مقایسه الگوریتم های جستجوی ممنوع هدایت شونده و ژنتیک تو در تو، جهت حل مسئله مکان یابی-تخصیص ظرفیت دار در شرایط اضطراری
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 136
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JGCE-1-1_010
تاریخ نمایه سازی: 10 مهر 1402
چکیده مقاله:
پیشینه و اهداف: زلزلهه ای شدید، موجب بروز صدمات جانی و مالی زیادی میشود که با امدادرسانی سریع و به موقع، می توان از بروز بسیاری حوادث پس از سانحه، جلوگیری کرد. یکی از مسائل مهم در این زمینه، تخصیص بهینه ی مصدومان به مراکز درمانی است و این مسئله، دارای ماهیتی پویا و پیچیده بوده و با روش های ساده، قابل حل نمیباشد. به کارگیری سامانه ی اطلاعات مکانی (GIS) در کنار روشهای بهینه سازی و شبیه سازی، این امکان را فراهم میکند که بتوان یک روش مناسب برای تخصیص بهینه ی مصدومان زلزله، به مراکز درمانی یافت. مسئله ی تخصیص مصدومان زلزله به مراکز درمانی، در دسته ی مسائل تخصیص ظرفیت دار قرار دارد، که در این نوع مسائل با افزایش تعداد نقاط تقاضا و مراکز خدماتی، پیچیدگی و حجم محاسبات مسئله، به صورت نمایی افزایش می یابد. بنابراین، در بسیاری از مواقع، استفاده از روش های جستجوی مستقیم و قطعی در حل این نوع مسائل، کارایی ندارد و باید از روش های ابتکاری مناسب برای حل بهینه ی آن ها، بهره برد. از سویی دیگر، به دلیل آن که داده های مکانی، در مسئله ی تخصیص مصدومان زلزله به مراکز درمانی، نقش مهمی دارند، بنابراین، می توان با یکپارچه نمودن و ترکیب سامانه ی اطلاعات مکانی با روشهای بهینه سازی موجود در جهت حل بهتر و ساده تر آن، حرکت کرد.روش ها : در این تحقیق، فرض بر این است که در صورت وقوع زلزله، تعدادی از جمعیت ساکن در برخی از بلوکهای ساختمانی، مصدوم شده و نیازمند کمک خواهند بود که محلهای قرارگیری این جمعیت مصدوم، همان نقاط تقاضا است. بدین ترتیب، باید این مصدومان به مراکز درمانی فرستاده شوند که هر یک از آن ها، توانایی ارائه ی خدمات به تعداد مشخصی از این مصدومان را، دارا هستند. پارامتر بعدی، تعداد مراکز درمانی و ظرفیت آن ها برای ارائه ی خدمات درمانی میباشد که در این تحقیق، ظرفیت مراکز درمانی کمتر از تعداد مصدومان، فرض شده است. در نهایت، با بهینه سازی تابع هدف، نسبتی از مصدومان در نقاط مختلف که باید توسط مراکز درمانی موجود و یا جدید، مورد پذیرش قرار گیرند، با استفاده از یک الگوریتم ژنتیک تو در تو، محاسبه میشود. خروجی الگوریتم ژنتیک که مکان مراکز جدید را مشخص میکند، با اطلاعات موجود که همان مکان مراکز موجود است، ترکیب شده و سپس به عنوان پارامترهای ورودی الگوریتم جستجوی ممنوع هدایت شونده (SGTS)، برای تعیین بهترین تخصیص به کار میرود.یافته ها: جهت ارزیابی دقت الگوریتم ژنتیک و روش جستجوی ممنوع هدایت شونده، انحراف معیار، دقت و زمان پردازش، مورد ارزیابی قرار گرفته است که الگوریتم جستجوی ممنوع هدایت شونده در هر سه ارزیابی، عملکرد بهتری داشته است. نتایج، نشان می دهد که نسبت انحراف معیار روش پیشنهادی نسبت به الگوریتم ژنتیک ۱۲/۰ است و میانگین دقت روش جستجوی ممنوع هدایت شونده نسبت به الگوریتم ژنتیک، به طور میانگین ۱۸% بهبود داشته است. همچنین، روش SGTS ۷% ،سریع تر محاسبات را انجام داده است.نتیجه گیری: با مقایسه ی مدت زمان حل بهینه ی مسئله ی تخصیص مصدومان زلزله به مراکز درمانی، میتوان نتیجه گرفت که روش جستجوی ممنوع هدایت شونده ی مکانی، در مدت زمان کمتری میتواند به همگرایی برسد. بنابراین، ایجاد لیست انتخابی با استفاده از ساختار ارائه شده بر اساس تحلیلهای مکانی میتواند در این زمینه، موثر باشد. روش جستجوی ممنوع هدایت شونده ی مکانی، دارای دقت بالاتری نسبت به روش ژنتیک و همچنین، نتایج به دست آمده از روش جستجوی ممنوع هدایت شونده ی مکانی دارای استحکام بیشتری میباشد. در حل مسائل مکانیابی و تخصیص منابع، اگر هدف بهینهسازی توامان هر دو مورد مکانیابی و تخصیص باشد، الگوریتمهای ترکیبی برای حل بهینه ی توامان، توصیه میشود. اگرچه این مطالعه، موفق به ارائه ی روش ترکیبی برای حل بهینه ی مسائل تخصیص ظرفیتدار شده است، اما مطالعه در زمینه ی ترکیب روشهای فرا ابتکاری و مقایسه ی نتایج آن با روش پیشنهادی، توصیه می گردد.
کلیدواژه ها:
نویسندگان
حسین آقامحمدی
گروه سنجش از دور و سیستمهای اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی-واحد علوم تحقیقات، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :