موازی سازی الگوریتم کلونی مورچگان در طراحی شبکه گسسته حمل و نقل
نویسندگان
چکیده
طراحی شبکه گسسته حمل ونقل عبارت است از انتخاب زیرمجموعه ای امکان پذیر از پروژه ها (بزرگراه ها)ی پیشنهادی در یک شبکه حمل ونقل به منظور کمینه سازی زمان سفر کل کاربران شبکه. این مساله در رده مسائل np-hard است که هیچ الگوریتم موثری برای حل دقیق آنها در مقیاس بزرگ وجود ندارد. ازاین رو بیشتر مطالعات انجام گرفته، به منظور یافتن جوابی نسبتا خوب در مدت زمانی معقول، از طریق رویکردهای ابتکاری و فراابتکاری به مساله پرداخته اند. اما راه دیگری که همچنان برای افزایش سرعت رویکردهای حل مساله وجود دارد، محاسبات موازی است. مقاله پیش رو، به بررسی کاربرد محاسبات موازی در یک الگوریتم فراابتکاری در مساله طراحی شبکه گسسته حمل ونقل می پردازد. در این مقاله، یک الگوریتم موازی کلونی مورچگان، بر مبنای مطالعه پورزاهدی و ابوالقاسمی، با الگوی موازی سازی ارباب-کارگر پیشنهاد می گردد. برای مطالعه موردی، شبکه حمل ونقلی خلاصه شده شیکاگو با 16 پروژه پیشنهادی درنظرگرفته می شود. نتایج موازی سازی بر روی خوشه ای از 8 هسته پردازشی نشان دهنده آن است که الگوریتم های موازی می توانند ظرف مدت زمان 4000 ثانیه به جواب هایی با کیفیت بالا دست پیدا کنند، درحالی که همین دستیابی برای الگوریتم های تک هسته ای در مدت 10000 ثانیه اتفاق می افتد. از سه اجرای موازی، در دومورد الگوریتم موازی کلونی مورچگان به جواب دقیق مساله دست می یابد، و در مورد دیگر به جوابی با 07/0 درصد خطا همگرا می شود. عملکرد موازی الگوریتم کلونی مورچگان، همچنین با الگوریتم شاخه وکرانه مقایسه می شود. این مقایسه نشان می دهد که الگوریتم موازی شاخه وکرانه به بیش از 32000 ثانیه زمان اجرا برای یافتن جواب دقیق مساله نیاز دارد، درحالی که الگوریتم موازی کلونی مورچگان عملکرد بسیار سریع تری را نشان می دهد.
منابع مشابه
ارزیابی اثر عدم قطعیت جعبه ای تقاضا در طراحی شبکه پیوسته و گسسته حمل و نقل،با استفاده از الگوریتمهای ژنتیک و کلونی مورچگان
عدم قطعیت تقاضا، یکی از مهم ترین منابع عدم قطعیت در شبکه های حمل و نقل است که به دلایل مختلفی از جمله ضعف در پیش بینی متغیرهای اقتصادی-اجتماعی، ضعف مدلها و خطا در برآوردهای بلند مدت متغیرهای مربوط به آن به وجود می آید. یکی از مهم ترین عوامل در حل مسئله طراحی شبکه نیز همین تقاضاست و هدف این مقاله ارزیابی تغییر پذیری تقاضا در حل مسئله طراحی پیوسته و گسسته شبکه است. برای این منظور فرض شده است که ت...
متن کاملارزیابی اثر عدم قطعیت جعبه ای تقاضا در طراحی شبکه پیوسته و گسسته حمل و نقل،با استفاده از الگوریتمهای ژنتیک و کلونی مورچگان
عدم قطعیت تقاضا، یکی از مهم ترین منابع عدم قطعیت در شبکه های حمل و نقل است که به دلایل مختلفی از جمله ضعف در پیش بینی متغیرهای اقتصادی-اجتماعی، ضعف مدلها و خطا در برآوردهای بلند مدت متغیرهای مربوط به آن به وجود می آید. یکی از مهم ترین عوامل در حل مسئله طراحی شبکه نیز همین تقاضاست و هدف این مقاله ارزیابی تغییر پذیری تقاضا در حل مسئله طراحی پیوسته و گسسته شبکه است. برای این منظور فرض شده است که ت...
متن کاملکاربردهای مالی الگوریتم کلونی مورچگان
بشر همیشه در پی کشف راز طبیعت و شبیه سازی از طبیعت بوده است.در این باره می توان از اختراع هواپیما تا کاربرد شبکه های عصبی مصنوعی و اکنون استفاده از رفتار مورچگان برای بهینه یابی در حل مسائل یاد کرد. در بهینه یابی، هدف عمده دستیابی به چیدمان خاصی از متغیرها است برای بهینگی تابع هدف. الگوریتم مورچگان از روش های ناپارامتریک مبتنی بر هوش مصنوعی انبوه زیان می باشد که در علوم غیرمالی و مالی کاربرد ...
متن کاملاصلاح مسیر سیستمهای اصلی حمل و نقل همگانی شهر مشهد با روش الگوریتم کلونی مورچگان و رویکرد افزایش دسترسی
خطوط استخوان بندی حمل و نقل همگانی شهر مشهد حدود 50 درصد با یکدیگر همپوشانی دارند که این مسئله از سطح پوشش سیستم میکاهد. این تحقیق با هدف باز طراحی مسیر خطوط مذکور با رویکرد حداکثرسازی خصوصیت دسترسی سیستم انجام شده است. جهت تعیین مسیرهای اصلاحی خطوط مذکور از روش الگوریتم کلونی مورچگان استفاده شده است. سپس شاخص دسترسی ترکیبی به روش هنسن به تفکیک 253 ناحیه ترافیکی در دو حالت سیستم وضع موجود و سی...
متن کاملطراحی سفرهای برونشهری شخصی در شبکه های حمل و نقل با الگوریتم وراثتی
در این مطالعه، برنامه ریزی سفرهای شخصی فعالیتمبنا در شبکه حملونقل عمومی که برای گردشگران از اهمیت خاصی برخوردار است، توسعه داده میشود. شبکه های حمل ونقل عمومی با مدل وابسته به زمان ساخته میشود. در این مدل وزن یالهای شبکه ثابت نیست و تابعی از زمان شروع سفر است. به دلیل اینکه برنامه ریزی سفر دارای ماهیت ترکیباتی و از نوع بهینه سازی است، طراحی برنامه سفر با الگوریتم وراثتی ...
متن کاملبررسی دقت شبکه های عصبی مصنوعی و الگوریتم بهینه سازی کلونی مورچگان در پیش بینی مدیریت سود
شناخت کیفیت سود برای استفادهکنندگان از اطلاعات حسابداری به دلیل ارزیابی عملکرد، پیشبینی سودآوری و تعیین ارزش واقعی شرکتها بسیار حائز اهمیت است. هدف از این پژوهش بررسی دقت پیشبینی مدیریت سود با استفاده از شبکههای عصبی (ANN) و الگوریتم کلونی مورچگان (ACO) و مقایسه آن با مدل خطی (LR) است. برای این منظور از 28 متغیر تاثیرگذار بر مدیریت سود در قالب چهار گروه (مالی، مدیریتی، شرکتی و حسابرسی) در...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مهندسی عمران مدرسناشر: دانشگاه تربیت مدرس
ISSN
دوره 15
شماره 2 2015
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023