικού χρόνου για εύρεση προσεγγιστικής ισορροπίας Nash μεταξύ δύο παικτών σε μόλις λίγες ώρες, ενώ ο συγκεκριμένος αλγόριθμος αποτέλεσε το επιστέγασμα μιας επίπονης και εντατικής δραστηριότητας από πολλές ερευνητικές ομάδες, για σχεδόν 20 χρόνια. 

Στο πλαίσιο της διπλωματικής αυτής ζητούνται: 

• Μελέτη και κριτική επισκόπηση της βιβλιογραφίας για πολυωνυμικού χρόνου αλγορίθμους κατασκευής προσεγγιστικών ισορροπιών [2]. 
• Μελέτη, παρουσίαση, εγκατάσταση και δοκιμή της γλώσσας LegoNE [1]. 
• Υλοποίηση στη γλώσσα LegoNE ορισμένων γνωστών αλγορίθμων για εύρεση προσεγγιστικών ισορροπιών Nash. 
• Αξιοποίηση μεγάλων γλωσσικών μοντέλων για εξερεύνηση καινοτόμων αλγορίθμων που χρησιμοποιούν τους υλοποιημένους αλγορίθμους ως δομικά στοιχεία τους. 

Ενδεικτική Βιβλιογραφία 

[1] H. Li, D. Li, X. Deng: Discovering Expert-Level Nash Equilibrium Algorithms with Large Language Models. arXiv:2508.11874 [cs.GT], https://doi.org/10.48550/arXiv.2508.11874

[2] H. Li, W. Huang, Z. Duan, D. H. Mguni, K. Shao, J. Wang, X. Deng: A survey on algorithms for Nash equilibria in finite normal-form games. Computer Science Review, Volume 51, 2024, https://doi.org/10.1016/j.cosrev.2023.100613 

[Γ3] Περιοδική και Δίκαιη Κατανομή Προβλητών σε Πλοία με Δυναμικό Χρονοπρογραμματισμό 

Επιβλέπων: Σ. Κοντογιάννης
Συνεπιβλέπων: Χ. Ζαρολιάγκης 

Η προτεινόμενη διπλωματική εργασία εστιάζει στην ανάπτυξη ενός Δίκαιου Περιοδικού Προβλήματος Κατανομής Προβλητών (Fair Periodic Berth Allocation Problem), που συνδυάζει τις αρχές του κλασικού προβλήματος Δίκαιης Περιοδικής Ανάθεσης (Fair Periodic Assignment Problem) με το δυναμικό-διακριτό πρόβλημα κατανομής και προγραμματισμού προβλητών (BASP). Στο πλαίσιο αυτό, ένα σύνολο πλοίων φθάνει περιοδικά στο λιμάνι και οι θέσεις προβλητών πρέπει να κατανεμηθούν κατά τέτοιο τρόπο ώστε να εξισορροπούνται η επιχειρησιακή αποδοτικότητα του λιμένα, με ελαχιστοποίηση καθυστερήσεων και λειτουργικού κόστους, και η δικαιοσύνη μεταξύ των πλοίων ή των εταιριών, εξασφαλίζοντας ισοκατανομή χρήσης των προβλητών. Η διπλωματική εργασία στοχεύει να προσφέρει ένα πρακτικό και εφαρμόσιμο πλαίσιο για σύγχρονα λιμάνια, όπου οι επαναλαμβανόμενες αφίξεις και η ισορροπία μεταξύ αποδοτικότητας και δικαιοσύνης είναι κρίσιμες για την ομαλή λειτουργία και βιωσιμότητα του λιμενικού συστήματος. 

Στο πλαίσιο της διπλωματικής αυτής ζητούνται:   

• Ανάπτυξη ενός δυναμικού-διακριτού μοντέλου ελλιμενισμού και χρονοπρογραμματισμού πλοίων (Berth Allocation and Scheduling Problem – BASP) που ενσωματώνει περιοδικές αφίξεις και περιοδική δικαιοσύνη στην κατανομή προβλητών. 
• Ενσωμάτωση αρχών του κλασικού προβλήματος Δίκαιης Περιοδικής Ανάθεσης, ώστε κάθε πλοίο ή εταιρία α έχει ισοκατανεμημένη χρήση προβλητών σε περιοδικά διαστήματα. 
• Ανάπτυξη αλγορίθμου βελτιστοποίησης που λαμβάνοι υπόψη τον χρόνο εξυπηρέτησης. 
• Εκτενής πειραματική αξιολόγηση σε πραγματικά και συνθετικά δεδομένα. 

