استفاده از الگوریتم شبیهسازی حرارتی برای بهینهسازی مسئله مکانیابی ـ تخصیص چند هدفه در محیط سیستم اطلاعات مکانی (مطالعه موردی: ایستگاههای آتشنشانی منطقه 11 شهر تهران)
محورهای موضوعی : مطالعات مدیریت شهریسمیرا بلوری 1 , علیرضا وفایینژاد 2
1 - مسئول مکاتبات
2 - ندارد
کلید واژه: Location–Allocation چندهدفه, GIS, ایستگاههای آتشنشانی, الگوریتم ژنتیک, جوابهای غیر مسلط,
چکیده مقاله :
مقدمه و هدف پژوهش: در این مقاله مسئله LocationAllocation چندهدفه در محیطGIS برای تعیین موقعیت و تخصیص ظرفیت بهینه به ایستگاههای آتش- نشانی منطقه 11 شهر تهران مورد نظر می باشد. اهداف این تحقیق شامل: 1- کمینه کردن فاصله بین ایستگاه آتش نشانی و تقاضاها 2- کمینه کردن زمان رسیدن به تقاضا از ایستگاههای آتش نشانی 3- بیشینه کردن پوشش ایستگاههای آتشنشانی میباشد. روش پژوهش: مسئله LocationAllocation یک مسئله بهینه سازی ترکیبی است و به دلیل پیچیدگی محاسباتی معروف به NP-Hard است. بنابراین روشهای جبری رایج نمی توانند در حل مسائل LocationAllocation پیچیده با چندین شرط مختلف موفق باشند. برای حل این مسئله LocationAllocation از روش فوق ابتکاری شبیه سازی حرارتی استفاده می شود. یافتهها: مدل با توجه به اهداف نامبرده، ایستگاههای بهینه آتش نشانی را در منطقه 11 شهر تهران می یابد به گونه ای که این ایستگاهها به خوبی قادر به پاسخگویی به تقاضاها (جمعیت) باشند. نتیجهگیری: در این مدل ژنتیک چندهدفه، برای بررسی اثر هر هدف، ابتدا هر تابع به صورت تک هدفه اجرا می شود. در مرحله دوم، خروجی مدل با یک بردار وزن ثابت ارزیابی می شود و نتیجه نشان می دهد که مدل می تواند به طور مؤثری موقعیتهای بهینه ایستگاههای آتش نشانی را با شرط ظرفیت فراهم کند. در نهایت، برای ارزیابی مناسب بودن مدل، از یک برنامه وزن دهی اتوماتیک استفاده می شود. در این حالت هر بار به هر جواب، بردار وزنی تصادفی تعلق می گیرد و در نهایت مجموعه ای از جوابهای غیر مسلط حاصل می گردد که به تصمیم گیرندگان با توجه به شروط مشخص و یا اولویتشان به یک هدف، فرصت انتخاب جوابهای مناسب (Non-dominated) را می دهد.
Introduction and Objective:In this article, multiobjective location–allocation in GIS environment tooptimizing the location and allocation offirestations in district 11 of Tehran city 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. Methodology:Location-Allocation is a combinatorial optimization problem and because computing complexity those known as NP-hard. So,traditional exact method cannot solve complex Location-Allocation problem with multicriteria. To solve thisLocation-Allocation problem is used metaheuristicSimilated Annealingalgorithm. Findings:This model findthe optimal location of firestations such that this firestations meet the demands Excellency. Result:In this multiobjective genetic model, to assess the impact of each objective, first the model is implemented as single objective to each function. 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 soloutionin 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.