منابع پایان نامه ارشد با موضوع مکانیابی، الگوریتم ژنتیک، و رتبه بندی

دانلود پایان نامه ارشد

کار را می‌توان در جدول شماره
(4-4) مشاهده نمود. همانطور که در این جدول مشاهده می‌کنید، الگوریتم VIS بهترین عملکرد را داشته‌است. الگوریتم‌های CNSGA-II و MISA تقریباً در رتبه دوم قرار گرفته و عملکردهای تقریباً مشابهی را از خود نشان داده‌اند. الگوریتم NSGA-II در رتبه بعدی قرار گرفته‌است. در مقام جایگاه بعدی از لحاظ عملکرد، الگوریتم NNIA واقع شده‌است و بدترین عملکرد را الگوریتم NRGA به خود اختصاص داده‌است.

الگوریتم
متوسط معیارها
رتبه الگوریتم باتوجه به متوسط معیارها
رتبه نهائی

کل
ساده
سخت
کوچک
بزرگ
کل
ساده
سخت
کوچک
بزرگ

NSGAII
2.125
2.25
1.75
2.125
1.625
3
3
4
4
3
3.4
CNSGAII
1.625
2
1.5
1.75
1.375
2
2
3
3
2
2.4
NRGA
2.625
3.25
2.125
2.625
2.25
5
5
5
5
5
5
NNIA
2.25
2.75
1.625
2.125
1.875
4
4
4
4
4
4
VIS
1.25
1.625
1.125
1.25
1.125
1
1
1
1
1
1
MISA
1.625
2.25
1.25
1.5
1.625
2
3
2
2
3
2.4
جدول 4-4- متوسط معیارهای الگوریتم‌ها و رتبه بندی الگوریتم‌ها براساس آن

نتیجه گیری و مطالعات آتی

5-1- نتیجه گیری
در این تحقیق، مسأله‌ای از حوزه مکانیابی تسهیلات با تقاضای تصادفی و تراکم مطرح گردید که هدف از آن، طراحی و جانمائی دستگاه‌های خودپرداز است. به گونه‌ای که مشتریان به صورت تصادفی به این دستگاه‌ها مراجعه می‌کنند. اگر دستگاه خودپرداز هنگامی‌که مشتریان می‌رسند آزاد باشد، آن‌ها بلافاصله سرویس دهی می‌شوند. در غیراینصورت، آن‌ها به صف می‌پیوندند و یا آن جا را ترک می‌کنند. فرایند رسیدن تقاضا از توزیع پواسن و فرایند خدمت‌رسانی از توزیع نمایی پیروی می‌کند. دو محدودیت عمده نیز بر سر این مسأله واقع شده‌است. یکی حدّی بر روی تعداد کل تسهیلاتی که ایجاد می‌شوند و دیگری محدودیت بر روی حداکثر زمان انتظار مشتریان در صف می‌باشد. سه هدف نیز برای این مسأله درنظر گرفته شده‌است که هدف اول متوسط تعداد مشتریان در حال سفر را مینیمم می‌کند، هدف دوم متوسط تعداد مشتریان در حال انتظار را مینیمم می‌کند و هدف سوم مجموع کارکرد دستگاه‌ها را در واحد زمان ماکزیمم می‌کند.
برای حل این مسأله چند هدفی، چندین الگوریتم چندهدفه فراابتکاری درنظر گرفته شد تا عکس العمل این الگوریتم‌ها را در برخورد با چنین مسائلی بسنجیم و ببینیم که این الگوریتم‌ها در شرایط مختلف چه نتایجی حاصل می‌کنند. ما سه الگوریتم NSGA-II، CNSGA-IIو NRGA را از حوزه الگوریتم ژنتیک و الگوریتم‌های MISA، VIS و NNIA را از حوزه الگوریتم ایمنی مصنوعی برای این کار انتخاب کردیم. به این منظور، مسائل نمونه‌ای با ساختارهای مختلف و باتوجه به سختی یا سادگی و کوچکی یا بزرگی مسأله ایجاد گردید و این مسائل توسط الگوریتم‌های ذکر شده حل گردید.
برای مقایسه نتایج این الگوریتم‌ها، نیاز به معیارهای عملکردی برای اندازه گیری کارایی این الگوریتم‌ها بود. به همین منظور هشت معیار فاصله نسلی، درجه توازن در رسیدن همزمان به اهداف، مساحت زیر خط رگرسیون، تعداد جواب‌های غیرمغلوب نهائی، فاصله گذاری، گسترش، سرعت همگرائی و منطقه زیر پوشش دو مجموعه را انتخاب کردیم. همچنین برای تجزیه و تحلیل این نتایج به آنالیز واریانس و استفاده از روش توکي روی آوردیم.
نتایج نهائی که از انجام این تحلیل‌ها بدست آمد بیانگر این مطلب بود که الگوریتم VIS در اکثر معیارها، بهترین عملکرد را از خود نشان می‌دهد. الگوریتم‌های CNSGA-II و MISA تقریباً در رتبه دوم قرار گرفته و عملکردهای تقریباً مشابهی را از خود نشان می‌دهند. الگوریتم NSGA-II در رتبه بعدی قرار می‌گیرد. در مقام جایگاه بعدی از لحاظ عملکرد، الگوریتم NNIA واقع می‌شود و بدترین عملکرد را الگوریتم NRGA به خود اختصاص می‌دهد.
5-2- مطالعات آتی
همان طور که در این تحقیق گفته شد، ما پارامترهای الگوریتم‌هایی که استفاده کردیم را باتوجه به رایج ترین پارامترها در ادبیات استفاده کردیم. اگرچه ممکن بود که پارامترهای استفاده شده، باتوجه به مسأله ما، پارامترهای نادرستی بوده باشند. به همین منظور می‌توان برای تنظیم این پارامترها، از طراحی آزمایشات استفاده نمود تا بهترین عملکرد هر الگوریتم را داشته باشیم. همچنین می‌توان الگوریتم‌های دیگری را در حوزه الگوریتم‌های فراابتکاری چندهدفه انتخاب و با یکدیگر مقایسه نمود.
همچنین می‌توان سیستمی را درنظر گرفت که در آن بعضی از تسهیلات در حال حاضر واقع شده و وظیفه ما مکانیابی تسهیلات دیگر در شبکه است. و نیز می‌توان تسهیلات را به صورت متحرّک درنظر گرفت. به گونه‌ای که این تسهیلات برای انجام خدمت‌رسانی به محل تقاضا سفر می‌کنند.
پیشنهاد دیگر می‌تواند به سیستم صفی که ما در این تحقیق استفاده کردیم برگردد. ما ساده ترین سیستم صف یعنی همان سیستم M/M/1 را استفاده کردیم، گرچه می‌توان سیستم‌های صف دیگری را انتخاب نمود که بیشتر با مشخصات دنیای واقعی همخوانی داشته باشد. سیستم‌هایی که در آن فرایندهای رسیدن تقاضا و یا فرایند خدمت‌رسانی از توزیع‌های عمومی استفاده می‌کند؛ و یا سیستمهای صفی که در هر ایستگاه، چندین تسهیل آماده خدمت‌رسانی است و يا هر فرض جديدي که باعث واقعي تر شدن مسأله شود به عنوان زمينه‌هاي جديد براي تحقيقات آينده پيشنهاد می‌شود.