Ενδεικτική Βιβλιογραφία 

[1] K. Karathanasis, S. Kontogiannis, A. Pegos, V. Sofianos, C. Zaroliagis. VRP-Inspired Techniques for Discrete Dynamic Berth Allocation and Scheduling. 25th Symposium on Algorithmic Approaches for Transportation Modelling, Optimization, and Systems (ATMOS 2025). Open Access Series in Informatics (OASIcs), Volume 137, pp. 6:1-6:21, Schloss Dagstuhl – Leibniz-Zentrum für Informatik, 2025, https://doi.org/10.4230/OASIcs.ATMOS.2025.6

[2] F. Löbel, N. Lindner: A Geometric Approach to Integrated Periodic Timetabling and Passenger Routing. 25th Symposium on Algorithmic Approaches for Transportation Modelling, Optimization, and Systems (ATMOS 2025). Open Access Series in Informatics (OASIcs), Volume 137, pp. 2:1-2:19, Schloss Dagstuhl – Leibniz-Zentrum für Informatik, 2025, https://doi.org/10.4230/OASIcs.ATMOS.2025.2 

[3] R. Nelson van Lieshout. B.T. Cornelis van Rossum: The Fair Periodic Assignment Problem. 25th Symposium on Algorithmic Approaches for Transportation Modelling, Optimization, and Systems (ATMOS 2025). Open Access Series in Informatics (OASIcs), Volume 137, pp. 1:1-1:16, Schloss Dagstuhl – Leibniz-Zentrum für Informatik, 2025, https://doi.org/10.4230/OASIcs.ATMOS.2025.1

[Γ4] Ανάπτυξη Υβριδικού Μοντέλου Πρόβλεψης Πλημμυρικού Κινδύνου με Συνδυασμό Φυσικής Προσομοίωσης και Τεχνικών Τεχνητής Νοημοσύνης

Επιβλέπων: Σπύρος Κοντογιάννης
Συνεπιβλέπων: Χρήστος Ζαρολιάγκης

Τα ακραία καιρικά φαινόμενα τείνουν τα τελευταία χρόνια να είναι συχνότερα και αυξανόμενης έντασης, ως αποτέλεσμα της κλιματικής αλλαγής στον πλανήτη. Η κακοκαιρία Ντάνιελ τον Σεπτέμβριο 2023 στη Θεσσαλία αποτελεί ένα χαρακτηριστικό παράδειγμα. Ως εκ τούτου, η πρόβλεψη πλημμυρών, ειδικά σε αστικές πυκνοκατοικημένες περιοχές, γίνεται επιτακτική.

Κύριο ζητούμενο είναι η ανάπτυξη ενός υβριδικού μοντέλου πρόβλεψης πλημμυρικών φαινομένων σε αστικά δίκτυα απορροής ομβρίων, το οποίο θα συνδυάζει τεχνικές Τεχνητής Νοημοσύνης (ΑΙ) με φυσικά μοντέλα προσομοίωσης ροής. Το προτεινόμενο σύστημα θα αξιοποιεί τα εργαλεία EPANET και WNTR για τη μοντελοποίηση του δικτύου ομβρίων και την εκτέλεση προσομοιώσεων ροής, προκειμένου να υπολογίζονται προβλέψεις βραχυπρόθεσμης εξέλιξης της στάθμης των υδάτων σε ολόκληρο το δίκτυο, χρησιμοποιώντας ως αφετηρία τις πραγματικές μετρήσεις που γίνονται από αισθητήρες και κάμερες σε επιλεγμένα σημεία (φρεάτια) του δικτύου. Στη συνέχεια, θα αναπτυχθούν μοντέλα μηχανικής μάθησης (όπως LSTM, GNN, ή υβριδικά μοντέλα παλινδρόμησης) που θα «μαθαίνουν» από τα προσομοιωμένα και τα πραγματικά δεδομένα, ώστε να εκτιμούν την πιθανότητα υπερχείλισης ή πλημμύρας σε κάθε σημείο του δικτύου.

