یکی از جنبه های مهم مدیریت کیفی رودخانه ها تخصیص بهینه آلاینده است. در مراحل تصمیم گیری تخصیص بار آلاینده با انواع متفاوتی از عدم قطعیت ها مواجه هستیم. این عدم قطعیت ها ناشی از مبهم بودن پارامترها اهداف گروه های تصمیم گیرنده و تصادفی بودن پارامترهای رودخانه است. با در نظر گرفتن این دو نوع عدم قطعیت، مدل غیر خطی تخصیص فازی بار آلاینده برای تعیین درصد تصفیه ی تخلیه کنندگان در شرایط برقرای استانداردهای رودخانه معرفی گردیده است. برای حل مدل فوق از الگویتم مجموعه ذرات استفاده شده است.

مدل های مکان یابی وسایل نقلیه ، سالهاست که در مسائل بخش خصوصی و عمومی به کارگرفته می شوند. بسیاری از این مدل ها می توانند به صورت مدل های پوششی دسته بندی شوند. دو دیدگاه مهم در مساله مکان یابی پوششی، مساله مکان یابی مجموعه پوششی و مساله مکان یابی با پوشش ماکسیمال می باشند. در این پایان نامه، مدل های متفاوتی برای مساله مکان یابی مجموعه پوششی و مساله مکان یابی با پوشش ماکسیمال را در دو حالت گسسته و بر روی شبکه، مورد بررسی قرار می گیرند. سپس مدل آراز و همکارانش را بر روی سیستم اورژانس شیراز پیاده سازی می نماییم. در آخر دو مدل پیشنهادی را معرفی نموده و با کمک هر کدام از این مدل ها به حل یک مساله پرداخته ایم.

با توجه به افزایش جمعیت شهرها و افزایش سفرهای درون شهری، روش های کنترل تقاطع ها، به منظور کاهش تاخیر از اهمیت زیادی برخوردار است. کارشناسان امور حمل و نقل، برای عبور خودروها با کمترین تاخیر و ایجاد امنیت و آرامش برای کاربران شبکه ی حمل و نقل شهری، از وسایل کنترل ترافیک از جمله چراغ راهنما استفاده می کنند. ما در این پژوهش برآنیم که به زمان بندی چراغ راهنما بر اساس برنامه ریزی چند هدفی (چند هدف متفاوت از جمله تاخیر عابران پیاده) و دیدگاه منطق فازی (به دلیل ساده بودن و اجتناب از پیچیدگی های موجود، منعطف بودن و همچنین امکان استفاده از تجربه های کارشناسان) بپردازیم. در این پایان نامه توجه ویژه ای به قشر آسیب پذیر استفاده کننده از خیابان به خصوص عابران پیاده شده است و زمان بندی طول فاز سبز عابران پیاده و وسایل نقلیه بدون از بین رفتن هماهنگی بین تقاطع ها (تا حد امکان) با استفاده از قواعد فازی و الگوریتم ژنتیک بدست آمده است. زمان بندی چراغ راهنما در یکی از محدوده های ترافیکی شهر شیراز با استفاده از نرم افزار ترانسیت نیز از جمله مطالبی است که در این پایان نامه به آن پرداخته شده است.

پیش بینی میزان ترافیک شهری یکی از مهمترین موضوعات در تحقیق و بررسی مساله ترافیک می باشد. اهمیت این موضوع به حدی است که در سال های اخیر تحقیقات زیادی را به خود جلب کرده است. در این پایان نامه از الگوهای سری های زمانی و روش های یادگیری ماشین برای پیش بینی میزان ترافیک شهری استفاده می شود. اساس این پایان نامه بدین صورت است که ابتدا مروری بر کارهای انجام شده در زمینه پیش بینی ترافیک داریم و سپس روند مدل سازی سری های زمانی را بیان می کنیم. روش نوینی که در این پایان نامه استفاده شده، روش ماشین بردار پشتیبان است. از این روش در زمینه طبقه بندی الگوها استفاده می شود. اخیراً از اصول این روش برای پیش بینی سری های زمانی و مسائل رگرسیونی که الگوی غیرخطی دارند، استفاده شده است. مشکل عمده این روش، تنظیم پارامترهای آن است. به منظور حل این مشکل از الگوریتم ترکیبی مورچه گان و ازدحام ذرات استفاده شده است. در نهایت یک مثال مربوط به یکی از خیابان های شهر شیراز به منظور کارایی و مقایسه سازی روش پیشنهادی با الگوهای سری های زمانی، ارائه شده است.

بنابراین به تحلیل همگرایی و ارائه شرایطی برای تعیین پارامترهای موثر برای سرعت بخشیدن به همگرایی الگوریتم به سمت جواب بهینه می‎پردازیم. در بیان این تحلیل، ابتدا الگوریتم اولیه را در حالتی که ضرایب ثابت هستند در نظر می‎گیریم. با توجّه به اینکه اصل الگوریتم پیشنهاد شده بر مبنای تصادفی بودن پارامترهای دستگاه حرکت الگوریتم می‎باشد، ممکن است تحلیل الگوریتم با ضرایب قطعی دور از واقعیت باشد. بنابراین در ادامه با استفاده از تئوری فرایندهای تصادفی و در نظر گرفتن ضرایبی غیرقطعی به تجزیه و تحلیل و ارائه شرایطی برای تضمین همگرایی الگوریتمی تصادفی می‎پردازیم. در ادامه با تعمیم الگوریتم و ارائه الگوریتمی جدید به ارائه شرایط همگرایی و نوع انتخاب ضرایب این الگوریتم جدید می‎پردازیم