CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مقایسه الگوریتم های جستجوی ممنوع هدایت شونده و ژنتیک تو در تو، جهت حل مسئله مکان یابی-تخصیص ظرفیت دار در شرایط اضطراری

عنوان مقاله: مقایسه الگوریتم های جستجوی ممنوع هدایت شونده و ژنتیک تو در تو، جهت حل مسئله مکان یابی-تخصیص ظرفیت دار در شرایط اضطراری
شناسه ملی مقاله: JR_JGCE-1-1_010
منتشر شده در در سال 1401
مشخصات نویسندگان مقاله:

حسین آقامحمدی - گروه سنجش از دور و سیستمهای اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی-واحد علوم تحقیقات، تهران، ایران

خلاصه 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.

کلمات کلیدی:
الگوریتم ژنتیک, تخصیص, جستجوی ممنوع هدایت شونده مکانی, سامانه اطلاعات مکانی, مصدومان زلزله

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1771511/