Στο πλαίσιο της διπλωματικής εργασίας ζητούνται:

• Ανάπτυξη ενός περιβάλλοντος προσομοίωσης για την εξέλιξη πλημμυρικών φαινομένων (μέσα από τη λογική ελέγχου σεναρίων), και ενός υβριδικού μοντέλου πρόβλεψης πλημμυρικών φαινομένων σε αστικά δίκτυα απορροής ομβρίων, το οποίο θα συνδυάζει τεχνικές Τεχνητής Νοημοσύνης (ΑΙ) με φυσικά μοντέλα προσομοίωσης ροής.
• Ενσωμάτωση γνώσης που προκύπτει σε πραγματικό χρόνο για τη φυσική συμπεριφορά του δικτύου, στις βραχυπρόθεσμες προβλέψεις που δίνονται από τα μοντέλα τεχνητής νοημοσύνης/μηχανικής μάθησης για ενδεχόμενες υπερχειλίσεις ή/και πλημμυρικά φαινόμενα.
• Δημιουργία ενός καθοδηγούμενου από δεδομένα συστήματος προειδοποίησης πλημμυρών, που θα μπορεί να υποστηρίξει έξυπνα αστικά συστήματα διαχείρισης υδάτων.
• Εκτενής πειραματική αξιολόγηση σε πραγματικά δεδομένα που έχουν συλλεχθεί από αισθητήρες στάθμης, πίεσης και κάμερες, σε φρεάτια αποστράγγισης.

Η υλοποίηση θα πραγματοποιηθεί σε Python, με αξιοποίηση εργαλείων όπως TensorFlow / PyTorch, EPANET Toolkit, και WNTR API.

Ενδεικτική Βιβλιογραφία

[1] L.A. Rossman: EPANET 2 Users Manual. U.S. Environmental Protection Agency, 2000, https://www.microimages.com/documentation/tutorials/epanet2usermanual.pdf.

[2] K.A. Klise, R. Murray, T. Haxton. Water Network Tool for Resilience (WNTR) User Manual. Sandia National Laboratories, 2017, https://www.osti.gov/servlets/purl/1376816.

[3] F. Kratzert et al: Rainfall–runoff modelling using long short-term memory (LSTM) networks. Hydrology and Earth System Sciences 22.11: 6005-6022, 2018, https://doi.org/10.5194/hess-22-6005-2018.

[4] S. Bande and V. V. Shete: Smart flood disaster prediction system using IoT & neural networks. International Conference On Smart Technologies For Smart Nation (SmartTechCon), pp. 189-194, 2017, https://doi.org/10.1109/SmartTechCon.2017.8358367.

[5] D. S. Rani, G. N. Jayalakshmi and V. P. Baligar: Low Cost IoT based Flood Monitoring System Using Machine Learning and Neural Networks: Flood Alerting and Rainfall Prediction.  2nd International Conference on Innovative Mechanisms for Industry Applications (ICIMIA), pp. 261-267, 2020, https://doi.org/10.1109/ICIMIA48430.2020.9074928.

[6] E. Samikwa, T. Voigt and J. Eriksson: Flood Prediction Using IoT and Artificial Neural Networks with Edge Computing. International Conferences on Internet of Things (iThings) and IEEE Green Computing and Communications (GreenCom) and IEEE Cyber, Physical and Social Computing (CPSCom) and IEEE Smart Data (SmartData) and IEEE Congress on Cybermatics (Cybermatics), Rhodes, Greece, pp. 234-240, 2020, https://doi.org/10.1109/iThings-GreenCom-CPSCom-SmartData-Cybermatics50389.2020.00053.

