مقایسه قابلیت های الگوریتم های هوش محاسباتی درحل مسئله مکان یابی مراکز خدمات شهری

هدف از مکان یابی انتخاب مکان مناسب جهت احداث یکسری مراکز خدماتی بوده به گونه ای که بهترین عملکرد با توجه به اهداف مورد نظر در پروژه حاصل شود. در مسایل مکان یابی و تخصیص منابع، معمولاً هدف بهینه سازی مکان یکسری ایستگاه های ارائه خدمات و دسترسی مشتریان به آن ها می باشد که متناسب با شرایط مسئله، پارامترهای موثر در تصمیم گیری مربوط به آن تعریف می شود. مسایل مکان یابی و تخصیص از نوع مسایل np-hard بوده، که با افزایش تعداد نقاط تقاضا و مراکز خدماتی، پیچیدگی و حجم محاسبات مسئله به صورت نمایی افزایش می یابد. اکثر راه حل های ارائه شده برای مسایل مکان یابی و تخصیص منابع از لحاظ محاسباتی پیچیده هستند. در مواردی که از الگوریتم های قطعی و روش های جستجوی مستقیم در حل مسایل مکان یابی استفاده می شود، فضای جستجو به اندازه ایی بزرگ بوده که زمان حل مسئله بسیار طولانی شده و در بیشتر موارد عملاً نمی توان از این روش ها استفاده کرد. از طرفی در برخی موارد علی رغم رسیدن به جواب های دقیق و قطعی به دلیل بالا بودن حجم محاسبات و لزوم بررسی تمامی حالت ها، امروزه این روش ها کمتر مورد استفاده قرار می گیرند. برای حل این مشکل، روش های فرا ابتکاری، متناسب با شرایط مسئله به وجود آمده و گسترش یافته اند. این روش ها جواب های تقریبی نزدیک به حالت بهینه و یا حتی در بعضی موارد جواب بهینه را برای یک مسئله با شرایط و قیود خاص ارائه می کند. در این تحقیق با توجه به نوع موضوع و ساختار آن از سه روش فرا ابتکاری جستجوی ممنوع (ts)، الگوریتم ژنتیک (ga) و شبیه سازی بازپخت (sa)، که عملکرد مناسب و کاربرد بیشتری در حل مسایل مکان یابی داشتند، برای یافتن مکان بهینه ایستگاه های آتش نشانی استفاده شده است. دلیل اصلی بهره گیری از این روش ها در این پایان نامه، جامعیت، عملکرد مناسب و کاربرد برای انواع مختلف مسایل مکان یابی و تخصیص منابع است. از میان مراکز گوناگون خدمات شهری، ایستگاه های آتش نشانی با توجه به اهمیت و جنبه امدادی آن، به عنوان مطالعه موردی انتخاب شده است. روش های فرا ابتکاری مذکور از دیدگاه های زمان حل مسئله، مقدار تابع هدف، تعداد تکرار و نحوه ی پوشش منطقه مقایسه و ارزیابی شده اند. الگوریتم شبیه سازی بازپخت، در بین روش های پیاده سازی، دارای کمترین زمان حل مسئله می باشد و هنگامی که تعداد تکرارها در روش مذکور از اندازه مسئله بزرگ تر باشد، جواب های مطلوبی تولید می شود. نتایج بدست آمده در سناریو دوم روش (sa) در این تحقیق، صحت این ادعا را به اثبات رسانده است. الگوریتم ژنتیک (ga) با توجه به تعداد جمعیت اولیه و حداکثر نسل ها به عنوان شروط خاتمه، در چهار سناریوی مختلف پیاده سازی شده است. روش جستجوی ممنوع (ts)، در میان روش های فرا ابتکاری، بیشترین زمان محاسباتی و کمترین مقدار تابع هدف را دارد و با توجه به نقشه تولید شده بهترین پوشش را در منطقه توسط مکان های بهینه انتخاب شده و کمترین همپوشانی را بین مکان های انتخاب شده دارا می باشد. بر اساس تجربه این تحقیق، با وجود گستردگی فضای جستجو و پیچیدگی اهداف، الگوریتم های فراابتکاری برخلاف روش های قطعی و جستجوی مستقیم، می توانند در زمان های نسبتاً مناسب به جواب های قابل قبولی برسند و در کاهش حجم محاسبات و پیچیدگی روش حل، مناسب باشند.