قیمت محصول :     10000 تومان
  افزودن به سبد خرید

سبد خرید

  • سبد خریدتان خالی است.
  • تاریخ ارائه محصول : 09 / 08 / 2019
  • بازدید : 135 بار
  • دسته بندی :
  • امتیاز کاربران :

پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکانیابی پناهگاه های اسکان موقت بعد از زلزله

پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکانیابی پناهگاه ­های اسکان موقت بعد از زلزله(مطالعه موردی:شهر کرمان)

ازجمله مسائل مهم در مديريت بحران حوادث غيرمترقبه طبیعی به ويژه زلزله، مکان یابی بهينه به منظور اسکان شهروندان در هنگام و يا پس از بروز حادثه می‌باشد. يكي از مشكلات بزرگ سازمان‌های درگير در مديريت بحران شهري، فقدان يك مدل مكاني جامع به منظور اعمال مديريت واحد در انتقال ساكنين شهر به مکان‌های اسكان موقت از پيش تعيين 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 ۱۲۰۰ متر می باشد اما به دلیل عدم توزیع مناسب این مکان­ها با توجه به توزیع جمعیت در سطح شهر، بیش از ۴۰ درصد جمعیت فاصله ایی بیش از ۱۵۰۰ 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.

افزودن به سبد خرید
مطلب مفیدی برای شما بود ؟؟ پس به اشتراک بگذارید برای دوستانتان

دیدگاه کاربران ...

    لطفا قبل از ارسال سئوال یا دیدگاه سئوالات متداول را بخونید.
    جهت رفع سوالات و مشکلات خود از سیستم پشتیبانی سایت استفاده نمایید .
    دیدگاه ارسال شده توسط شما ، پس از تایید توسط مدیران سایت منتشر خواهد شد.
    دیدگاهی که به غیر از زبان فارسی یا غیر مرتبط با مطلب باشد منتشر نخواهد شد.

    دیدگاه خود را بیان کنید

0