پیشینه تحقیق مکانیابی تسهیلات و مسائل پوشش و مسائل بهینه سازی چندهدفه و روش‌های اندازه گیری عملکرد الگوریتم‌های چندهدفه دارای ۷۰ صفحه می باشد فایل پیشینه تحقیق به صورت ورد  word و قابل ویرایش می باشد. بلافاصله بعد از پرداخت و خرید لینک دنلود فایل نمایش داده می شود و قادر خواهید بود  آن را دانلود و دریافت نمایید . ضمناً لینک دانلود فایل همان لحظه به آدرس ایمیل ثبت شده شما ارسال می گردد.

فهرست مطالب

۲-۱- مقدمه    ۶
۲-۲- مکانیابی تسهیلات    ۶
۲-۲-۱- مروری در موضوع مکانیابی تسهیلات [۵]    ۶
۲-۲-۲- معیارهای دسته بندی مدلهای مکانیابی    ۱۱
۲-۲-۳- مسائل پوشش    ۱۳
۲-۲-۳-۱-مسأله پوشش مجموعه    ۱۴
۲-۲-۳-۲- مسأله مکانیابی حداکثر پوشش    ۱۶
۲-۲-۳-۳- مسائل p-center    ۱۷
۲-۲-۳-۴- مسائل p-median    ۱۸
۲-۲-۴- مسائل دیگر مکانیابی [۸]    ۱۹
۲-۲-۵- مسائل مکانیابی تسهیلات با تقاضای تصادفی و تراکم    ۲۰
۲-۲-۵-۱- مرور ادبیات مسائل مکانیابی تسهیلات با تقاضای تصادفی و تراکم [۱۰]    ۲۱
۲-۲-۵-۲- مکانیابی تسهیلات با تقاضای تصادفی و تراکم    ۲۴
۲-۳- نظریه صف    ۳۰
۲-۳-۱- مشخصات صف [۱۳]    ۳۰
۲-۳-۲- قانون لیتِل [۱۳]    ۳۲
۲-۳-۳- صف M/M/1    ۳۳
۲-۴- مسائل بهینه سازی چندهدفه    ۳۴
۲-۴-۱- فرمول بندی مسائل بهینه سازی چندهدفه    ۳۵
۲-۴-۲- الگوریتم‌های تکاملی برای بهینه سازی مسائل چندهدفه بر مبنای الگوریتم ژنتیک    ۳۶
۲-۴-۲-۱- الگوریتم ژنتیک مرتب سازی نامغلوب    ۳۷
۲-۴-۲-۲- الگوریتم NSGA-II محدود شده    ۳۹
۲-۴-۲-۳- الگوریتم ژنتیک رتبه بندی نامغلوب    ۴۱
۲-۴-۳- الگوریتم‌های تکاملی برای بهینه سازی مسائل چندهدفه بر مبنای سیستم ایمنی مصنوعی    ۴۳
۲-۴-۳-۱- سیستم ایمنی مصنوعی [۲]    ۴۳
۲-۴-۳-۱-۱- مفاهیم ایمنی [۱۷]    ۴۴
۲-۴-۳-۱-۲- ایمنی ذاتی    ۴۵
۲-۴-۳-۱-۳- ایمنی اکتسابی    ۴۵
۲-۴-۳-۱-۴- تئوری شبکه ایمنی    ۴۷
۲-۴-۳-۱-۵- الگوریتم ایمنی مصنوعی    ۴۷
۲-۴-۳-۱-۶- سیستم ایمنی مصنوعی و مسائل بهینه سازی چندهدفه    ۴۸
۲-۴-۳-۲- الگوریتم MISA    ۵۰
۲-۴-۳-۳- الگوریتم VIS    ۵۶
۲-۴-۳-۴- الگوریتم NNIA [20]    ۵۹
۲-۵- روش‌های اندازه گیری عملکرد الگوریتم‌های چندهدفه [۳]    ۶۲
۲-۵-۱- فاصله نسلی    ۶۳
۲-۵-۲- درجه توازن در رسیدن همزمان به اهداف    ۶۴
۲-۵-۳- مساحت زیر خط رگرسیون    ۶۵
۲-۵-۴- تعداد جواب‌های غیرمغلوب نهائی    ۶۶
۲-۵-۵- فاصله گذاری    ۶۶
۲-۵-۶- گسترش    ۶۷
۲-۵-۷- سرعت همگرائی    ۶۷
۲-۵-۸- منطقه زیر پوشش دو مجموعه    ۶۸
۲-۶- جمع بندی    ۶۸
فهرست منابع و مراجع    ۷۰