ΤΟΜΕΑΣ Δ – Εκπαιδευτικά Παιχνίδια 

[Δ1] Εκπαιδευτικό Παιχνίδι Ανάπτυξης Λογικής και Αλγοριθμικής Σκέψης 

Επιβλέπων: Χ. Ζαρολιάγκης
Συνεπιβλέπων: Σ. Αθανασόπουλος  

Τα “Logic Builders” είναι παιχνίδια τα οποία μπορούν να αποτελέσουν έναν αποτελεσματικό τρόπο για να αποκτήσουν οι μαθητές της πρωτοβάθμιας και δευτεροβάθμιας εκπαίδευσης βασικές δεξιότητες στους ηλεκτρονικούς υπολογιστές (Η/Υ), μέσω μιας διαδραστικής και ευχάριστης εμπειρίας μάθησης. Μέσα από προσεκτικά σχεδιασμένες δραστηριότητες, οι μαθητές εξασκούνται σε θεμελιώδεις δεξιότητες, όπως η κατανόηση της λογικής ακολουθίας εντολών, η αναγνώριση προτύπων, η χρήση βασικών λειτουργιών του υπολογιστή και η επίλυση προβλημάτων μέσω αλγοριθμικής σκέψης.  

Στο πλαίσιο της διπλωματικής αυτής ζητούνται: 

• Η μελέτη και κριτική επισκόπηση της υπάρχουσας βιβλιογραφίας [1 – 5]. 
• Η ανάπτυξη ψηφιακής εφαρμογής ιστού, η οποία θα υποστηρίζει τις παρακάτω λειτουργίες: 
  • Θα λειτουργεί ως εκπαιδευτικό περιβάλλον παιχνιδιού και θα περιλαμβάνει τρεις ρόλους χρηστών: Διαχειριστής, Δάσκαλος και Μαθητής. 
  • Ο Διαχειριστής θα έχει τη δυνατότητα να εποπτεύει τη λειτουργία του συστήματος, να διαχειρίζεται τους χρήστες και να φροντίζει για τη σωστή λειτουργία της εφαρμογής. 
  • Οι Δάσκαλοι θα μπορούν να δημιουργούν και να διαχειρίζονται τις δικές τους τάξεις, να αναθέτουν δραστηριότητες ή παιχνίδια, καθώς και να τροποποιούν ή να δημιουργούν νέα σενάρια παιχνιδιών, ανάλογα με τους μαθησιακούς στόχους. Επιπλέον, θα έχουν πρόσβαση σε στατιστικά στοιχεία, βαθμολογίες και αναφορές προόδου για κάθε μαθητή. 
  • Οι Μαθητές θα συμμετέχουν στο παιχνίδι επιλύοντας προγραμματιστικές προκλήσεις μέσω ενός διαδραστικού περιβάλλοντος που θα παρέχει βασικές προγραμματιστικές εντολές (blocks), και στο οποίο θα μπορούν να συνθέτουν εντολές για να καθοδηγούν έναν χαρακτήρα ή να επιλύουν γρίφους που βασίζονται σε λογική και ακολουθίες βημάτων. 
  • Η εφαρμογή θα περιλαμβάνει πολλαπλά επίπεδα δυσκολίας, άμεση ανατροφοδότηση, οπτικές ενδείξεις επιτυχίας και σύστημα επιβράβευσης για την ενίσχυση της συμμετοχής. Παράλληλα, μέσω ενός πίνακα ελέγχου (dashboard), οι δάσκαλοι θα μπορούν να παρακολουθούν τη συνολική πορεία των μαθητών και να εντοπίζουν περιοχές που χρειάζονται περαιτέρω εξάσκηση. 
• Η αξιολόγηση της χρηστικότητας της εφαρμογής. 

Η χρήση της εφαρμογής θα συμβάλει στη βιωματική κατανόηση βασικών εννοιών του προγραμματισμού και θα αποτελέσει ένα σύγχρονο, παιγνιώδες εργαλείο υποστήριξης της διδασκαλίας των ΤΠΕ στην πρωτοβάθμια και δευτεροβάθμια εκπαίδευση. 

Προαπαιτούμενα:

• Βασικές γνώσεις προγραμματισμού
• Γνώσεις διαδικτυακών τεχνολογιών (HTML, CSS, JavaScript)
• Εξοικείωση με έννοιες σχεδίασης εκπαιδευτικών εφαρμογών

Εργαλεία που προτείνονται: 

• Python ή JavaScript για την υλοποίηση του βασικού μηχανισμού παιχνιδιού 
• React ή Angular για το περιβάλλον χρήστη 
• Node.js / ASP.NET Core για το back-end 
• Firebase ή MySQL για τη διαχείριση δεδομένων χρηστών και στατιστικών 

Ενδεικτική Βιβλιογραφία 

[1] Grover, S., & Pea, R. (2013): Computational Thinking in K–12: A Review of the State of the Field. Educational Researcher. 

