بهینه سازی مسیر تردد سرویسهای حمل و نقل یک شرکت، با استفاده از خوشه بندی و الگوریتم ژنتیک

Authors: not saved
Abstract:

یکی از راهکارهای استفاده پایدار از منابع، سیستم حمل و نقل ادارات است. امروزه، سامانه های حمل و نقل به صورت دلخواه و با نظر افراد تعیین می شوند، در حالی که این انتخاب بهینه نیست. بنابراین باید روشی اتخاذ شود که بتوان این مسئله را به صورت کارآمد مدل کرد. از سوی دیگر در صورتی که تعداد کارمندان در یک شرکت زیاد باشد، فضای جستجوی مسئله افزایش پیدا کرده و استفاده از الگوریتمهای ریاضی مشکل است. به همین منظور در این مقاله سعی شده است با استفاده از یک روش خوشه بندی ساده، فضای جستجوی مسئله را کاهش داده و سپس با استفاده از الگوریتم جمعیت مبنای ژنتیک، مسیر بهینه در هر خوشه برای کارمندان جستجو شود. اما یکی از مشکلات الگوریتم ژنتیک، بکارگیری عملگرهای مناسب با شرایط مسئله است. در این مقاله سعی شده است که با بکارگیری عملگرهای تقاطع و جهش مناسب و ابتکاری، شرایط حل مسئله بهبود داده شود و زمان رسیدن به جواب بهینه کاهش داده شود. این الگوریتم در یک قسمت از شهر تهران که اطلاعات آن مربوط به سال 1387 است، بکار گرفته شده است. با استفاده از این الگوریتم توسعه داده شده، مسئله ضمن جوابگو بودن، در تعداد تکرار کمتری نسبت به روش ژنتیک با عملگرهای ساده، به جواب بهینه همگرا شده و دارای آزمون تکرار پذیری بالاتری نیز هست. در نهایت پیشنهاداتی برای نزدیک کردن شرایط مسئله به شرایط واقعی و استفاده از الگوریتمهای جمعیت مبنای دیگر ارایه شده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهینه سازی برنامه ریزی حمل و نقل با استفاده از الگوریتم جستجوی ممنوع

هدف این تحقیق توسعه الگوریتم بهینه‌سازی برای حل مسئله برنامه‌ریزی حمل و نقل با کارائی وانعطاف‌پذیری بالا است. در این مقاله ابتدا با بکارگیری مدلی جامع، انواع مسائل موجود در برنامه‌ریزی حمل و نقل در زنجیره تامین صنایع مختلف مورد دسته‌بندی قرار گرفته است. با توجه به نتایج چشمگیر ارائه شده توسط روشهای ابتکاری پیشرفته، روش جستجوی ممنوع برای توسعه الگوریتم مورد نظر انتخاب گردیده است. الگوریتم طراح...

full text

الگوریتم ژنتیک آشوب گونه مبتنی بر حافظه و خوشه بندی برای حل مسائل بهینه سازی پویا

چکیده: اکثر مسائل موجود در دنیای واقعی یک مسئله بهینه­سازی با ماهیتی پویا هستند، به‌طوری‌که مقدار بهینه سراسری آن­ها در طول زمان ممکن است تغییر کند، بنابراین برای حل این مسائل الگوریتم­هایی نیاز داریم که بتوانند خود را با شرایط این مسائل به­خوبی سازگار نموده و بهینه جدید را برای این مسائل ردیابی نمایند. در این مقاله، یک الگوریتم ژنتیک آشوب­گونه مبتنی بر خوشه­بندی و حافظه برای حل مسائل پویا ارائ...

full text

بهینه سازی زمان بندی الگوریتم های موازی با استفاده از الگوریتم ژنتیک

In scheduling, a set of machines in parallel is a setting that is important, from both the theoretical and practical points of view. From the theoretical viewpoint, it is a generalization of the single machine scheduling problem. From the practical point of view the occurrence of resources in parallel is common in real-world. When machines are computers, a parallel program can be conceived as a...

full text

بهینه سازی درجه بندی کاشی با استفاده از پردازش تصویر فازی و الگوریتم ژنتیک

در خطوط کنترل کارخانجات کاشی برای اینکه بتوان کاشیها را درجه بندی کرد، نیاز به روشهایی برای تشخیص انواع عیوب مختلفی است که ممکن است در هنگام تولید بر روی کاشی‌ها به وجود آید. به گفته کارشناسان، یکی از بیشترین عیوبی که باعث پایین آمدن کیفیت کاشی‌ها می‌شوند، ترکها و خالها می‌باشند. به این نوع از عیب ها، عیوب تیز گفته می‌شود که در تصویر ساختارهایی با عرض کم و کنتراست بالا به وجود می‌آورند. یکی از ...

full text

یک روش ترکیبی خوشه بندی مبتنی بر الگوریتم ژنتیک با استفاده از عملگر های جدید تغییر

  The clustering problem under the criterion of minimum sum of squares is a non-convex and non-linear program, which possesses many locally optimal values, resulting that its solution often being stuck at locally optimal values and therefore cannot converge to global optima solution. In this paper, we introduce several new variation operators for the proposed hybrid genetic algorithm for the cl...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 3  issue 4

pages  365- 378

publication date 2012-06-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023