منابع

۱۲-Berman, O., Krass, D., Wang, J., Locating service facilities to reduce lost demand. IIE Transactions 38, 933–۹۴۶, ۲۰۰۶

۱۳-Adan, I., Resing, J., Queueing Theory. Eindhoven Univercity of Technology, 2001.

۱۴-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

۲۰-Gong, M.G., Jiao, L.C., Du, H.F., Bo, L.F., Multiobjective immune algorithm with nondominated neighbor-based selection. Evolutionary Computation 16 (2), 225–۲۵۵,۲۰۰۸

۲۱-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, 17–۳۴, ۲۰۰۲

۴-Wang, Q., Batta, E., Rump, C.M., Facility location models for immobile servers with stochastic demand. Naval Res. Logist., v51, pp. 137-152, 2003.

۵-Smith, H.K., Laporte, G., Harper, P.R., Locational analysis: highlights of growth to maturity. Journal of the Operational Research Society, 2009

۶-Jia, H., Ordóñez, F., Dessouky, M., A modeling framework for facility location of medical services for large-scale emergencies. IIE Transactions,  ۳۹:۱, p41-55, Jan 2007

۷-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

۱۵-Deb, K., Multi-Objective Optimization using Evolutionary Algorithm. John Wiley & Sons, Ltd, England, 2001

۱۷-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 231–۲۵۹–. Idea Group Publishing, USA, 2001.

۱۸-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

۱۹-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

۸-Eiselt, H.A., Sandblom, C.L., Decision analysis, location models, and scheduling problems. Springer 2004: I-XII, 1-457

۹-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. 329–۳۷۱٫ Springer, Berlin, Germany,2002

۱۰-Zhang, Y., Berman, O., Verter, V., Incorporating congestion in preventive healthcare facility network design. European Journal of Operational Research 198(3): 922-935 ,2009

۱۱-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

– مقدمه

در این مقاله، ابتدا به بحث درباره موضوع مکانیابی تسهیلات می پردازیم. در ابتدا، به مروری بر مکانیابی تسهیلات می پردازیم. در ادامه، مسائل پوشش که مهمترین و پرکاربردترین مباحث در این حوزه است را توضیح داده و مدل های دیگر مکانیابی تسهیلات را معرفی می نمائیم. سپس به مرور ادبیات در حیطه مسائل مکانیابی تسهیلات با تقاضای تصادفی و تراکم و خصوصیات این نوع مدل ها می پردازیم. سپس سیستم صف و مسائلی که در این حوزه ، موردنیاز است، شرح داده می شود. همچنین الگوریتم‌های چندهدفه‌ای که در این مقاله به کار گرفته شده‌است به طور عمومی معرفی و تشریح می‌شوند. باتوجه به اینکه سه الگوریتم از این الگوریتم‌ها از مبحث ایمنی مصنوعی است، سعی شده‌است تا مروری مختصر بر این موضوع نیز انجام شود. در آخر نیز روش‌های اندازه گیری عملکرد الگوریتم‌های چندهدفه معرفی شده‌اند.