فهرست منابع و مراجع
[1] هاله انصاری لاری، ارائه مدل ریاضی جانمایی و تخصیص دستگاههای خدمت رسان ثابت با تقاضای تصادفی و حل آن با بکارگیری الگوریتم فراابتکاری ژنتیک
[2] بنت الهدی حلمی، استخراج قوانين انجمني با استفاده از سيستم ايمني مصنوعي
[3] جواد بهنامیان، زمانبندي چند معياره سيستم جريان كارگاهي مختلط با زمان هاي آماده سازي وابسته به توالي
[4] Wang, Q., Batta, E., Rump, C.M., Facility location models for immobile servers with stochastic demand. Naval Res. Logist., v51, pp. 137-152, 2003.
[5] Smith, H.K., Laporte, G., Harper, P.R., Locational analysis: highlights of growth to maturity. Journal of the Operational Research Society, 2009
[6] Jia, H., Ordóñez, F., Dessouky, M., A modeling framework for facility location of medical services for large-scale emergencies. IIE Transactions,  39:1, p41-55, Jan 2007
[7] Revelle, C.S., Eiselt, H.A., Daskin, M.S., A bibliography for some fundamental problem categories in discrete location science. European Journal of Operational Research 184(3): 817-848 ,2008
[8] Eiselt, H.A., Sandblom, C.L., Decision analysis, location models, and scheduling problems. Springer 2004: I-XII, 1-457
[9] Berman, O., Krass, D., Facility location problems with stochastic demands and congestion. Location Analysis: Applications and Theory, Drezner, Z. and Hamacher, H.W. (eds.) pp. 329–371. Springer, Berlin, Germany,2002
[10] Zhang, Y., Berman, O., Verter, V., Incorporating congestion in preventive healthcare facility network design. European Journal of Operational Research 198(3): 922-935 ,2009
[11] Baron, O., Berman, O., Krass, D., Facility Location with Stochastic Demand and Constraints on Waiting Time. Manufacturing and Service Operations Management, Vol. 10, No. 3, pp. 484-505, 2008
[12] Berman, O., Krass, D., Wang, J., Locating service facilities to reduce lost demand. IIE Transactions 38, 933–946, 2006
[13] Adan, I., Resing, J., Queueing Theory. Eindhoven Univercity of Technology, 2001.
[14] Deb, K., Pratap, A., Agarwal, S., Meyarivan, T., A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II. IEEE Trans on evolutionary computation, V6, N2, pp. 182-197,2002
[15] Deb, K., Multi-Objective Optimization using Evolutionary Algorithm. John Wiley & Sons, Ltd, England, 2001
[16] A1 Jadaan, O., Rajamani, L., Non-dominated ranked genetic algorithm for solving multi-objective optimization problems: NRGA. Journal of Theoretical and Applied Information Technology, Vol4, No 1, pp 60-67, 2008
[17] Nunes, L., de Castro, Von Zuben, F.J., Chapter xii: ainet: An artificial immune network for data analysis. In R. A. Sarker and C. S. Newton, editors, Data Mining: A Heuristic Approach, pages 231–259–. Idea Group Publishing, USA, 2001.
[18] Coello Coello, C. A., Cruz Cortés, N., Solving multiobjective optimization problems using an artificial immune system. Genetic Programming and Evolvable Machines. 6(2), 163-190,2005
[19] Freschi, F., Repetto, M., Multiobjective optimization by a modified artificial immune system algorithm. In 4th International Conference on Artificial Immune Systems (pp. 248-261), 2005
[20] Gong, M.G., Jiao, L.C., Du, H.F., Bo, L.F., Multiobjective immune algorithm with nondominated neighbor-based selection. Evolutionary Computation 16 (2), 225–255,2008
[21] Wang, Q., Batta, R., Rump, C.M., Algorithms for a facility location problem with stochastic customer demand and immobile servers. Annals of Operations Research 111, 17–34, 2002

