بکارگیری الگوریتم NSGA-II برای حل مسائل مکان یابی چندهدفه

Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 234

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_URBS-5-19_002

تاریخ نمایه سازی: 17 دی 1400

Abstract:

مکان یابی کاربری ها یکی از مهمترین مسائل شهرسازی است که دارای مقیاس های متفاوتی می باشد. هنگامی که با یک مسئله ی مکان یابی کوچک مقیاس با شرایط و محدودیت های اندک روبه رو باشیم می توان با استفاده از روش های سنتی به جواب رسید ولی زمانی که با یک مسئله ی بزرگ مقیاس مکان یابی با شرایط و محدودیت های زیاد روبه رو باشیم، مشکل بتوان بدون استفاده از هوش مصنوعی و الگوریتم های تکاملی، مکان بهینه یا حتی نزدیک به آن را در مقیاس زمان و هزینه ی قابل قبول به دست آورد. هدف این مقاله، معرفی یک تکنیک کارآمد و مناسب برای حل مسائل مکان یابی چندهدفه است. در پژوهش حاضر نوع تحقیق کاربردی و روش تحقیق توصیفی- تحلیلی است. به همین منظور یک مسئله ی مکان یابی فرودگاه برای یکی از شهرهای بزرگ کشور، به عنوان مطالعه موردی بر اساس الگوریتم ژنتیک رتبه بندی نامغلوب (NSGA-II) بررسی شده و بنابر بر شاخص هایی مانند دسترسی آسان، کاهش آلودگی صوتی، میدان دید خلبان، دسترسی به تاسیسات و زیرساخت ها و ... به صورت یک مدل برنامه ریزی ریاضی با ۶ تابع هدف و تعداد مشخصی شرایط مورد نیاز پیکربندی شده است. در نهایت با حل مسئله از طریق الگوریتم پیشنهادی، از میان ۲۰۰ جواب نهایی که شامل جبهه جواب های متفاوت بود، یک جبهه جواب با ۴ نقطه به عنوان مکان بهینه برای احداث فرودگاه برگزیده شد. الگوریتم ژنتیک رتبه بندی نامغلوب(NSGA-II) که جز روش های مستقیم حل مسائل مکان یابی چندهدفه می باشد، با توجه به سرعت و دقت بیشتر نسبت به سایر روش ها و همچنین ارائه ی یک سیستم پشتیبان تصمیم، به عنوان رهیافتی تازه در مسائل مکان یابی چندهدفه، جانشین مناسبی برای روش های تجزیه و روش های سنتی خواهد بود.

Authors

بهرام امین زاده گوهرریزی

دانشیار دانشکده معماری و شهرسازی دانشگاه بین المللی امام خمینی(ره) قزوین

سعید توحیدی راد

دانشگاه بین المللی امام خمینی(ره) قزوین

روشنک اسدی

دانشگاه بین المللی امام خمینی(ره) قزوین

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Alborzi, M.(۲۰۰۹), Genetic Algorithm, Tehran, Sharif university.[In Persian]Asgharpour, M.(۲۰۱۱), Multi-Criteria ...
  • Bui, Lam Thu., Alam, Sameer. (۲۰۰۸), Multi-Objective Optimization in Computational ...
  • California Department of transportation. (۲۰۱۱), California airport land use planning ...
  • Cao, Kai., Batty, Michael., Huang, Bo., Liu, Yan., Yu, Le. ...
  • Cao, Kai., Huang, Bo., Wang, Shaowen. & Lin, Hui. (۲۰۱۲), ...
  • City and Planning Consulting engineers. (۲۰۱۱), Master plan report of ...
  • Duh, Jiunn Der., Brown, Daniel G. (۲۰۰۷), "Knowledge-informed Pareto Simulated ...
  • Durillo, Juan J., Nieto, Jose Garcia., Nebro, Antonio J., Coello ...
  • Engelbrecht, Andries P. (۲۰۰۷), computational intelligence, ۲th edn, England, John ...
  • Forghani, A., Sharif yazdi, M.& Akhundi, A.(۲۰۰۸), Locating industrial and ...
  • Huy, Man Quang., Kappas, Martin.(۲۰۱۰),"Developing multi objective linear programming ...
  • Liu, Xiaoping., Li, Xia., Shi, Xun., Huang, Kangning. & Liu, ...
  • Liu, Yang., Lan, Zeying. (۲۰۱۰), "Automatic Districting of Land Consolidation ...
  • Masumi, Z., Mansourian, A. & Mesgari, M.(۲۰۱۰), "Application of Multi-Objective ...
  • Qian, Min., Pu, Lijie., Zhu, Ming. & Weng, Lingyan. (۲۰۱۰), ...
  • Senthilkumar, Chinnamuthu., Ganesan, Gowrishankar. & Karthikeyan, Ramanujam. (۲۰۱۲), "Optimization of ...
  • Wells, Alexander T., Young, Seth B. (۲۰۰۴), Airport Planning & ...
  • Yang, Z., Moodie, D.R. (۲۰۰۹) "Locating Urban Logistics Terminals and ...
  • Yin, Peng Yeng., Wang, Tai Yuan. (۲۰۱۲), "A Grasp-VNS Algorithm ...
  • Zhou, Jiang., Civco, Daniel L.(۱۹۹۶), "Using Genetic Learning Neural Networks ...
  • نمایش کامل مراجع