۲-۲- مکانیابی تسهیلات

۲-۲-۱- مروری در موضوع مکانیابی تسهیلات [۵]

می‌توان استدلال نمود که تحلیل‌های مکانیابی در قرن هفدهم و با مسأله پیِر دِ فِرمَت[۱] شروع شد: فرض کنید که سه نقطه در یک صفحه وجود دارد، نقطه چهارمی را پیداکنید به صورتی که مجموع فواصلش تا سه نقطه فرض شده مینیمم گردد. اِوانجلیستا توریچلی[۲] نیز یکی از کسانی است که ساختارهای فضایی که نیاز به یافتن یک چنین میانه‌های فاصله‌ای یا «نقاط توریچلی» دارند، به آن نسبت داده شده‌است. به هر حال در قرن اخیر، با «مسأله وِبِر» از آلفرد وِبِر[۳] و بعضی از گسترش‌های بعدی اش در مسئله درِزنر[۴] و همکارانش دوران جدید تحلیلهای مکانیابی با کاربردش در مکانیابی صنعتی شروع می‌شود. مسأله وِبِر نقاطی را در یک سطح پیدا می‌کند که مجموع فواصل اقلیدسی وزن‌دهی شده آن تا یک مجموعه نقاط ثابت مینیمم گردد. این مسأله به این صورت تفسیر می‌شود که مکان یک کارخانه را به گونه‌ای پیداکنیم که کل مسافت وزن دهی شده آن از تأمین کنندگان و مشتریان مینیمم گردد، که وزن‌ها بیانگر حجم مبادلات می‌باشد، مثل وزن موادی که باید از یک تأمین‌کننده منتقل شود یا حجم محصولات نهایی که برای یک مشتری ارسال می‌شود.

تنها در دهه ۶۰ و ۷۰، با فراهم بودن گسترده قدرت محاسبات برای پردازش و تحلیل مقادیر بزرگی از داده‌ها بود که ما شروع واقعی بهینه سازی جدید و به همراه آن، تحقیق در مسائل مکانیابی را مشاهده می‌کنیم. این دوره را به این دلیل دوره بلوغ تحلیلهای مکانیابی می‌نامند که گرایش زیادی به مطالعه p-median کلاسیک، p-center، پوشش مجموعه، مکانیابی تأسیسات ساده و مسائل تخصیص درجه دوم و گسترش آنها پیدا شد.

در این دوره، کوپر[۵] مسأله تک تسهیلی وِبِر را گسترش داد تا مسأله تخصیص-مکانیابی چندتسهیلی را ایجاد کند. سپس مارانزانا[۶] این مسأله را از فضای پیوسته به شبکه گسترش داد. به هر حال حکیمی[۷]  است که شالوده تحقیق در p-median و مسائل دیگر در یک شبکه را کامل می‌کند. مسأله p-median شبیه مسأله وِبِر در یک سطح، مکان p نقطه را در یک شبکه به گونه‌ای پیدا می‌کند که کل مسافت وزن دهی شده با تقاضا را تا نزدیکترین تسهیل مینیمم می‌کند. به علاوه حکیمی مسأله p-center اصلی را ارائه می‌کند که مکان p نقطه را در یک شبکه به گونه‌ای پیدا می‌کند که ماکزیمم مسافت تقاضا تا نزدیکترین تسهیل مینیمم گردد. نتیجه مهم قضیه حکیمی نیز مشخص است، یعنی اینکه یک حل در مسأله p-median، همیشه در گره‌های یک شبکه در مسأله واقع می‌شود، درحالیکه یک حل در مسأله p-center لزومی ندارد که در گره‌ها واقع شود. کاریف[۸] و حکیمی اثبات می‌کنند که مسائل p-center و p-median، NP-Hard هستند.

مدلهای پوشش، مسائلی را درنظر می‌گیرند که تقاضاها باید در یک مسافت مطمئنی از زمان سفر پوشش داده شوند. تورِگاس[۹] و همکارانش روش حلی را برای اینگونه مسائل که در کاربرد با نام مسأله پوشش مجموعه (LSCP)[10] شناخته می‌شود را فرمول بندی و ارائه کردند. مکان تسهیلات برای خدمات اورژانسی از این مسأله الهام می‌شوند. چِرچ و رِوِله[۱۱]، مسأله مکانیابی حداکثر پوشش (MCLP)[12] را ارائه کردند. این مسأله، مکانهای بهینه‌ای را برای تعداد معیّنی از تسهیلات پیدا می‌کند که جمعیّتی که درون یک فاصله خدمت‌رسانی مشخص، پوشش داده می‌شوند، حداکثر گردد.

