سامانه اطلاعات مکانی
سعید بهزادی؛ مصطفی آدرسی؛ مسعود شیرازیان
چکیده
پیشینه و اهداف: امروزه، مدیریت شهری به عنوان یکی از مهم‌ترین مسائل تصمیم‌گیران و مدیران در حوزههای شهری است. مسئله‌ی یافتن کوتاهترین مسیر، به عنوان یکی از مسائل مهم در حوزه‌ی مدیریت شهری به منظور کاهش زمان سفر بین دو نقطه‌ی حیاتی، همواره مورد توجه بسیاری از حوزههای تحقیقاتی از قبیل مدیریت شهری، حمل و نقل، ارتباطات و غیره ...
بیشتر
پیشینه و اهداف: امروزه، مدیریت شهری به عنوان یکی از مهم‌ترین مسائل تصمیم‌گیران و مدیران در حوزههای شهری است. مسئله‌ی یافتن کوتاهترین مسیر، به عنوان یکی از مسائل مهم در حوزه‌ی مدیریت شهری به منظور کاهش زمان سفر بین دو نقطه‌ی حیاتی، همواره مورد توجه بسیاری از حوزههای تحقیقاتی از قبیل مدیریت شهری، حمل و نقل، ارتباطات و غیره بوده است. در طول دهه‌های گذشته، الگوریتم ژنتیک در حل مسائل پیچیده‌ی بهینه‌سازی چند هدفه، به خوبی عمل کرده است، اما بسیاری از الگوریتمهای ژنتیک، تنها برای یافتن مسیر بهینه در شبکههای محلی، مناسب هستند. در این شبکهها، در صورتی که تعداد نقاط افزایش یابد، الگوریتمهای ارائه شده کارآیی خود را نخواهند داشت. هدف از این تحقیق، یافتن مسیری در شبکه‌ی خیابانهای شهر تهران میباشد که کمترین زمان، مسافت و هزینه را داشته باشد. بنابراین، یک روش جدید برای حل مسئله‌ی مسیریابی بر مبنای الگوریتم ژنتیک، با این فرض که تمام خطوط موجود در شبکه دارای وزنهای مثبت میباشند، پیشنهاد میگردد.روش‌ها: ویژگی الگوریتم پیشنهادی، متغیر بودن عملگرهای الگوریتم ژنتیک میباشد که متناسب با ساختار شبکه، تعریف میگردد. بر همین اساس، عملگر جهش در الگوریتم ژنتیک بر اساس فضای مورد مطالعه و فاصله‌ی بین نقاط شروع و پایان، تعریف میگردد. برای حل مسئله، از کدگذاری اعداد صحیح استفاده میشود و لذا، نقاط موجود در این گراف با استفاده از اعداد صحیح، نام‌گذاری شده و هر فرد در جمعیت به عنوان یک جواب برای حل مسئله، در نظر گرفته میشود. اندازه‌ی جمعیت، بسته به تعداد گرههای موجود در گراف و طول هرکروموزوم دارد. طول رشتههای انتخاب شده، حداکثر برابر با تعداد گرههای موجود در شبکه، در نظر گرفته میشود، زیرا این احتمال وجود دارد که بهترین مسیر، مسیری باشد که از تمام گرهها عبور میکند. در پایان، این الگوریتم بر روی شبکه‌ی مورد مطالعه که یک گراف مسطح میباشد، پیادهسازی میشود. دقت روش پیشنهادی نسبت به روش متداول، در سه جفت نقطه، مورد ارزیابی قرار گرفته است.یافته‌ها: با توجه به این‌که هدف از حل مسئله، یافتن مسیری بود که کمترین وزن را داشته باشد، در الگوریتم پیشنهادی یک عملگر ترکیب و سه عملگر جهش، ارائه گردید. این، در حالی است که در الگوریتمهای ژنتیک رایج، تنها از یک عملگر جهش و ترکیب، استفاده شده است. در این الگوریتم، نحوه‌ی استفاده از عملگرهای جهش، به ساختار شبکه و فاصله‌ی بین نقطه‌ی شروع و پایان، بستگی دارد. استفاده از الگوریتم ژنتیک پیشنهادی، نسبت به الگوریتم ژنتیک رایج، با 16% بهبود عملکرد همراه بوده است که نشان میدهد الگوریتم ژنتیک پیشنهادی، سریع‌تر به جواب مسئله میرسد. همان‌طور که در شکل 4 نشان داده شده است بهترین مسیر، مسیری است که مقدار تابع برازندگی آن به یک، نزدیکتر باشد. نتایج حاصل از مقایسه‌ی روش پیشنهادی با روش‌های متداول، 16 درصد سرعت بالاتر را نشان میدهد.نتیجه‌گیری: با توجه به این‌که فرض اولیه‌ی این تحقیق، مثبت بودن وزن تمام خطوط موجود در شبکه بوده است، عملگر جهش در الگوریتم ژنتیک، بر اساس فضای مورد مطالعه و فاصله‌ی بین نقاط شروع و پایان، تعریف شد. نتایج نشان داد که در صورت وجود فضای جستجوی کوچک، نقاط کمتری مورد نیاز است و به منظور تولید جمعیت اولیه، گرههایی که در کنار هم قرار دارند و به هم نزدیکتر هستند، باید انتخاب شوند. بدین ترتیب، مقدار تابع برازندگی افراد موجود در جمعیت اولیه، افزایش یافته و جوابها به واقعیت، نزدیکتر میشود. برای تحقیقات آتی، پیشنهاد میگردد که به منظور تولید جمعیت اولیه، نقاط بین نقطه‌ی شروع و پایان انتخاب گردد و همچنین، نقاط انتخاب شده در نزدیکی خط واصل بین نقطه‌ی شروع و پایان باشد، زیرا هنگامی که وزن یالهای شبکه، فاصله‌ی بین نقاط باشد، بهترین مسیر در فضای بین نقطه‌ی شروع و پایان قرار دارد. همچنین، پیشنهاد میشود که عملکرد شبکه با چندین عملگر ترکیب نیز، مورد ارزیابی قرار گیرد.
