عنوان پایان‌نامه
طراحی شبکه معابر با استفاده از روش PSO
- رشته تحصیلی
- مهندسی عمران - راه و ترابری
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 1478;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 47415
- تاریخ دفاع
- ۰۵ مهر ۱۳۸۹
- دانشجو
- نوید افکار
- استاد راهنما
- عباس بابازاده
- چکیده
- در ادبیات حمل و نقل، مسئله طراحی شبکه، مسئله انتخاب زیرمجموعه ای از مجموعه گزینه های (راه حل های) امکان پذیر است به گونه ای که اجرای گزینه های انتخابی کل زمان سفر استفاده کنندگان از شبکه را کمینه کند، و در ضمن هزینه اجرای آن گزینه ها از سطح بودجه معینی تجاوز نکند. گزینه¬های مطرح در مسئله طراحی شبکه معابر شامل گزینه هایی چون احداث یک راه جدید، افزایش عرض یک راه موجود و یک طرفه کردن یک خیابان می‌باشند. ازنظر تئوری، مسئله طراحی شبکه را می توان به صورت یک مسئله برنامه ریزی دو سطحی با متغیر های اعشاری و صحیح فرمول بندی کرد،که در آن تعداد متغیرهای صحیح برابر با تعداد گزینه ها، و متغیر های اعشاری شامل متغییر های جریان در کمان های شبکه هستند. حل این نوع مسئله به علت ماهیت ترکیبی آن بسیار مشکل است به طوری که برای حل تقریبی آنها از روش های جستجوی ابتکاری مثل الگوریتم ژنتیک و جامعه مورچه استفاده شده است. در این پایان نامه الگوریتمی بر مبنای روش بهینه سازی PSO (که نوعی روش جستجو مبتنی بر جمعیت می باشد) برای حل مسأله طراحی شبکه معابر پیشناهد می شود. این الگوریتم روی یک شبکه با ابعاد متوسط آزمایش و نتایج حل مسأله ارایه می شوند. تحلیل حساسیت روی برخی پارامتر های PSO از دیگر نتایج این پایان نامه است. در ضمن، امکان ترکیب PSO با یکی دیگر از روش های ابتکاری جدید به نام SFL بررسی خواهد شد.
- Abstract
- Transportation Network Design Problem (TNDP) is an important problem in transportation. TNDP seeks to optimize specific objectives (e.g. total travel time) through choosing among a given set of projects while keeping consumption of resources (e.g. budget) within their limits. Recently, meta-heuristic methods are applied to solve TNDP in the sense of finding better solutions sooner. Particle Swarm Optimization (PSO) is one of the meta-heuristic search techniques to find the solution. In this paper the best parameters for basic PSO will be selected, and then the behavior of PSO on account of improving initial generation and fitness value domain to find better solutions in comparison with previous attempts will be studied. Finally PSO algorithm will be hybridize with the frog leaping algorithm. The benefits of applying the hybridized algorithm have been tested on the Sioux Falls network which had been used in the previous efforts.
