عنوان پایان‌نامه
مدلسازی و بهینه سازی چند معیاره مسا له اختصا صی مکانی با استفاده از الگو ریتم پر ند گان
- رشته تحصیلی
- مهندسی عمران-سیستمهای اطلاعات جغرافیایی(GIS)
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 44026;کتابخانه پردیس 2 فنی شماره ثبت: 1726
- تاریخ دفاع
- ۱۵ اسفند ۱۳۸۸
- دانشجو
- مرتضی نقدی
- استاد راهنما
- محمد سعادت سرشت
- چکیده
- چکیده اسکان موقت در مدیریت بحران زلزله (بعنوان یک خطر اجتناب ناپذیر) از اهمیت بسزایی برخوردار است بطوریکه استفاده از آن می تواند باعث کاهش چشمگیری تلفات جانی ناشی از زلزله شود. این امر بخصوص در کاهش تلفات ناشی از پس¬لرزه¬های زلزله اهمیت بسزایی خواهد داشت. جهت بهینه کردن اسکان موقت باید فاکتورهای مهمی مانند حداقل کردن جایجایی جمعیت خطرپذیر و توزیع همگون افراد متناسب با ظرفیت مکان های امن در سطح شهر درنظرگرفته شوند. تنها در این صورت است که امداد¬رسانی به افراد حادثه¬دیده در کمترین زمان و به بهترین وجه قابل انجام است. به همین منظور فرآیند بهینه¬سازی اسکان موقت در سه گام کلی، تعیین مکانهای امن، تعیین مسیرهای بهینه بین هر بلوک ساختمانی و مکان امن، و بهینه¬سازی گروه بندی بلوکهای ساختمانی مربوط به هر مکان امن تبیین می گردد. در گام اول مکان های امن از اطلاعات نقشه ای موجود و همچنین مراجعه حضوری در مناطق مختلف، با توجه به پارامتر های تاثیر گذار تعیین می گردند. این مکان ها بایستی قبل از وقوع زلزله مشخص و تجهیزات امداد رسانی وخدماتی- بهداشتی در آنها تعبیه شده باشند. در گام دوم برای تعیین مسیر بهینه بین مکان های امن و بلوک های ساختمانی می توان از الگوریتم های گوناگون کوتاه ترین مسیر و با در نظر گرفتن پارامتر های مختلفی مثل ترافیک، امنیت و طول مسیر صورت گیرد. در گام سوم پس از تعیین مکان های امن و مسیر های بهینه برای گروه بندی بلوک های ساختمانی و اختصاص آنها به مکان های امن لازم است که بصورت یک مسئله بهینه¬سازی بیان شود و از آنجا که در این مسئله دو پارامتر فاصله (بین مکان های امن و بلوک ساختمان) و ظرفیت برای مکان های امن مطرح می باشد لذا لازم است که از روش بهینه سازی چندگانه استفاده شود. برای بهینه سازی روش ها و الگوریتم های مختلفی وجود دارند که بعضی از آنها مبتنی بر روش های معین هستند و بعضی دیگر مبتنی بر روش های تصادفی الهام گرفته شده از طبیعت مثل هوش ذرات، ژنتیک و ... هستند. با توجه به نقاط قوت و ضعف هر روش، انتخاب بهترین روش برای بهینه سازی نیازمند داشتن آگاهی کافی از مسئله است. دراین تحقیق با فرض این که دو فاز اول ( تعیین مکان های امن و مسیر های بهینه) انجام شده است تمرکز بر فاز سوم است و ازروش هوشمند و مبتنی بر هوش ذرات (الگوریتم پرندگان ) برای بهینه سازی استفاده می شود. الگوریتم پیشنهادی برای داده های شبیه سازی شده مورد آزمون و بررسی قرار می گیرد و بعد از تایید صحت عملکردو کارایی، پارامتر های مناسب برای آن تعیین می گردد و در انتها الگوریتم پیشنهادی با روش ارائه شده توسط نقدی و همکاران مقایسه می شود. نتایج حاکی از آن است که الگوریتم از قابلیت های بالایی برخوردار است و الگوریتم با تعداد ذرات 30 و ماکسیمم سرعت 0.3 بهترین کارایی را داشته است. نتایج کلی این تحقیق و تحقیقات قبلی نشان می دهد که الگوریتم پرندگان برای مسئله اسکان موقت دارای کارایی مناسب است و باعث بهبود کیفیت روند بهینه سازی می شود.
- Abstract
- Abstract Temporal settlement is unavoidable important issues in earthquake disaster management, as it can lead to significant reduction of victims of earthquake. This is also so important in advance quacks after the main earthquake. To optimize the temporal settlement, some important factors should be considered such as less movement of in risk people and their distribution according to safe area capacity in the town. Only under this situation, help to victims is possible in less time and best way. Therefore, we define the temporal settlement optimization process in three main stages including safe area determination, optimal path selection between each building block and safe area, and finally optimal grouping of neighbor building blocks for each safe area. In the first step, the safe areas can be determined by studying the existing maps and filed reconnaissance according to some criteria such as safety, capacity and accessibility. These areas should be equipped by relief and sanitary facilities before any earthquake. In the second step, to find the optimal path between each pair of building block and safe area, known optimal path finding algorithms should be utilized to optimize some criteria such as traffic, safety and length of the path. In the third step, to grouping building blocks and assigning a safe area to each group, we defined it as an multi-objective optimization problem in which both criteria including cost (between each pair) and capacity (of each safe area) were considered. There are various methods and algorithms for optimization, some of them are deterministic methods and others are random search algorithms inspired from nature such as particle intelligence and Genetic algorithms. The selection of the best optimization method requires knowing the problem complexities and the algorithm capabilities. In this research, we study the third step i.e. optimization of the grouping of building blocks for each safe area using particle swarm optimization (PSO) method. The proposed algorithm was utilized for several simulated data and some experiments confirmed its functionality and efficiency in practice. Then several experiments were done to tune the PSO parameters for our problem. We found that for having the best performance, the optimal number of particles and max velocity in PSO algorithm should be set to 30 and 0.3 accordingly. At the end, the comparison between our proposed algorithm and the previous research (which was based on a local random search algorithm) showed that PSO algorithm has a high performance for optimal grouping in temporal settlement problem and leads to more reliable optimization process.