[2] Resnick, M. et al. (2009). Scratch: Programming for All. Communications of the ACM. 

[3] Brennan, K., & Resnick, M. (2012). New frameworks for studying and assessing the development of computational thinking. 

[4] https://studio.code.org/  

[5] https://scratch.mit.edu/  

[6] Kawamoto, K., Hayashi, Y., Hirashima, T. (2016). An Open-Ended and Interactive Learning Using Logic Building System with Four-Frame Comic Strip. In: Yamamoto, S. (eds) Human Interface and the Management of Information: Applications and Services. HIMI 2016. Lecture Notes in Computer Science, vol 9735, Springer, Cham. https://doi.org/10.1007/978-3-319-40397-7_15. 

[Δ2] Πλατφόρμα Παιχνιδιών Οπτικού Προγραμματισμού για Εκπαίδευση Μαθητών σε Βασικές Έννοιες Προγραμματισμού 

Επιβλέπων: Χ. Ζαρολιάγκης
Συνεπιβλέπων: Σ. Αθανασόπουλος  

Τα περιβάλλοντα οπτικού προγραμματισμού αποτελούν έναν αποτελεσματικό τρόπο εισαγωγής των μαθητών στις βασικές έννοιες του προγραμματισμού, μέσα από μια διαδραστική και δημιουργική διαδικασία. Μέσω της οπτικής αναπαράστασης εντολών με βασικές προγραμματιστικές εντολές (block) και της άμεσης εκτέλεσης των αποτελεσμάτων, οι μαθητές αναπτύσσουν αλγοριθμική σκέψη, ικανότητα επίλυσης προβλημάτων και κατανόηση της ροής λογικής.  

Στο πλαίσιο της διπλωματικής αυτής ζητούνται: 

• Η μελέτη και κριτική επισκόπηση της υπάρχουσας βιβλιογραφίας [1 – 5]. 
• Η ανάπτυξη ψηφιακής εφαρμογής ιστού, η οποία θα υποστηρίζει τις παρακάτω λειτουργίες: 
  • Θα αποτελεί ένα διαδικτυακό περιβάλλον οπτικού προγραμματισμού με τη μορφή εκπαιδευτικού παιχνιδιού, στο οποίο θα υπάρχουν τρεις κατηγορίες χρηστών: Διαχειριστής, Δάσκαλος και Μαθητής. 
  • Ο Διαχειριστής θα έχει τη δυνατότητα διαχείρισης των χρηστών, της λειτουργίας της εφαρμογής και της εποπτείας του συνολικού περιεχομένου. 
  • Οι Δάσκαλοι θα μπορούν να δημιουργούν και να διαχειρίζονται τις δικές τους ψηφιακές τάξεις, να προσκαλούν μαθητές, να αναθέτουν δραστηριότητες και να τροποποιούν ή να δημιουργούν νέα παιχνίδια, προσαρμόζοντάς τα στις εκπαιδευτικές ανάγκες της τάξης τους. Επιπλέον, θα έχουν πρόσβαση σε στατιστικά στοιχεία και βαθμολογίες που αφορούν την πρόοδο και την απόδοση των μαθητών τους. 
  • Οι Μαθητές θα αλληλεπιδρούν με το σύστημα μέσω ενός διαδραστικού περιβάλλοντος που θα παρέχει βασικές προγραμματιστικές εντολές (blocks), εκτελώντας δραστηριότητες που εισάγουν σταδιακά έννοιες όπως ακολουθίες εντολών, επαναλήψεις, συνθήκες και γεγονότα. Κάθε δραστηριότητα θα συνοδεύεται από σαφείς οδηγίες και ανατροφοδότηση, ώστε ο μαθητής να κατανοεί τον σκοπό κάθε βήματος και να αναπτύσσει δεξιότητες λογικής και προγραμματιστικής σκέψης. 
  • Η εφαρμογή θα υποστηρίζει επίσης σύστημα αξιολόγησης και παρακολούθησης προόδου, προσφέροντας βαθμολογία, στατιστικά επιδόσεων και δυνατότητα αποθήκευσης/επαναφόρτωσης έργων.  
• Η αξιολόγηση της χρηστικότητας της εφαρμογής. 

