استراتژیهای کوتاهترین مسیر در هدایت پویای وسیله نقلیه مبتنی بر معیار سطح سرویس- رویکرد الگوریتم ژنتیک ترکیبی

نویسندگان

a.r. eydi

چکیده

سیستم پویای هدایت مسیر از جمله حوزه های مهم فعالیت سیستمهای هوشمند حمل و نقل می باشد. هسته اصلی این سیستم، محاسبات کوتاهترین مسیر بر اساس شرایط جاری (اطلاعات در زمان واقعی) است. در این تحقیق؛ فرموله نمودن مساله هدایت پویای وسائل نقلیه مبتنی بر ویژگیهای سیستمهای هوشمند حمل و نقل و استفاده از معیار کلی سطح سرویس مشتمل بر متغیرهایی نظیر زمان سفر و مصرف سوخت به منظور لحاظ نمودن واقعیتهای اقتصادی اجتماعی و توصیف کاملتر از شرایط ترافیکی انجام می شود. همچنین با توجه به زمان متغیر بودن شبکه های ترافیکی، الگوریتم های مسیریابی بر مبنای تکنیکهای هوش مصنوعی با تاکید بر یک الگوریتم ژنتیک ترکیبی به عنوان راه حل مدل ارائه شده مورد مطالعه و توسعه قرار خواهد گرفت. از نتایج مهم این مقاله می توان به توانایی الگوریتم طراحی شده در برنامه ریزی بهتر سفرها، تصمیم گیریهای مسیریابی در شبکه حمل ونقل شهری شامل استراتژیهای موثر انتخاب مسیر؛ در تطبیق با شرایط پویای ترافیکی و کاندیداهای مختلف طی مسیر برای رانندگان وسائل نقلیه با هدف کاهش هزینه های سفر آنان اشاره نمود. نهایتا موجه و معتبر بودن الگوریتم طراحی شده نیز از طریق آزمایشات شبیه سازی نشان داده شده است

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

الگوریتم ترکیبی موثر ژنتیک برای حل مساله مسیریابی وسیله نقلیه

  The Vehicle Routing Problem (VRP) is one of the most important combinational optimization problems that has nowadays received much attention of researchers and scientists. In this problem, the objective is to minimize the cost traveled by several vehicles that start to move simultaneously from depot and come back to depot after visiting customers if at first each node is visited only once by ...

متن کامل

الگوریتم ترکیبی موثر ژنتیک برای حل مساله مسیریابی وسیله نقلیه

الگوریتم ژنتیک، همگرایی زودرس، مسائل –np تام، مساله مسیریابی وسیله نقلیه مساله مسیریابی وسیله نقلیه یکی از مهمترین مسائل بهینه سازی ترکیباتی است که امروزه بسیار مورد توجه محققان و دانشمندان قرار می گیرد. در این مساله هدف تعیین کمینه هزینه جابجایی چندین وسیله نقلیه است که بطور همزمان از انبار کالا شروع به حرکت می کنند و بعد از ملاقات کردن مشتری ها به انبار باز می گردند، به شرط آنکه اولا هر گره ف...

متن کامل

استفاده از الگوریتم ژنتیک در مسائل کوتاهترین مسیر چند معیاره بر پایه سیستمهای اطلاعات مکانی

مسائل کوتاهترین مسیر چند معیاره1(MSPP) از جمله مسائل NP-Hard قلمداد می‌شوند. درMSPP با در نظر گیری معیارهای مستقل با درجه اهمیت مساوی؛ ارائه یک راه‌حل بهینه منحصربفرد که بهینه کننده تمام معیارها بصورت همزمان باشد، بندرت در واقعیت امکان پذیر است و در نتیجه ناچار به محاسبه‌ی تقریبی از بهینه کلی خواهیم بود. تعدادی از روشهای تقریبی مسیریابی برای حل این دسته از مسائل پیشنهاد شده‌اند اما پیچیدگی زمان...

متن کامل

استفاده از الگوریتم ژنتیک در مسائل کوتاهترین مسیر چند معیاره بر پایه سیستمهای اطلاعات مکانی

Multi-criteria shortest path problems (MSPP) are called as NP-Hard. For MSPPs, a unique solution for optimizing all the criteria simultaneously will rarely exist in reality. Algorithmic and approximation schemes are available to solve these problems; however, the complexity of these approaches often prohibits their implementation on real-world applications. This paper describes the development ...

متن کامل

ارائه ترکیبی از برنامه‌ریزی پویای تصادفی تقریبی و الگوریتم ژنتیک در بهینه‌سازی چندمرحله‌ای سبد سهام با معیار ریسک GlueVaR

هدف: انتخاب یک سبد سرمایه‌گذاری بهینه در طولانی‌مدت منطقی نیست و با گذشت زمان کارایی خود را از دست می‌دهد. هدف این مقاله ارائه روشی برای به‌روز کردن چندمرحله‌ای سبد سهام است. همچنین از آنجا که بعد این مسئله با گذشت دوره‌های زمانی، به‌صورت چشمگیری افزایش می‌یابد، حل مسئله به‌روش قطعی ممکن نیست، از این رو هدف دیگر، استفاده از روش تقریبی برای مقابله با این دغدغه است. روش: از برنامه‌ریزی پویای تصا...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
بین المللی مهندسی صنایع و مدیریت تولید

جلد ۲۱، شماره ۳، صفحات ۶۸-۷۹

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023