استفاده از الگوريتم ژنتيك براي بهينه‌ سازي مسأله مكانيابي - تخصيص چندهدفه در محيط GIS (مطالعه موردي: ايستگاه هاي آتش‌ نشاني منطقه 11 شهر تهران)

using genetic algorithm for optimizing multiobjective locatio-allocation in gis environment (casestudy: firestations in district 11 of tehran city

مسأله موردنظر در اين مقاله،مسأله مكانيابي - تخصيص چندهدفه برايتعيين موقعيت و تخصيص ظرفيت بهينه به ايستگاههاي آتش‌نشاني منطقه 11 شهر تهران در محيطGIS و با استفاده از الگوريتم ژنتيك مي‌باشد. اهداف اين تحقيق شامل: 1- كمينه كردن فاصله بين ايستگاه آتش‌نشاني و تقاضاها 2- كمينه كردن زمان رسيدن به تقاضا از ايستگاه هاي آتش‌نشاني 3- بيشينه كردن پوشش ايستگاه هاي آتش‌نشانيمي‌باشد.مسألهمكانيابي-تخصيص يك مسأله بهينه‌سازي تركيبي است و به دليل پيچيدگي محاسباتي، معروف به NP-Hard است. بنابراين روشهاي جبري رايج،نمي‌توانند در حل مسائل مكانيابي-تخصيص پيچيده با چندين شرط مختلف، موفق باشند. براي حل اين مسألهمكانيابي-تخصيص، از روش فوق‌ابتكاري الگوريتم ژنتيك استفاده مي‌شود.در اين مدل ژنتيك چندهدفه،براي بررسي اثر هر هدف، ابتدا هر تابع به صورت تك هدفه اجرا و نتايج آنها مقايسه مي‌شود. در مرحله دوم، خروجي مدل با يك بردار وزن ثابت ارزيابي مي‌شود و نتيجه نشان مي‌دهد كه مدل بخوبي مي‌تواند موقعيتهاي بهينه ايستگاه هاي آتش‌نشاني را با در نظر گرفتن ظرفيت ايستگاههاي آتش‌نشاني مشخص كند. در نهايت، براي ارزيابي مناسب بودن مدل، از يك برنامه وزندهي اتوماتيك استفاده مي‌شود. در اين حالت هر بار به هر جواب، بردار وزني تصادفي تعلق مي‌گيرد و در نهايت مجموعه‌اي از جواب هاي غيرمسلط حاصل مي‌گردد كه به تصميم‌گيرندگان، فرصت مي‌دهد،جواب هاي مناسب (Non-dominated) را با توجه به شروط مشخص و يا اولويت آن ها به يك هدف،انتخاب كنند.

In this article, multiobjective location-allocation in GIS environment to optimizing firestations in district 11 of Tehran city with genetic algorithm is important.Objectives of this article are: 1-minimize distance between firestations and demands 2- minimize arriving time to demands from firestations 3- maximize firestations covering in distict 11 of Tehran city. Location-Allocation is a combinatorial optimization problem that knowns as NP-hard beacause this problem has computional complexity.So traditional exact methods cannot solve multiobjectivelocation-allocation problem efficiently. To solving this location-allocation problem isusedgenetic algorithmmetaheuristic method.In this multiobjective genetic algorithm (MOLA),to assess the impact of each objective, first the model is implemented as single objective to each function and the results compared.Second, the multiobjective model is used with priority weight vector. The results indicate the model can successfully provide optimum locations for firestations with capacity criteria.Then, this study use from dynamic weighting scheme. In this case a random weight vector is assing to each soloution in each iteration and produce set of non-dominated soloutions. These soloutions act as a candidate pool which decision maker may choose soloutions according to their preferences or determinent criteria.