دیگر مسأله بنیادی با مفهوم پوشش، مسأله تخصیص درجه دوم (QAP)[13] می‌باشد که به دلیل طبیعت درجه دوّم فرموله کردن تابع هدفش به این نام خوانده می‌شود. تعدادی (N) تسهیل که در همان تعداد جایگاه (N) به گونه‌ای واقع می‌شوند که کل هزینه انتقال مواد درمیان آنها مینیمم گردد. هزینه حرکت مواد بین هر دو مکان بوسیله ضرب یک وزن یا جریان در فاصله بین مکان‌ها بدست می‌آید. مدل خطی آن بوسیله کوپمنس و بِکمن[۱۴] ارائه شد که مورد خاصی از مسأله حمل و نقل شناخته شده‌است. این مسأله NP-Hard علائق بسیاری را برای تحقیق ایجاد کرد و هنوز هم حل آن در هر اندازه ای، بسیار سخت به نظر می‌رسد.

دهه ۸۰ و ۹۰ تحقیقاتی را در تحلیل مکانیابی دید که به رشته‌های دیگر نیز گسترش پیدا کرد و نتایج سودمندی را از دیدگاه مدل سازی و کاربرد بدست آورد. این نوآوری‌ها تا به امروز نیز ادامه دارد.

از جمله این مدل‌ها می‌توان به مکان‌یابی رقابتی، مکان تسهیلات گسترده، مکانیابی تصادفی، مسیریابی، مکان‌یابی هاب[۱۵] و جلوگیری از جریان اشاره کرد. به عنوان کاربردهای جدید در این دوران می‌توان به ناحیه‌هایی ازجمله برنامه ریزی خدمات اورژانسی، کاربردهای محیط زیستی همچون تسهیلات زیان آور و ترکیب مکانیابی با مدیریت زنجیره تأمین اشاره کرد.

مدلهای مکانیابی رقابتی: حکیمی مدلهای رقابتی را درون تئوری مکانیابی وارد کرد. بیشتر نتایج در این زمینه یک فضای گسسته یا یک شبکه را درنظر می‌گیرند. اخیراً مدل‌های مکانیابی رقابتی پیوسته توسط داسکی و لاپورته[۱۶]  ارائه شده‌است.

مدلهای مکانیابی تسهیلات گسترده: یک تسهیل اگر در مقایسه با محیطش، خیلی کوچکتر از یک نقطه به نظر برسد، گسترده نامیده می‌شود. چنین مدل‌هایی بارها در وضعیت‌های طراحی شبکه به کار گرفته شده‌است. مِسا و بوفی[۱۷] یک سیستم دسته بندی شامل مسائلی برای تعیین خط مسیر حمل و نقل مواد خطرناک ارائه کردند. اخیراً یک مثال بوسیله بریمبرگ[۱۸] و همکارانش آورده شده‌است که مسأله مکانیابی یک دایره درون یک کره را درنظر می‌گیرد، به صورتی که فاصله از تسهیلات موجود باید مینیمم گردد.

مکانیابی تصادفی: مدلهای مکانیابی تصادفی هنگامی رخ می‌دهند که داده‌های مسأله فقط به روشی احتمالی شناخته شوند. بِرمن[۱۹] و همکارانش مسائلی را درنظر گرفتند که ورود به تسهیلات به صورت تصادفی است و اثر تراکم نیز باید درنظر گرفته می‌شد. لوگندران و تِرِل[۲۰] یک مسأله LA با ظرفیت نامحدود را با تقاضاهای تصادفی حسّاس به قیمت درنظر گرفتند. بِرمن و کراس[۲۱] یک کلاس کلی از «مسائل مکانیابی با تقاضای تصادفی و تراکم» را ارائه کردند.

مسیریابی مکان: ترکیب تحلیلهای مکانیابی با زمینه‌های شناخته شده مسائل مسیریابی وسایل نقلیه، ناحیه جدید دیگری از مدل سازی، یعنی مسیریابی مکان را ایجاد می‌کند.

