یافتن محل استقرار و مسیریابی پویا با استفاده از تکنیکهای ژنتیک

گرافها در جهت انتقال مسائل دنیای واقعی به دنیای محاسبات کاربرد وسیعی دارند. در این پایان نامه سعی در حل مسئله های یافتن محل استقرار و مسیریابی بهینه زمانی درون یک گراف بزرگ ، گراف با بیش از 10000 گره، در شرایطی که پارامترها متنوع و ابسته به زمان باشند، خواهیم کرد. روشهای ارائه شده تاکنون چون dijkstra در شرایطی که پارامترها متغیر با زمان بوده و یا مبدا و مقصد متغیر باشند قادر به حل مسئله نمی باشند. در این پایان نامه با توجه به بزرگ بودن دامنه مسئله و پیچیدگی نسبی تابع هزینه، از الگوریتم ژنتیکی برای حل مسئله بهره جستیم که این مقوله ما را به تعریف عملگرهای ژنتیکی با شرایط خاص هدایت کرد. با توجه به عدم توانایی الگوریتم ژنتیکی جهت جوابگویی سریع به مسئله در چنین دامنه هایی، از ترکیب روشهای شهودی و الگوریتم ژنتیکی استفاده کردیم که تسریعی در حدود 3600 برابر حاصل شد. برخورد با مقوله پویا شدن پارامتر ترافیک خیابانها و روشهای ارائه شده توسط محققین، منجر به طراحی یک روش جدید با استفاده از ترکیب روشهای شهودی، شبکه عصبی و الگوریتم ژنتیکی شد. نتایج قابل قبول و مناسبی از روشهای ارائه شده در نمونه پیاده سازی راهکارهای پیشنهدی حاصل شد که ادامه فعالیت در این زمینه را امیدوارکننده می نماید.