مدل دوهدفه شبکه های حمل ونقل هاب و کمان با درنظرگرفتن ترافیک جریان در هاب ها
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 672
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TTC14_193
تاریخ نمایه سازی: 30 دی 1394
Abstract:
مسئله مکانیابی هاب زمانی مطرح می شود که نیاز است مقداری جریان بین نقاط مبدأ و مقصد منتقلشود، اما برقراری ارتباط مستقیم میان همه نقاط ناممکن و یا بسیار پرهزینه است. شرکت هایحمل ونقل نیز به منظور ایجاد شبکه ارتباطی مورد نیاز و بهره مندی از صرفه اقتصادی از شبکه های هابو کمان استفاده می کنند، ولی برخی هابها به دلیل تمرکز جریان، به خصوص در ساعات اوج از لحاظترافیکی شلوغ می شوند و میزان تاخیرات به طور قابل ملاحظه ای افزایش می یابد. در این مقاله جهترفع این مشکل، هر هاب به صورت یک سیستم صف M/M/c مدل شده و متوسط طول صف در هاب به عنوان معیار ازدحام (ترافیک) هاب درنظر گرفته شده است. مقدار بهینه نرخ ورود به هر هاب و بهدنبال آن متوسط طول صف در هر هاب، همزمان با مکان یابی هابها و تخصیص نقاط غیر هاب صورتمیگیرد. ابتدا یک مدل غیر خطی تک هدفه، جهت ایجاد شبکه هاب و کمان به نحوی که جریان هایگذرنده از هاب ها به صورت متعادل توزیع شود، ارائه شده و سپس تبدیل مدل غیرخطی به مدل خطیبرای حالت خاصی که در آن تعداد سرویس دهندگان در هر هاب یک است (c=1) انجام می گیرد. در ادامه تابع هدف کمینه کردن مجموع هزینههای حمل ونقل به عنوان تابع هدف دوم به مدل قبلی اضافهشده و یک مدل دوهدفه ارائه میشود. برای حل مدل دو هدفه پیشنهادی یک الگوریتم ژنتیک چندهدفه پیشنهاد شده و جوابهای پارتو ارائه و سپس با استفاده از روش تاپسیس جواب برتر از میانجواب های پارتو انتخاب می گردد.
Keywords:
Authors
میثم غفاری دیزجی
کارشناس ارشد مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه صنعتی اصفهان، اصفهان، ایران
علی شاهنده نوک آبادی
دانشیار دانشگاه صنعتی اصفهان، دانشکده مهندسی صنایع، اصفهان، ایران
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 :