Η χρήση της εφαρμογής θα συμβάλει ουσιαστικά στη βιωματική εκμάθηση βασικών αρχών προγραμματισμού και στην ενίσχυση της ενεργητικής συμμετοχής των μαθητών στη μαθησιακή διαδικασία. 

Προαπαιτούμενα:

• Βασικές γνώσεις προγραμματισμού
• Γνώσεις διαδικτυακών τεχνολογιών (HTML, CSS, JavaScript)
• Εξοικείωση με έννοιες σχεδίασης εκπαιδευτικών εφαρμογών

Εργαλεία που προτείνονται: 

• Python ή JavaScript για την υλοποίηση του βασικού μηχανισμού παιχνιδιού 
• React ή Angular για το περιβάλλον χρήστη 
• Node.js / ASP.NET Core για το back-end 
• Firebase ή MySQL για τη διαχείριση δεδομένων χρηστών και στατιστικών 
• Blockly (βιβλιοθήκη οπτικού προγραμματισμού από την Google) 

Ενδεικτική Βιβλιογραφία 

[1] Wing, J. (2006). Computational Thinking. Communications of the ACM. 

[2] Resnick, M. et al. (2009). Scratch: Programming for All. Communications of the ACM. 

[3] Papert, S. (1980). Mindstorms: Children, Computers, and Powerful Ideas. 

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

ΤΟΜΕΑΣ Ε – Κυβερνοασφάλεια

[Ε1] Ανάπτυξη Διαδραστικής Εφαρμογής για την Επεξεργασία και Οπτικοποίηση Εκπαιδευτικών Σεναρίων Κυβερνοασφάλειας

Επιβλέπων: Χρήστος Ζαρολιάγκης
Συνεπιβλέπων:  Σπύρος Κοντογιάννης

Η κυβερνοασφάλεια αποτελεί έναν από τους πιο κρίσιμους τομείς της πληροφορικής στην εποχή μας. Οι επιθέσεις σε συστήματα πληροφορικής αυξάνονται συνεχώς, τόσο σε πλήθος όσο και σε πολυπλοκότητα, καθιστώντας απαραίτητη την ύπαρξη επαρκώς καταρτισμένων χρηστών και επαγγελματιών στον τομέα αυτό.

Η αυξανόμενη εξάρτηση από τα ψηφιακά μέσα στην καθημερινότητα καθιστά την εκπαίδευση των χρηστών σε θέματα κυβερνοασφάλειας κρίσιμο παράγοντα για την πρόληψη και αντιμετώπιση ψηφιακών απειλών. Εκπαιδευτικά σενάρια, διαδραστικά εργαστήρια και προσομοιώσεις επιθέσεων σε ασφαλή περιβάλλοντα, είναι σήμερα βασικά εργαλεία μάθησης και αξιολόγησης δεξιοτήτων.

Τα τελευταία χρόνια έχουν αναπτυχθεί ποικίλα εργαλεία και πλατφόρμες που υποστηρίζουν τη διαδραστική εκπαίδευση στον τομέα της κυβερνοασφάλειας, προσφέροντας θεωρητικό εκπαιδευτικό υλικό, έτοιμα σενάρια, καθώς και εικονικά και παραμετροποιημένα περιβάλλοντα εξάσκησης. Ενδεικτικά παραδείγματα αποτελούν οι πλατφόρμες: Hack The Box, TryHackMe, Cybrary, RangeForce, KYRO, CyberRangeCZ, CyberCIEGE, SoSafe και PicoCTF.

