مقایسه الگوریتمهای moaco و nsga-ii جهت مسیریابی چندهدفه در شبکه حمل و نقل چند ساختی

مسیریابی به عنوان یکی از مسائل حوزه تحلیل شبکه در حوزه سیستم اطلاعات مکانی همواره مورد توجه بوده است. مسیریابی در محیط شهری با توجه به گسترش و پیچیدگی روزافزون شبکه های خمل و نقل شهری جزو مسائل به روز این حوزه به شمار می آید. شبکه های حمل و نقل عمومی شهری به صورت چند ساختی بوده و معمولا شامل ساخت های اتوبوس، تاکسی و مترو می باشند. افراد در دنیای واقعی برای تعیین مسیر مورد نظر خود در محیط شهری با استفاده از ساخت های مختلف معمولا چند هدف را به طور همزمان در نظر می گیرند. تعیین مسیر بهینه در محیط شهری در واقع حل یک مسئله مسیریابی چند هدفه در شبکه حمل و نقل چند ساختی می باشد. با توجه به تشابه ذات مسائل مسیریابی با مسائل بهینه سازی و عملکرد مناسب الگوریتم های فراابتکاری در حل مسائل پیچیده بهینه سازی، در سال های گذشته تحقیقات مربوط به مسائل مسیریابی، به سوی استفاده از این الگوریتم ها آمده است. در این تحقیق مساله مسیریابی چندهدفه در شبکه حمل و نقل عمومی شهری با استفاده از دو الگوریتم nsga-ii و moaco حل شده است. الگوریتم moaco در دو حالت چند کلونی و چند فرومونی می تواند اجرا شود. هدف این تحقیق بررسی عملکرد هر یک از الگوریتم های فوق الذکر در حل مسئله مورد نظر و مقایسه کارایی آنها در حل مسئله با یکدیگر می باشد. نحوه مدلسازی الگوریتم ها در فضای مسئله، توانایی الگوریتم ها در یافتن مجموعه جواب بهینه و بررسی روند همگرایی و تکرار پذیری الگوریتم ها در کنار زمان اجرای الگوریتم ها از دیگر اهداف مورد نظر این تحقیق می باشد. به دلیل عدم دسترسی به داده واقعی برای اجرای الگوریتم ها و بررسی عملکرد آنها، از شبیه سازی داده های مورد نیاز استفاده شده است. داده مورد نیاز برای شبیه سازی مورد نظر شامل داده شبکه چند ساختی شامل چهار ساخت (اتوبوس، تاکسی مترو و پیاده روی) بوده که به همراه مقادیر توابع هدف مورد نظر (هزینه، راحتی و زمان) در یک شبکه با ابعاد 150 راس و 2600 یال شبیه سازی شده اند. نتایج حاصل از اجرای سه الگوریتم از لحاظ زمان اجرا، پوشش فضای جست و جو، تعداد مسیر بهینه یافت شده، نحوه همگرایی و قابلیت تکرار پذیری با یکدیگر مقایسه شده اند. الگوریتم nsga-ii از نظر پوشش فضای جست و جو و تعداد مسیر بهینه، متوسط 55/5 مسیر بهینه در هر اجرا، عملکرد بهتری نسبت به دو الگوریتم دیگر داشته است. الگوریتم aco چند کلونی 77/4 و الگوریتم aco چند فرومونی 66/3 تعداد مسیر بهینه را به طور متوسط در تمام اجراهایشان تعیین کرده اند. الگوریتم aco چند کلونی از لحاظ زمان اجرا با متوسط 2/41 ثانیه برای تمام اجراهایش و از لحاظ روند همگرایی عملکرد بهتری را داشته است. متوسط زمان اجراهای الگوریتم nsga-ii برابر با 1/96 ثاتیه و برای الگوریتم aco چند فرومونی برابر با 5/62 ثانیه می باشد. الگوریتم aco چند فرومونی با 2/72% بیشترین قابلیت تکرار پذیری را نسبت به دو الگوریتم دیگر از خود نشان داده است. الگوریتم nsga-ii 8/68% و الگوریتم aco چند کلونی 7/67% قابلیت تکرار پذیری داشته اند.