پایان نامه ارشد : پیاده سازی الگوریتم بهینه سازی کلونی مورچه

2-3-2- مکانیابی و تخصیص با استفاده از هوش مصنوعی.. 18

3-1- مقدمه. 25

3-2- مدیریت بحران.. 25

3-2-1- اهمیت و ضرورت مدیریت بحران.. 26

3-2-2- چرخه مدیریت بحران و فازهای آن.. 26

3-2-3- جایگاه اسکان موقت در مدیریت بحران.. 28

3-2-4- برنامه ریزی اسکان موقت در مدیریت بحران.. 28

3-2-5- مراحل کلی فرآیند بهینهسازی اسکان موقت… 29

3-3- مفاهیم تخصیص و مکانیابی 30

3-3-1- مکانیابی در GIS. 30

3-3-2- مسئله مکانیابی و تخصیص…. 31

3-4- روشهای حل مسئله مکانیابی و تخصیص…. 35

3-5- بهینه یابی.. 37

3-5-1- الگوریتمهای فراابتکاری 38

3-6- هوش مصنوعی.. 39

3-6-1- شاخههای هوش مصنوعی 39

3-6-2- سیستم اطلاعات جغرافیایی و ارتباط آن با هوش مصنوعی.. 40

3-6-3- نقش هوش مصنوعی در مدیریت بحران زلزله. 41

3-6-4- هوش جمعی 41

3-7- الگوریتم بهینه سازی کلونی مورچه 42

3-7-1- منشاء زیست شناسانه الگوریتم کلونی مورچهها 42

3-7-2- ساختار مسائل قابل مدلسازی برای حل با مجموعه الگوریتمهای مورچه. 45

3-7-3- شبیهسازی رفتار مورچهها در ACO.. 46

3-7-4- ساختار عمومی الگوریتم های ACO.. 48

3-7-5- حل مسئله TSP با استفاده از الگوریتمACO.. 49

3-7-6- ترکیبات مختلف و … 53

3-7-7- مجموعه الگوریتم های ACO.. 54

4-1- مقدمه. 57

4-2- دادههای مورد نیاز. 58

4-2-1- معیارهای ناسازگاری.. 58

4-2-2- معیارهای سازگاری.. 61

4-2-3- بلوکهای جمعیتی(نقاط تقاضا) 64

4-2-4- مکانهای امن(نقاط عرضه) 65

4-3- محاسبه تناسب مکانی.. 66

4-4- اجرای گامهای مکانیابی و تخصیص در تحقیق حاضر. 69

4-4-1- گام اول: انتخاب مکانهای امن.. 69

4-4-2- گام دوم: انتخاب مسیر انتقال بلوکهای جمعیتی به مکانهای امن.. 74

4-4-3- گام سوم: تخصیص جمعیت… 75

4-4-4- بروزرسانی فرومون.. 81

4-5- جمعبندی.. 83

5-1- مقدمه. 86

5-2- ارزیابی عملکرد الگوریتم ACO با در نظر گرفتن مقادیر مختلف و : 86

5-2-1- بررسی تغییرات پارامتر : 87

5-2-2- بررسی تغییرات پارامتر : 90

5-3- بررسی تغییرات ضریب تبخیر بروی تابع هدف.. 92

5-4- بررسی نمودار همگرایی نهایی مدل.. 92

5-5- ارزیابی پایداری نتایج.. 94

5-6- بررسی نتایج تخصیص بلوکهای جمعیتی به مکانهای انتخاب شده. 94

5-7- بررسی تاثیر محدودیت تعداد مکان حداکثر در نتایج تابع هدف.. 100

6-1- مقدمه: 104

6-2- جمعبندی: 104

6-3- آزمون فرضیات.. 105

6-3-1- فرض اول.. 105

6-3-2- فرض دوم: 106

6-3-3- فرض سوم: 106

6-4- پیشنهادات: 107

: 110

چکیده