مکانیابی هاب: در چنین مسائل مکانیابی، هاب‌ها به عنوان متمرکزکننده‌ها یا نقاط سوئیچینگ[۲۲] ترافیک عمل می‌کنند، خواه برای مسافران خطوط هوایی باشد، خواه بسته‌های کوچک در سیستمهای سوئیچینگ. جریان بین منابع و مقاصد اساس مدل سازی این دسته از مسائل را تشکیل می‌دهد. اُکِلی[۲۳] اساس تحلیلهای مکانیابی هاب را بنانهاد. آن مدل‌ها به صورتی مدل سازی شد تا بهترین مکان‌ها برای متصل کردن ترمینال‌ها را باتوجه به مینیمم کردن هزینه‌های کل تراکنش‌ها، پیدا کند.

جلوگیری از جریان: در بسیاری از مسائل مکانیابی، تقاضاها فرض می‌شوند که در گره‌های یک شبکه رخ می‌دهند. یک تغییر جالب که بوسیله مسائل فرض می‌شود این است که تقاضا بوسیله جریانی از وسایل نقلیه یا پیاده‌هایی که از میان اتصالات شبکه عبور می‌کنند، ارائه می‌شوند. ازجمله کاربردهای این حیطه می‌توان به دستگاه‌های خودپرداز و ایستگاه‌های نفتی اشاره کرد. چنین مسائلی اولین بار توسط هاچسون[۲۴] و بِرمن و همکارانش ارائه شد.

مکانیابی یا جابجایی وسایل خدمات اورژانسی: مقدار شگرفی از تحقیقات در مطالعه مکانیابی وسایل خدمات اورژانسی ایجاد شده‌است. چَپمن و وایت[۲۵] اولین کار را برحسب محدودیت‌های کاربردی که در LSCP کاربرد دارد، ارائه کردند. مطالعه میرچندانی و اُدُنی[۲۶] زمان‌های سفر تصادفی را در مکانیابی تسهیلات اورژانس درنظر می‌گیرد. همچنین باتوجه به کاربردهای وسایل اورژانسی، مدل [۲۷]MEXCLP که توسط داسکین[۲۸] ارائه شده‌است، مدل MCLP را با محدودیت‌های احتمالی گسترش می‌دهد. رِپِده و برناردو[۲۹]، مدل TIMEXCLP را ارائه کردند که MEXCLP را با تغییر تصادفی در تقاضا گسترش می‌دهد.

[۱] Pierre de Fermat

[۲] Evangelista Torricelli

[۳] Alfred Weber

[۴] Drezner

[۵] Cooper

[۶] Maranzana

[۷] Hakimi

[۸] Kariv

[۹] Toregas

[۱۰] Location Set Covering Problem (LSCP)

[۱۱] Church and ReVelle

[۱۲] Maximal Covering Location Problem (MCLP)

[۱۳] Quadratic Assignment Problem (QAP)

[۱۴] Koopmans and Beckmann

[۱۵] Hub

[۱۶] Dasci  and Laporte

[۱۷] Mesa and Boffey

[۱۸] Brimberg

[۱۹] Berman

[۲۰] Logendran and Terrell

[۲۱] Krass

[۲۲] Switching

[۲۳] O’Kelly

[۲۴] Hodgson

[۲۵] Chapman and White

[۲۶] Mirchandani and Odoni

[۲۷] Maximum Expected Covering Location Problem

[۲۸] Daskin

[۲۹] Repede and Bernardo

تمامی فایل های پیشینه تحقیق و پرسشنامه و مقالات مربوطه به صورت فایل دنلودی می باشند و شما به محض پرداخت آنلاین مبلغ همان لحظه قادر به دریافت فایل خواهید بود. این عملیات کاملاً خودکار بوده و توسط سیستم انجام می پذیرد. جهت پرداخت مبلغ شما به درگاه پرداخت یکی از بانک ها منتقل خواهید شد، برای پرداخت آنلاین از درگاه بانک این بانک ها، حتماً نیاز نیست که شما شماره کارت همان بانک را داشته باشید و بلکه شما میتوانید از طریق همه کارت های عضو شبکه بانکی، مبلغ  را پرداخت نمایید.