ارائه الگوریتم ژنتیک بهبود یافته برای مسئله مکان یابی هاب ظرفیت دار
Publish place: دومین کنفرانس بین المللی مهندسی صنایع و مدیریت
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,091
- 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:
INDUSTRIAL01_396
تاریخ نمایه سازی: 21 شهریور 1395
Abstract:
مساله مکان یابی هاب و تخصیص هاب، از جمله موارد پر کاربرد و بحث انگیز در سال های اخیر است. دلیل این موضوع اهمیت کاهش هزینه در مواردی همچون حمل و نقل کالاها، ارتباطات و ناوگان های مسافربری برای یک شبکه از گره ها شامل گره های مهم و عمده تحت عنوان هاب و گره های خدمت گیرنده مورد بررسی است. یکی از راهکارهای اساسی برای بهینه سازی مصرف انرژی و زمان در شبکه های حمل و نقل و حتی طراحی صحیح این شبکه ها، استفاده از هاب در شبکه توزیع می باشد. طراحی صحیح شبکه های توزیع باعث کاهش هزینه های انتقال جریان در شبکه شده و در نتیجه بهره وری سیستم را افزایش می دهد. با توجه به اهمیت روز افزون کاهش هزینه ها در شبکه های توزیع، مطالعه پیرامون مسئله ی مکان یابی هاب اهمیت چشم گیری دارد. در این مقاله مسئله مکان یابی هاب میانه با کمک الگوریتم های فرا ابتکاری بررسی می شود. از الگوریتم های ژنتیک کلاسیک و ژنتیک بهبود یافته برای حل مسئله تک هدفه مکان یابی هاب استفاده می شود. برای عملگر جهش در الگوریتم ژنتیک بهبود یافته از یک تابع خطی استفاده می شود که مقادیر آن دارای روند نزولی در مقابل روند صعودی تعداد نسل ها می باشند. بطوری که بیشترین وکمترین مقدار در نرخ جهش در نسل های اول وآخر می باشد. ارزیابی عملکرد الگوریتم ژنتیک بهبود یافته در مقایسه با نوع کلاسیک آن، با مجموعه داده های واقعیAP و همچنین دو شاخص RPD و CPU Time مورد بررسی قرار می گیرد. نتایج محاسباتی نشان دهنده کارایی بسیار خوب الگوریتم ژنتیک پیشنهادی در مقایسه با الگوریتم ژنتیک کلاسیک می باشد.
Keywords:
Authors
علی منصوری بابهوتک
گروه مهندسی صنایع، پردیس علوم و تحقیقات کرمان، دانشگاه آزاد اسلامی،کرمان، ایران- گروه مهندسی صنایع، واحد کرمان، دانشگاه آزاد اسلامی،کرمان، ایران
ناصر شهسواری پور
استادیار، مهندسی صنایع، دانشکده اقتصاد و مدیریت، دانشگاه ولی عصر رفسنجان
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 :