پایان نامه رایگان درمورد مکانیابی، الگوریتم ژنتیک، نرم افزار

گردیده است، میتوان به گروهی از سوابق مرتبط با موارد فوق که بیشترین قرابت را با پژوهش حاضر داشته اند اشاره نمود. در رابطه با مکانیابی صنایع پژوهشهای داخلی و خارجی زیادی انجام گرفته است که غالب روشهای بکار گرفته شده در آنها مدلهای تصمیم گیری چندمعیاره و مدلهای ریاضی مکانیابی که عموماً به برنامه ریزی آرمانی و برنامه ریزی صفر و یک محدود میگردد است. در سالهای اخیر کارهای قابل قبولی در رابطه با بکارگیری مدل ریاضی حداکثر پوشش انجام گرفته است که البته بیشتر در قالب مقاله و بدون بکارگیری مورد مطالعاتی واقعی ارایه گردیده است. در اینجا به تعدادی از این پژوهش ها اشاره میکنیم :
علی حسینی (1379) در مطالعهای با عنوان «بکارگیری الگوریتم ژنتیک برای حل مساله پوشش مجموعه» با استفاده از یک مساله آزمون که به صورت تصادفی تولید شده بود. بهینه ترین وضعیت الگوریتم را از نظر بکارگیری عملگر جهشی ، مکانیسم انتخاب و نرخ تقاطعی معرفی کرد. سپس الگوریتم پیشنهادی طراحی و بر روی تعدادی مساله آزمون که آنها نیز به صورت تصادفی تولید شده بودند پیاده کرده و نتایج حاصله را با الگوریتم ابتکاری (Greedy Heuristic) هیراگو مقایسه کرد. الگوریتم پیشنهادی او دارای شرایط ذیل بود : الف – سیستم کدینگ : رشته دودویی ب – ایجاد جمعیت اولیه : تصادفی – بدون کروموزوم تکراری و غیر موجه پ – عملگر تقاطعی : دو نقطه برش با نرخ تقاطعی 0/95 ت – عملگر جهشی: یکنواخت با نرخ جهشی0/1 ج- تابع برازش : تابع هدف مساله چ – برخورد با محدودیت ها : استراتژی ردی (علیحسینی، 1379)
صادقی در سال 1387 در پژوهش خود با عنوان «جایابی بهینه مراکز توزیع در فرآیند بازاریابی با استفاده از روشهای ریاضی» به ارایه الگو و مدلی جهت مکان یابی مراکز فروش و خدمات پس از فروش شرکت تالیا پرداخته است. او از تلفیق دو مدل TOPSIS و برنامهریزی صفر و یک به ترتیب برای عوامل مشتری مدار – بازاریابی و محدودیت های مالی – جغرافیایی استفاده کرده است (صادقی،1387)
صفاریان (1388) در مقالهای با عنوان «کاربرد الگوریتم ژنتیک برای حل مساله پوشش حداکثر» یک الگوریتم ژنتیک مناسب برای حل مدلهای Maximal Covering ارایه کرد. این الگوریتم را برروی 75 مساله متفاوت اجرا نموده و نتایج آن را با نتایج حاصل از دو الگوریتم لاگرانژ و گردی ادینگ برروی همان مسایل مقایسه کرد.. همچنین نتایج حاصل از این الگوریتم را با نتایج حاصل از نرم افزار لینگو مقایسه کرده و از نظر میزان دقت و کارایی مورد بررسی و مطالعه قرار داد (صفاریان، 1388).
سید حسینی و همکاران (1388) به حل مساله مکانیابی پایانههای اتوبوس رانی درون شهری با استفاده از الگوریتم ژنتیک پرداختند. آنها برای حل مساله یک الگوریتم ژنتیک پیشنهاد دادند. مهمترین مزیت الگوریتم ژنتیک پیشنهادی، رسیدن به جواب دقیق تر در زمان کمتر می باشد. برای تایید کارایی روش خود، الگوریتم را برای شبکه های اتوبوسرانی مشهد و تهران اجرا و نتایج آن را با نتایج کوشش های پیشین مقایسه کردند (سیدحسینی و همکاران، 1388).
فرقانی و همکاران (1389) در مقالهای تحت عنوان «توسعه یک مدل دو هدفه برای مساله حداکثر پوشش با محدودیت پارامترهای صف» مدل ارایه شده توسط کورآ و لورنا که به صورت یک مساله حداکثر پوشش با محدودیت شاخصهای صف است، توسعه دادند بگونه ای که علاوه بر تابع هدف حداکثر پوشش، هدف حداقل نمودن فواصل خدمت دهنده ها تا مشتریان نیز در نظر گرفته شود. سپس مدل توسعه داده شده خود را توسط الگوریتم ژنتیک و نرم افزارCPLEX حل کردند (فرقانی و همکاران، 1389).
مرادی و همکاران (1389) در مقاله «مکانیابی مراکز ارایه خدمات رقابتی با هدف کاهش ازدحام ترافیک شهری» مدلی برای مکان یابی مراکز با محدودیت ظرفیت، طراحی کرده و سپس یک الگوریتم شبیه سازی تبریدی موازی برای حل این مدل ارایه کردند. در پایان، الگوریتم پیشنهادی برای تعیین مکان های مراکز سلامت در شهر اصفهان استفاده قرار داده و کارایی آن را بررسی کردند (مرادی و همکاران 1389).
