بهینه سازی ماشین آلات عملیات خاکی بوسیله الگوریتم ژنتیک
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,011
This Paper With 8 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:
ICSAU03_1450
تاریخ نمایه سازی: 12 تیر 1395
Abstract:
انجام عملیات خاکی از مهمترین و پرهزینهترین بخشهای پروژههای ساختمانی و پروژههای برداشت مصالح از معادن سطحی میباشد. یکی از عوامل مهم در انجام موفق طرحها و پروژههای بزرگ نظیر سد، راه، تونل و موارد دیگر نقش ماشین آلات و به تبع آن ن وه انتخاب و مدیریت ص یح آن میباشد. به دلیل مقیاس بالای پروژههای ساخت، حتی یک بهبود کوچک درکارآیی عملیات، سبب صرفهجویی بسیار در کار میشود. دراین مقاله تلاش شده است با استفاده از الگوریتم ژنتیک چندمنظوره ترکیباتی از ناوگانهای مختلف برای انتخاب ناوگان ماشینآلات عملیات خاکی، شامل ماشینآلات حفاری )لودر(باچندنوع مختلف کامیون، الگویی مناسب ارائه گردد. الگوریتم ژنتیک چندمنظوره برخلاف الگوریتم تک هدفه که به دنبال بهتربن جواب است، مجموعهای از جوابها را در من نی پارتو رسم میکند و مدلهای ارائه شده در منحنی پارتو به تصمیم گیرنده کمک مینماید تا نسبت به انتخاب ناوگانی از ماشینآلات که قادر باشد با کمترین هزینه و زمان، حجم بیشتری از عملیات خاکی را به اتمام برساند، اقدام نماید. همچنین در این مقاله با مقایسا روش الگوریتم ژنتیک چندمنظوره بار وشهاای دیگر، روشالگوریتم ژنتیک چندمنظوره، جواب مناسبتری نسبت به سایر روشها را میدهد، به طوریکه در این روش، کامیون نوع 3 در مدت زمان خواسته شده یعنی 22 روز و با هزینه کمتر یعنی 1.51 % نسبت به روش معین و 1152 % نسبت به روش کابررا و ماهر عملیات را به پایان میرساند، همچنین با تحلیل حساسیت مشاهده می شود، اگر 12 درصاد حجم عملیات کاهش داده شود، در همان مدت زمان 22 روز، 13 درصد در تعداد کامیون و 12 درصد هزینهی عملیات کاهش پیدا میکند.
Keywords:
Authors
داود اسکندری
مدرس آموزشکده فنی چمران اهر
علی عبدی
استادیار دانشگاه بین المللی امام خمینی قزوین
وحید اسکندری
دانشجوی کارشناسی عمران دانشگاه تبریز
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 :