Στο πλαίσιο της διπλωματικής αυτής εργασίας ζητούνται:

• Η μελέτη και κριτική επισκόπηση της τρέχουσας τεχνολογικής στάθμης.
• Η ανάπτυξη μιας ολοκληρωμένης, αυτόνομης (standalone) και διαδραστικής εφαρμογής με γραφικό περιβάλλον (GUI), η οποία θα επιτρέπει τη φόρτωση, αποθήκευση, προβολή, επεξεργασία και οπτικοποίηση εκπαιδευτικών σεναρίων κυβερνοασφάλειας. Κάθε εκπαιδευτικό σενάριο θα περιλαμβάνει δύο βασικά μέρη:
  • Ορισμός ασφαλούς περιβάλλοντος (sandbox definition): Ορισμός μιας τοπολογίας δικτύου υπολογιστών και των χαρακτηριστικών των επιμέρους υπολογιστικών κόμβων (servers, routers), όπως λειτουργικά συστήματα, πρόσθετο λογισμικό, ρυθμίσεις, χρήστες κ.ά.
  • Ορισμός σεναρίου εκπαίδευσης (training definition): Ορισμός ενός σεναρίου σε σχέση με ένα συγκεκριμένο sandbox, των στόχων, των επιπέδων-δοκιμασιών (levels) και του πλαισίου αξιολόγησης της συμμετοχής των χρηστών.
• Η ανάπτυξη της εφαρμογής θα βασίζεται σε συγκεκριμένη δομή αρχείων (YAML/JSON) που χρησιμοποιείται από την ανοιχτού κώδικα πλατφόρμα εικονικών περιβαλλόντων κυβερνοασφάλειας CyberRangeCZ:
  • https://docs.platform.cyberrange.cz/user-guide-advanced/sandboxes/sandbox-definition
  • https://docs.platform.cyberrange.cz/user-guide-advanced/trainings/trainings-overview/#training-definition

Ενδεικτική Τεχνολογική Στοίβα:

• Python Βιβλιοθήκες: PyQt Tkinter, Pyvis, Vis Network, Networkit, Igraph, Graph-tool, Networkx, PyYAML, json
• Web (client-side) JS, HTML, and CSS Βιβλιοθήκες: Electron, cytoscape

Ενδεικτική Βιβλιογραφία

[1] Training Workflow https://docs.platform.cyberrange.cz

[2] N. Chouliaras, G. Kittes, I. Kantzavelou, L. Maglaras, G. Pantziou, , M.A. Ferrag: Cyber ranges and testbeds for education, training, and research. Applied Sciences, 11(4), Article 1809, 2021, https://doi.org/10.3390/app11041809.

[3] M. N. Katsantonis, A. Manikas, I. Mavridis, D. Gritzalis: Cyber range design framework for cyber security education and training. International Journal of Information Security, 22(4), 1005-1027, 2023, https://doi.org/10.1007/s10207-023-00680-4.

[4] M. Riar, B. Morschheuser, R. Zarnekow, J. Hamari: Gamification of cooperation: A framework, literature review and future research agenda. International Journal of Information Management, 67, Article 102549, 2022, https://doi.org/10.1016/j.ijinfomgt.2022.102549.

[Ε2] Σχεδίαση και Υλοποίηση Σοβαρών Παιγνιδιών και Επιτραπέζιων Ασκήσεων Κυβερνοασφάλειας

Επιβλέπων: Χρήστος Ζαρολιάγκης
Συνεπιβλέπων: Σπύρος Κοντογιάννης

Η κυβερνοασφάλεια αποτελεί έναν από τους πιο κρίσιμους τομείς της πληροφορικής στην εποχή μας. Οι επιθέσεις σε συστήματα πληροφορικής αυξάνονται συνεχώς, τόσο σε πλήθος όσο και σε πολυπλοκότητα, καθιστώντας απαραίτητη την ύπαρξη επαρκώς καταρτισμένων χρηστών και επαγγελματιών στον τομέα αυτό.

Η αυξανόμενη εξάρτηση από τα ψηφιακά μέσα στην καθημερινότητα καθιστά την εκπαίδευση των χρηστών σε θέματα κυβερνοασφάλειας κρίσιμο παράγοντα για την πρόληψη και αντιμετώπιση ψηφιακών απειλών. Εκπαιδευτικά σενάρια, διαδραστικά εργαστήρια και προσομοιώσεις επιθέσεων σε ασφαλή περιβάλλοντα, είναι σήμερα βασικά εργαλεία μάθησης και αξιολόγησης δεξιοτήτων.