ازجمله مسائل مهم در مدیریت بحران حوادث غیرمترقبه طبیعی به ویژه زلزله، مکان یابی بهینه به منظور اسکان شهروندان در هنگام و یا پس از بروز حادثه می‌باشد. یكی از مشكلات بزرگ سازمان‌های درگیر در مدیریت بحران شهری، فقدان یك مدل مكانی جامع به منظور اعمال مدیریت واحد در انتقال ساكنین شهر به مکان‌های اسكان موقت از پیش تعیین شده پس از وقوع حادثه می‌باشد. بهینهسازی فرآیند اسکان موقت در سه فاز تعیین مکانهای بهینه امن، تعیین مسیرهای بهینه و تخصیص جمعیت به اماکن امن صورت می گیرد. هدف از انجام این تحقیق پیاده سازی و بررسی نتایج الگوریتم بهینه سازی کلونی مورچه (ACO ) در مکانیابی پناهگاه اسکان موقت با تعیین مسیرهای بهینه و تخصیص جمعیت به مکانهای امن در شهر کرمان بعنوان منطقه مورد مطالعه میباشد.

با ایجاد تغییرات لازم در اجرای الگوریتم ACO در حل مسئله فروشنده دورهگرد، مراحل مربوط به مکانیابی و تخصیص در قالب یک مدل مکانی طراحی شده است. این مدل بر اساس یک تابع هدف به منظور کمینه کردن هزینه انتقال جمعیت بلوک های ساختمانی و سه محدودیت میانگین سرریز/کمریز، حداکثر تعداد مکانهای انتخاب شده و میانگین تناسب مکانی، به گونهای طراحی شده است که قیود مسئله تضمین کننده کیفیت جوابهای مدل میباشد. برای تصمیم گیری در مورد بهینه بودن راه حل ها در ACO از روش ارزیابی چند معیاره استفاده شد.

به منظور بهبود نتایج، حساسیت مدل نسبت به تغییر پارامترهای فرومون و تابع ابتکاری الگوریتم ACO مورد ارزیابی قرار گرفت و مقادیر مناسب و بهینه آنها تعیین شد. با در نظر گرفتن قیود تعیین شده و همچنین نمودار همگرایی تابع هدف، بهترین عملکرد در کاهش نهایی تابع هدف توسط مدل مشخص شد و علاوه بر آن، نتایج حاصل از تست تکرارپذیری نشان دهنده پایداری و ثبات جوابهای الگوریتم مورد بررسی میباشد. نتایج تخصیص جمعیت به مکانهای امن، وابستگی انکارناپذیری به نحوه توزیع اماکن امن و ظرفیت آنها و همچنین پراکندگی و جمعیت بلوکهای ساختمانی دارد. میانگین فاصله طی شده تا نزدیکترین مکان امن در مدل نهایی تخصیص برابر با 1200 متر می باشد اما به دلیل عدم توزیع مناسب این مکانها با توجه به توزیع جمعیت در سطح شهر، بیش از 40 درصد جمعیت فاصله ایی بیش از 1500 متر را تا نزدیکترین مکان امن انتخاب شده باید طی کنند. در نتیجه جستجو و تاسیس مراکز امن جدید برای کاهش این فاصله ضرورت دارد. نتایج نشان میدهند که استفاده از الگوریتم ACO، قابلیتهای زیادی برای ترکیب با سیستمهای اطلاعات جغرافیایی برای حل مسئله مکانیابی و تخصیص که نیازمند محیط شبیهسازی پویا (تغییر ترکیب مکانهای امن – تغییر ظرفیت) میباشند، دارا می باشد.

کلمات کلیدی: مدیریت بحران، اسکان موقت، مکانیابی و تخصیص، الگوریتم بهینه سازی کلونی مورچه(ACO)، مسافت طی شده، مکان امن، شهر کرمان

موضوعات: بدون موضوع لینک ثابت

فرم در حال بارگذاری ...

فید نظر برای این مطلب