برچسب‎گذاری نقشه‎ با استفاده از یک رویکرد تکاملی موازی شده

برچسب یک جزء مهمی از نقشه است که کاربر می‎تواند با کمک برچسب نقشه موضوعات مهم را شناسایی و اطلاعات مربوط به خود را از موضوعات به ‎دست آورد. از آن‎جایی که برچسب‎گذاری نقشه به صورت دستی یک کار وقت‎گیر است؛ بنابراین خودکارسازی برچسب‎گذاری نقشه همیشه یکی از موضوعات مهم مطالعه کارتوگرافی به کمک کامپیوتر در تمام زمان‎ها بوده است. به‎کارگیری روش‎های کارآمد برای برچسب‎گذاری خودکار نقشه و جلوگیری از تداخل برچسب با برچسب یا برچسب با نقطه، به‎ منظور شفافیت نقشه یک مشکل اساسی در بسیاری از کاربردهای کارتوگرافی و سیستم‎های اطلاعاتی جغرافیایی می‎باشد. قرار‎دادن برچسب متنی در موقعیت مربوط، یک مورد با اهمیت می‎باشد که یک شاخه وسیعی از تولید نقشه را به خود اختصاص داده است. عوارض نقشه‎ای که برچسب‎گذاری می‎شود، می‎توانند نقطه‎ای (مثل شهرها)، خطی (مثل رودها و خیابان‎ها) و یا سطحی (مثل دریاچه‎ها و کشورها) باشند. از آن‎جایی که برچسب‎گذاری نقشه به صورت خودکار یک مسئله چند‎جمله‎ای غیرقطعی-سخت می‎باشد، بنابراین نیازمند استفاده از الگوریتم های مکاشفه‎ای، فرامکاشفه‎ای و همچنین روش‎های پردازش موازی جهت دستیابی به جواب‎های نزدیک به بهینه و سریع می باشد. از مهمترین الگوریتم‎های فرامکاشفه‎ای که برای مسئله برچسب‎گذاری نقشه ارائه شده‎اند می‎توان به الگوریتم ژنتیک، شبیه‎ساز درجه حرارت و شبکه عصبی اشاره کرد که با توجه به آزمایشات انجام شده نشان داده شده است که راهکار الگوریتم ژنتیک دارای بالاترین کیفیت در نقشه با پیچیدگی یکسان می‎باشد. همچنین از روش‎های پردازش موازی در این زمینه می‎توان به الگوریتم موازی مدل crew pram اشاره کرد و ثابت شده ‎است که الگوریتم موازی ارائه شده برای برچسب‎گذاری در مدل pram دارای سرعت خطی بوده و از لحاظ زمان اجرا، کار انجام شده و تعداد پردازنده نسبت به الگوریتم‎های ترتیبی شناخته‎ شده برای این مسئله بهینه است. ما در این ‎پایان‎نامه یک الگوریتم تکاملی موسوم به mlga با ویژگی‎های جدید برای مسئله برچسب‏‎گذاری با هدف برچسب‎گذاری بیشینه عوارض نقطه‎ای ارائه داده‎ایم. راه‎کار پیشنهادی ما از فضای جستجوی پیوسته برای برچسب‎گذاری عوارض نقطه‎ای بهره گرفته است به طوری‎که برچسب‎ها می‎توانند در هر زاویه و در هر فاصله نسبت به نقطه‎ی مربوط جای‎گذاری شوند. در راه‎کار پیشنهادی ما همچنین برچسب‎ها می‎توانند با خطوطی با اندازه‎ی متغیر به نقطه‎ی مربوط وصل شوند که این‎کار باعث می‎شود در جاهایی از نقشه که تراکم نقاط زیاد است برچسب‎ها با خطوطی به جاهایی که تراکم نقاط کم است، منتقل شوند. ویژگی دیگر در راه‎کار پیشنهادی ما این است که به زیبایی جای‎گذاری برچسب‎ها اهمیت داده شده ‎است به طوری‎که ربع اول در محورهای مختصات بالاتربن الویت را برای جای‎گذاری برچسب‎ها دارد. همچنین برای تسریع در اجرای راه‎کار پیشنهادی (mlga) یک الگوریتم برچسب‎گذاری موازی نقشه (mlpga) ارائه شده است. راه‎کار پیشنهادی برای برچسب‎گذاری موازی نقشه از تقسیم‎بندی نقشه به تعداد پردازنده استفاده می‎کند به طوری‎که بعد از تقسیم‎بندی، هر پردازنده مجموعه نقاط مربوط به خود را با استفاده از mlga برچسب‎گذاری می‎کند و در آخر برچسب‎های متداخل روی مرز مجموعه‎های همسایه را در دو مرحله کمینه می‎کند. نتایج حاصل از آزمون‎های مختلف صورت گرفته روی راه‎کار پیشنهادی، حاکی از هم‎گرایی مناسب الگوریتم در روند تکاملی خود و دستیابی به پاسخ بهینه در تعداد تکرارهای به نسبت کم می‎باشد. همچنین به منظور ارزیابی پایداری راه‎کار پیشنهادی آزمون‎های مختلفی صورت گرفته که در تمامی موارد کوچک بودن انحراف معیار مقادیر تابع هدف، این ویژگی الگوریتم را نیز تأیید نموده است. نتایج بررسی شده پایان‎نامه نشان می‎دهد که الگوریتم پیشنهادی جواب‎های خوب و قابل قبولی نسبت به روش‎های پیشین دارد.