پیوست الف: محاسبه معیارهای هشت گانه برای الگوریتم های استفاده شده

فاصله نسلی
درجه توازن در رسیدن همزمان به اهداف
مساحت زیر خط رگرسیون
تعداد جواب های غیرمغلوب
فاصله گذاری
گسترش
سرعت همگرائی
نمونه مسئله 1 ساده
0.407
7.466
0.174
127.2
0.022
0.809
0.886
نمونه مسئله 1 سخت
0.438
5.822
0.186
68.2
0.027
0.603
1.000
نمونه مسئله 2 ساده
0.471
17.577
0.234
98.4
0.033
0.813
1.000
نمونه مسئله 2 سخت
0.395
3.032
0.198
67.4
0.038
0.745
1.000
نمونه مسئله 3 ساده
0.432
10.143
0.199
85.8
0.036
0.770
1.000
نمونه مسئله 3 سخت
0.391
1.430
0.204
63.8
0.027
0.482
1.000
نمونه مسئله 4 ساده
0.452
14.310
0.215
105.8
0.025
0.792
1.000
نمونه مسئله 4 سخت
0.348
1.524
0.158
77.2
0.020
0.498
1.000
نمونه مسئله 5 ساده
0.490
11.350
0.258
107.8
0.037
0.953
1.000
نمونه مسئله 5 سخت
0.391
1.560
0.204
70.8
0.041
0.724
1.000
نمونه مسئله 6 ساده
0.515
15.010
0.283
98.6
0.031
0.794
1.000
نمونه مسئله 6 سخت
0.464
2.658
0.248
81
0.031
0.799
1.000
نمونه مسئله 7 ساده
0.477
12.113
0.270
149.6
0.034
0.919
1.000
نمونه مسئله 7 سخت
0.446
2.166
0.541
126.2
0.021
0.671
1.000
نمونه مسئله 8 ساده
0.521
5.086
0.317
190.8
0.025
0.682
1.000
نمونه مسئله 8 سخت
0.714
3.004
0.659
88.6
0.015
0.367
1.000
نمونه مسئله 9 ساده
0.606
13.281
0.377
92
0.031
0.752
1.000
نمونه مسئله 9 سخت
0.526
2.989
0.271
89.2
0.029
0.502
1.000
نمونه مسئله 10 ساده
0.498
27.727
0.263
113
0.027
0.746
1.000
نمونه مسئله 10 سخت
0.366
2.307
0.164
86.4
0.019
0.444
1.000
نمونه مسئله 11 ساده
0.554
35.412
0.325
163.2
0.026
0.816
0.893
نمونه مسئله 11 سخت
0.408
2.747
0.192
147.2
0.015
0.399
0.870
نمونه مسئله 12 ساده
0.460
17.280
0.230
122.8
0.027
0.788
0.951
نمونه مسئله 12 سخت
0.368
1.661
0.166
106.8
0.027
0.633
1.000
نمونه مسئله 13 ساده
0.470
27.768
0.222
115
0.021
0.858
0.666
نمونه مسئله 13 سخت
0.324
1.397
0.136
70.4
0.044
0.640
0.308
نمونه مسئله 14

پایان نامه
Previous Entries منابع پایان نامه ارشد با موضوع رتبه بندی Next Entries منابع پایان نامه ارشد با موضوع 0.025، 0.024، 0.022