شوندی و خامنه (1390) مساله جایابی پوششی با در نظر گرفتن تراکم مشتریان و تقاضای از دست رفته با روش حل الگوریتم ژنتیک را حل کردند. آنها در مقاله خود یک مدل جایابی با ساختار احتمالی که احتمال مراجعه تقاضا از یک گره به خدمت دهنده ها با توجه به فاصله آنها برآورد می شود توسعه دادند. همچنین در مدل ارایه شده با فرض رقابتی بودن بازار بحث فروش از دست رفته را در نظر گرفتند و با توجه به این موضوع هدف مدل را حداقل کردن هزینه از دست دادن تقاضاها یا حداکثر کردن سود حاصل از پاسخگویی به این تقاضاها تعریف کردند. بعد از ارایه مدل، یک الگوریتم ژنتیک برای حل مدل ارایه کرده تا علاوه بر این از بحث طراحی آزمایشات و متدولوژی سطح پاسخ برای تنظیم پارامترهای الگوریتم ژنتیک استفاده کردند تا عملکرد آلگوریتم ارتقا یابد (شوندی و خامنه 1390).
شوندی و همکاران (1390) مدل مکانیابی – تخصیص حداکثر پوشش با امکان ایجاد ازدحام در محیط رقابتی مبتنی بر انتخاب مشتری را توسعه دادند. در مدل پیشنهادی آنها چندین ویژگی مهم یعنی مدل های تعامل فضایی، ازدحام، محیط رقابتی مبتنی بر انتخاب مشتری و تقاضای احتمالی مورد بررسی قرار گرفته است. هدف مدل حداکثر نمودن درصد تقاضای جذب شده توسط تجهیزات خدمتدهی در محیط رقابتی است. برای حل مدل با ابعاد کوچک از نرم افزار بهینه سازی لینگو 8 و الگوریتم فرا ابتکاری ژنتیک استفاده شده است. اما با توجه به پیچیدگی مسئله و ماهیت غیرخطی آن، نرم افزار لینگو 8 توانایی حل مسایل با ابعاد بزرگ را ندارد و مسایل با ابعاد بزرگتر با استفاده از الگوریتم ژنتیک پیاده سازی شده است (شوندی و همکاران 1390).
سادهوند (1390) به مکانیابی جایگاههای سوخت CNG با استفاده از مدل مکانیابی جریان سوختگیری FRLM پرداخت او در این مساله مطرح کرده است که شبکه فعلی جایگاههای سوخت CNG با توجه به گسترش ناوگان حمل و نقل گازسوز، علاوه بر کمبود ظرفیت سوخت رسانی، عمدتاً به سبب توزیع نامناسب جغرافیایی جوابگوی نیازها نمیباشد لذا لازم است تا با ارایه الگویی مناسب، توزیع شبکه جایگاههای سوخت CNG در سطح شهر به صورت صحیح انجام گیرد و علاوه بر جلوگیری از مشکلاتی که در آینده بر شهر تحمیل میگردد، مانع از اتلاف انرژی و افزایش بهرهوری امکانات و منابع موجود گردد (سادهوند 1390).
شورورزی و همکاران (1391) در مقاله «مقایسه قابلیت الگوریتمهای فراابتکاری در حل مساله مکانیابی مراکز آتشنشانی» روشهای فراابتکاری جست‌وجوی ممنوع، ژنتیک و شبیه‌سازی بازپخت را به‌عنوان روش‌های بهینهسازی برای مکانیابی مراکز آتشنشانی و تخصیص مناطق شهری به آن‌ها استفاده کردند. این روشها با توجه به معیارهای زمان حل مسئله، مقدار تابع هدف، تعداد تکرار و نحوه پوشش منطقه در سناریوهای مختلف ارزیابی شده‌ و سناریوهای مختلف در روش ژنتیک بر‌اساس تغییر در تعداد تکرار و جمعیت اولیه و در روش شبیهسازی بازپخت بر‌اساس تغییر در تعداد تکرار حرکات و تغییرات دما تولید شده‌ است (شورورزی و همکاران 1391).
خاتمی فیروزآبادی و همکاران )1391( به ارایه الگویی برای مکانیابی شعب موسسه مالی و اعتباری قوامین» با استفاده از رویکردهای کمی (آزمون تی یک نمونه ای برای شناسایی شاخصه‌ها) و کیفی (روش تحلیل سلسله مراتبی برای وزن دهی به شاخصه‌ها) و با استفاده از نرم افزارهای SPSS،Expert Choice، GISو LINGOپرداختند و مشخص کردند که بر مبنای شاخصه‌های بدست آمده و استفاده از مدل ریاضی حداکثر پوشش، می‌توان 95 ٪ از تقاضای منطقه مورد مطالعه را با احداث حداکثر 4 شعبه در نقاط مشخص شده (به علاوه 4 شعبه موجود)، تحت پوشش قرار داد )خاتمی فیروزآبادی و همکاران 1391).
