استفاده از الگوریتم ژنتیک برای بهینه‌سازی مسأله مکانیابی-تخصیص چندهدفه در محیط GIS (مطالعه موردی: ایستگاههای آتش‌نشانی منطقه 11 شهر تهران)

نویسندگان

دانشگاه آزاد اسلامی واحد علوم و تحقیقات

چکیده

مسأله موردنظر در این مقاله،مسألهمکانیابی-تخصیص چندهدفه برایتعیین موقعیت و تخصیص ظرفیت بهینه به ایستگاههای آتش‌نشانی منطقه 11 شهر تهران در محیطGIS و با استفاده از الگوریتم ژنتیک می‌باشد. اهداف این تحقیق شامل: 1- کمینه کردن فاصله بین ایستگاه آتش‌نشانی و تقاضاها2- کمینه کردن زمان رسیدن به تقاضا از ایستگاههای آتش‌نشانی 3- بیشینه کردن پوشش ایستگاههای آتش‌نشانیمی‌باشد.مسألهمکانیابی-تخصیص یک مسأله بهینه‌سازی ترکیبی است و به دلیل پیچیدگی محاسباتی، معروف به NP-Hard است. بنابراین روشهای جبری رایج،نمی‌توانند در حل مسائل مکانیابی-تخصیص پیچیده با چندین شرط مختلف، موفق باشند. برای حل این مسألهمکانیابی-تخصیص، از روش فوق‌ابتکاری الگوریتم ژنتیک استفاده می‌شود.در این مدل ژنتیک چندهدفه،برای بررسی اثر هر هدف، ابتدا هر تابع به صورت تک هدفه اجرا و نتایج آنها مقایسه می‌شود. در مرحله دوم، خروجی مدل با یک بردار وزن ثابت ارزیابی می‌شود و نتیجه نشان می‌دهد که مدل بخوبی می‌تواند موقعیتهای بهینه ایستگاههای آتش‌نشانی را با در نظر گرفتن ظرفیت ایستگاههای آتش‌نشانی مشخص کند. در نهایت، برای ارزیابی مناسب بودن مدل، از یک برنامه وزندهی اتوماتیک استفاده می‌شود. در این حالت هر بار به هر جواب، بردار وزنی تصادفی تعلق می‌گیرد و در نهایت مجموعه‌ای از جوابهای غیرمسلط حاصل می‌گردد که به تصمیم‌گیرندگان، فرصت می‌دهد،جوابهای مناسب(Non-dominated)را با توجه به شروط مشخص و یا اولویت آنها به یک هدف،انتخاب کنند.

کلیدواژه‌ها

عنوان مقاله [English]

using genetic algorithm for optimizing multiobjective locatio-allocation in gis environment (casestudy: firestations in district 11 of tehran city)

نویسندگان [English]

  • A. vafai neghad
  • S. boloori
science and researches azad university
چکیده [English]

In this article, multiobjective location-allocation in GIS environment to optimizing firestations in district 11 of Tehran city with genetic algorithm is important.Objectives of this article are: 1-minimize distance between firestations and demands 2- minimize arriving time to demands from firestations 3- maximize firestations covering in distict 11 of Tehran city. Location-Allocation is a combinatorial optimization problem that knowns as NP-hard beacause this problem has computional complexity.So traditional exact methods cannot solve multiobjectivelocation-allocation problem efficiently. To solving this location-allocation problem isusedgenetic algorithmmetaheuristic method.In this multiobjective genetic algorithm (MOLA),to assess the impact of each objective, first the model is implemented as single objective to each function and the results compared.Second, the multiobjective model is used with priority weight vector. The results indicate the model can successfully provide optimum locations for firestations with capacity criteria.Then, this study use from dynamic weighting scheme. In this case a random weight vector is assing to each soloution in each iteration and produce set of non-dominated soloutions. These soloutions act as a candidate pool which decision maker may choose soloutions according to their preferences or determinent criteria.

کلیدواژه‌ها [English]

  • Multiobjective Location
  • Multiobjective Location-Allocation
  • Allocation
  • Non-dominated Soloutions
  • GIS
  • Firestations
  • Genetic Algorithm
  • non
  • dominated Soloutions

فایل ها

هم رسانی

ارجاع به این مقاله

آمار