Τα τελευταία χρόνια έχουν αναπτυχθεί ποικίλα εργαλεία και πλατφόρμες που υποστηρίζουν τη διαδραστική εκπαίδευση στον τομέα της κυβερνοασφάλειας, προσφέροντας θεωρητικό εκπαιδευτικό υλικό, έτοιμα σενάρια, καθώς και εικονικά και παραμετροποιημένα περιβάλλοντα εξάσκησης. Ενδεικτικά παραδείγματα αποτελούν οι πλατφόρμες: Hack The Box, TryHackMe, Cybrary, RangeForce, KYRO, CyberRangeCZ, CyberCIEGE, SoSafe και PicoCTF. Μια σημαντική κατηγορία μεθόδων εκπαίδευσης περιλαμβάνει την ανάπτυξη σοβαρών παιγνιδιών (serious games) και επιτραπέζιων ασκήσεων (tabletop exercises).

Στο πλαίσιο της διπλωματικής αυτής εργασίας ζητούνται:

• Η κριτική μελέτη και επισκόπηση υφιστάμενων παιχνιδιών κυβερνοασφάλειας
• Η σχεδίαση και υλοποίηση εκπαιδευτικών ασκήσεων τύπου σοβαρών παιγνιδιών (serious games) και επιτραπέζιων ασκήσεων (tabletop exercises), η οποία περιλαμβάνει:
  • Ανάλυση των αρχών σχεδίασης.
  • Ανάπτυξη μοντέλων παιχνιδιού που συνδυάζουν τεχνικά και μη σενάρια (τεχνική απόκριση, επικοινωνία, λήψη απόφασης, διαχείριση κρίσης).
  • Δημιουργία διαδραστικών σεναρίων με κλιμακούμενη δυσκολία και πολλαπλά αποτελέσματα.
  • Ενσωμάτωση μηχανισμών αξιολόγησης και ανατροφοδότησης (feedback).
  • Υλοποίηση βασισμένη σε εργαλεία ανοιχτού κώδικα και βιβλιοθήκες.

Ενδεικτική Τεχνολογική Στοίβα:

• Backend & Game Logic
  • Python: για διαχείριση σεναρίων, λογικής παιχνιδιού, αποθήκευση δεδομένων
  • FastAPI: RESTful API για διασύνδεση frontend–backend
  • SQLite / PostgreSQL, αποθήκευση χρηστών, επιλογών, αξιολογήσεων
• Frontend / GUI
  • js ή Vue.js
  • TailwindCSS
  • IO
• Game Mechanics / Visualization
  • io: JavaScript βιβλιοθήκη για game logic και multiplayer υποστήριξη.
  • js ή Phaser: για 2D γραφική απεικόνιση του tabletop περιβάλλοντος.

Ενδεικτική Βιβλιογραφία

[1] M. Katsantonis, A. Manikas, N. Partarakis, I. Mavridis: Yellow Training: a collaborative tCOFELET tabletop serious game for cybersecurity awareness and training. International Journal of Information Security, 24, 171, 2025, https://doi.org/10.1007/s10207-025-01086-0.

[2] V. Švábenský, J. Vykopal, M. Horák, M. Hofbauer P. Čeleda: From Paper to Platform: Evolution of a Novel Learning Environment for Tabletop Exercises. Innovation and Technology in Computer Science Education, 1, 213:219, 2024, https://doi.org/10.1145/3649217.3653639.

[3] V. Veksler N. Buchler B. Hoffman, D. Cassenti C. Sample S. Sugrim: Simulations in Cyber-Security: A Review of Cognitive Modeling of Network Attackers, Defenders, and Users. Frontiers in Psychology, 9:691, 2018, https://doi.org/10.3389/fpsyg.2018.00691.

[4] N. Chouliaras, G. Kittes, I. Kantzavelou, L. Maglaras, G. Pantziou, M. Ferrag: Cyber Ranges and TestBeds for Education, Training, and Research. Applied Sciences, 11(4):1809, 2021, https://doi.org/10.3390/app11041809.

[5] G. Angafor, I. Yevseyeva, Y. He: Game-based learning: A review of tabletop exercises for cybersecurity incident response training. Wiley Security and Privacy, 3(6), e126, 2020. https://doi.org/10.1002/spy2.126

[6] M. Hendrix,A. AlSherbaz, V. Bloom: Game Based Cyber Security Training: are Serious Games suitable for cyber security training? International Journal of Serious Games, 3(1), 2016, https://doi.org /10.17083/ijsg.v3i1.107.