یوسفی در سال 1391 با بکارگیری منطق فازی و روش تصمیم گیری FUZZY DEMANTEL و همچنین روش تصمیم گیری گروهی Cook&Seiford به انتخاب سبد پروژههای عمرانی پرداخت (یوسفی، 1391).
ماریانوو سرا در سال 1998 در مقاله خود، چندین مدل حداکثر پوشش احتمالی با زمان انتظار یا طول صف محدود ارایه کردند. اولین آنها مدل مکان تعدادی مرکز خدمتدهی با یک خدمتدهنده را بطوری که جمعیت پوشش دادهشده در یک فاصله استاندارد و با طول صف محدود حداکثر شوند مشخص میکند و مدلهای بعدی مسائلی که در آنها بیشتر از یک خدمتدهنده وجود داشته باشد را ارایه میکنند (ماریانوو سرا، 1998).
کورآ و لورنا در سال 2006 در مقالهای تحت عنوان « استفاده از الگوریتم ژنتیک برای حل مساله مکانیابی حداکثر پوشش احتمالی» راه حلی برای مدلهای احتمالی با در نظر گرفتن یک سرویس دهنده در هر مرکز با استفاده از الگوریتم ژنتیک سازنده ارایه کردند (کورآ و لورنا، 2006).
رناد و همکاران (2012) به تعیین محل مناسب برای مراکز توزیع ماهوارهای جهت تامین کمکهای بشر دوستانه به مردم آسیب دیده در مناطقی که دچار بلایای طبیعی و یا هر حادثه مخرب دیگر شده است پرداختند. بدین منظور مدل این مساله را به صورت مدل حداکثر پوشش تور به همراه یک روش حل هیوریستیک ارایه کردند (رناد و همکاران 2012).
لیانگ وی و همکاران (2012) با بکارگیری مسائل مجموعه پوشش و حداکثر پوشش به ارایه مدلی جهت اخذ تصمیم مربوط به مکان پناهگاههای شهری پرداختند. در این مدل هزینهها و درآمدها کاملا در نظر گرفته شدهاند که موجب میشود در تصمیمات نهایی اتخاذ شده مساله بودجه نیز در نظر گرفته شده باشد (لیانگ وی و همکاران، 2012).
معین مقدس و کاخکی در سال 2012 در مقالهای با عنوان روش حل هیوریستیک برای مساله حداکثر پوشش با سیستم صف M/G/1، مدلی با هدف تعیین محل حداکثر p مرکز سرویس و تخصیص نقاط تقاضا به آنها بگونه ای که جمعیت سرویس داده شده ماکزیمم شود، اراده کردند در این مدل هر مرکز سرویس با سیستم صف M/G/1 به مشتریان ارایه سرویس می دهد و میانگین زمان انتظار در هر مرکز سرویس برای مشتریان از مقدار داده شده نبایستی تجاوز کند. در این مقاله پس از معرفی و مدل بندی مساله، یک روش تقریبی برای حل مساله پیشنهاد می شود (معین مقدس و کاخکی، 2012).
بارای و کلیکوئت (2012) در مقاله بهینه سازی مکانیابی از طریق مدل پوشش حداکثر و P-Median برای بیمارستان مادران فرانسه، به ارایه یک مدل مکانیابی تخصیص سلسله مراتبی که ترکیبی از مدل پوشش حداکثر و P-Median است، میپردازند. هدف انطباق توزیع فضایی از عرضه با سطوح مختلف تقاضاست. در حل مدل از الگوریتمهای Lagrangian relaxation و myopic استفاده شده است (بارای و کلیکوئت، 2012).
فصل سوم
روش اجرای پژوهش
مقدمه
مکانیابی معمولاً شامل دو فاز اصلی است : 1) تعیین محل (مشخص کردن مکانهای بالقوه در یک منطقه جغرافیایی) و 2) ارزیابی مکان (در واقع آزمایش هر مکان کاندید شده براساس یک سری معیارهای معلوم برای مشخص نمودن اینکه کدام مناسبترین است) (فیروزآبادی، رودپشتی و تقوی فرد، 1391) .
مدلهای مکانیابی به دلیل اهمیت و تاثیر فراوانی که در کاهش هزینههای ایجاد و راهاندازی فعالیتهای مختلف دارد، همواره مورد توجه محققین و مهندسین صنایع بوده است. یکی از مهمترین مدلهای مکانیابی، مدل مکانیابی حداکثر پوشش (MCLP) است که سعی در حداکثر نمودن پوشش جمعیتی می کند که در یک حداکثر فاصله یا زمان مشخص از یک تجهیز قرار دارند. توسعه های بسیاری جهت بهبود کاربرد های این مساله ارایه شده است که یکی از آنها ترکیب این مساله با مدلهای صف میباشد. با توجه به ماهیت احتمالی تقاضا در برخی از مسائل مکانیابی و همچنین ظرفیت محدود تجهیزات برای خدمتدهی، در بسیاری از مسائل دنیای واقعی شاهد ایجاد ازدحام برای دریافت خدمت

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *