پیاده سازی الگوریتم بهینه سازی کلونی مورچه در مکانیابی پناهگاه های اسکان موقت بعد از … |
:
با ایجاد تغییرات لازم در اجرای الگوریتم ACO در حل مسئله فروشنده دورهگرد، مراحل مربوط به مکانیابی و تخصیص در قالب یک مدل مکانی طراحی شده است. این مدل بر اساس یک تابع هدف به منظور کمینه کردن هزینه انتقال جمعیت بلوک های ساختمانی و سه محدودیت میانگین سرریز/کمریز، حداکثر تعداد مکانهای انتخاب شده و میانگین تناسب مکانی، به گونهای طراحی شده است که قیود مسئله تضمین کننده کیفیت جوابهای مدل میباشد. برای تصمیم گیری در مورد بهینه بودن راه حل ها در ACO از روش ارزیابی چند معیاره استفاده شد.
به منظور بهبود نتایج، حساسیت مدل نسبت به تغییر پارامترهای فرومون و تابع ابتکاری الگوریتم ACO مورد ارزیابی قرار گرفت و مقادیر مناسب و بهینه آنها تعیین شد. با در نظر گرفتن قیود تعیین شده و همچنین نمودار همگرایی تابع هدف، بهترین عملکرد در کاهش نهایی تابع هدف توسط مدل مشخص شد و علاوه بر آن، نتایج حاصل از تست تکرارپذیری نشان دهنده پایداری و ثبات جوابهای الگوریتم مورد بررسی میباشد. نتایج تخصیص جمعیت به مکانهای امن، وابستگی انکارناپذیری به نحوه توزیع اماکن امن و ظرفیت آنها و همچنین پراکندگی و جمعیت بلوکهای ساختمانی دارد. میانگین فاصله طی شده تا نزدیکترین مکان امن در مدل نهایی تخصیص برابر با 1200 متر می باشد اما به دلیل عدم توزیع مناسب این مکانها با توجه به توزیع جمعیت در سطح شهر، بیش از 40 درصد جمعیت فاصله ایی بیش از 1500 متر را تا نزدیکترین مکان امن انتخاب شده باید طی کنند. در نتیجه جستجو و تاسیس مراکز امن جدید برای کاهش این فاصله ضرورت دارد. نتایج نشان میدهند که استفاده از الگوریتم ACO، قابلیتهای زیادی برای ترکیب با سیستمهای اطلاعات جغرافیایی برای حل مسئله مکانیابی و تخصیص که نیازمند محیط شبیهسازی پویا (تغییر ترکیب مکانهای امن – تغییر ظرفیت) میباشند، دارا می باشد.
خرید متن کامل این پایان نامه در سایت nefo.ir
فصل اول: کلیات تحقیق
1-1- طرح مسأله
2-1- ضرورت انجام تحقیق
امروزه با توجه به روند رو به رشد جمعیت و تراکم جمعیتی در مناطق شهری علیالخصوص در شهرهای پر جمعیت و مستعد از نظر لرزهخیزی، لزوم نگرشی همه جانبه و فراگیر به حوادث طبیعی و فجایع ناشی از بروز آنها بیش از پیش جلوه نموده است. اثرات زیانبار ناشی از تمرکز بیش از اندازه جمعیت در محدودههای خاص شهری در کنار فقدان برنامهریزی پیشگیرانه و عدم آمادگی لازم جهت مقابله با حوادثی نظیر زلزله تهدیدی بسیار جدی و مهم برای جان شهروندان و تداوم حیات شهری به شمار میرود (باقرپور،1389).
ازجمله مسائل مهم در مدیریت بحران به ویژه در زمینه حوادث غیرمترقبه، مکانیابی بهینه به منظور اسکان شهروندان در مواجهه و یا پس از بروز حادثه میباشد. به دلیل دخالت عوامل و پارامترهای متعدد در این مسئله، مکانیابی این گونه اماکن دارای پیچیدگی زیادی است( صمدزادگان و همکاران, 1384). در ایران مکانگزینی برای اسکان موقت به طور تجربی پس از بروز سانحه و بدون در نظر گرفتن استانداردهای لازم توسط سازمانهای امدادرسان انجام میگیرد. تجربیات به دست آمده از موارد گذشته نشان میدهد که هنگام بحران اگر ضوابط برنامهریزی و اجرای اسکان موقت از قبل معین نشوند، در ایجاد سکونتگاه موقت و تخصیص بلوکهای جمعیتی به نواحی امن، عوامل غیرقابل پیشبینی دخالت کرده و به انواع مختلف بر کیفیت آن اثر میگذارند. عدم رعایت مکانگزینی صحیح ممکن است فاجعه دیگری به مراتب وخیمتر از سانحه اولیه به دنبال داشته باشد(اشراقی, 1385). در راستای مدیریت اضطراری بحران ناشی از زمینلرزه و جلوگیری از تلفات سنگین جانی با توجه به تراكم بالای جمعیتی و تنوع عوارض شهری، طراحی و پیاده سازی یك مدل بهینه سازی و جامع به منظور مكانیابی بهینه مکانهای اسكان و تخصیص جمعیت به آنها در چهارچوب یك سیستم اطلاعات مكانی از اهمیت بالایی برخوردار است( صمدزادگان و همکاران, 1384).
پیچیدگی موجود در توزیع مكانی جمعیت و ساختمانها در كنار خصوصیات مكانی و توصیفی دیگر عوارض شهری كه منجر به تعریف انواع مختلف سطوح دسترسی میشود، باعث شده است تا در این نوع مدلسازی با معیارهای بهینهسازی معمول در این نوع مسائل(فاصله تا کاربریهای سازگار و ناسازگار و همچنین حداقل کردن هزینههای بهینهسازی) درگیر شویم (صمدزادگان و همکاران 1384). با این وجود، یكی از مشكلات بزرگ سازمانهای درگیر در مدیریت بحران شهری، فقدان یك مدل مكانی جامع به منظور اعمال یك مدیریت واحد در انتقال ساكنین شهر به مکانهای اسكان موقت از پیش تعیین شده پس از وقوع حادثه میباشد. این مسئله، به نوبه خود وابسته به مكانیابی بهینه مکانهای اسكان موقت ساکنین با توجه به معیارهای مطرح بهینهسازی درگیر در مسئله تحت بررسی میباشد.
[1] Ant Colony Optimization
[2] Multi Agent
فرم در حال بارگذاری ...
[شنبه 1400-05-16] [ 07:40:00 ق.ظ ]
|