مدل سازي مسئله ي تور پوششي در شرايط امداد رساني براي مديريت بحران

Modeling for the Covering Tour Problem in Relief Condition for Disaster Management

اين مقاله به بررسي مكان يابي مراكز امداد رساني افرادي كه در يك ناحيه ي بحران زده قرار دارند، مي پردازد و يك مدل سازي جديد براي آن ارائه مي دهد. در چنين وضعيتي به دليل محدوديت امكانات، اين امر كه تيم امدادرسان همه ي نقاط آسيب ديده را بازديد كند ممكن نيست و مردم روستاها بايد براي به دست آوردن كالاهاي حياتي به شهرها مراجعه نمايند. شهرها بايد در يك فاصله ي قابل دسترسي براي اهالي روستاها قرار گيرند. هدف اين مسئله تشكيل يك تور هميلتوني روي زير مجموعه اي از اين شهرها با حداقل زمان )طول) است، به طوري كه همه ي روستاهاي حادثه ديده نيز پوشش يابند. براي حل مسئله ي مذكور در ابعاد بزرگ، الگوريتم فراابتكاري ژنتيك ارائه و استفاده شده است. به منظور اعتبارسنجي مدل پيشنهادي، سه مسئله با ابعاد كوچك حل شده و جواب هاي به دست آمده از الگوريتم ژنتيك پيشنهادي با جواب هاي دقيق به دست آمده توسط نرم افزار گيمز ) Gams ( مقايسه شده است. نتايج به دست آمده نشان مي دهند كه الگوريتم پيشنهادي كارا و همگرا به جواب بهينه است. همچنين مسئله ي تور پوششي و مسئله ي فروشنده ي دوره گرد متناظر با آن، توسط الگوريتم ژنتيك حل گرديده و جواب ها نشان مي دهند كه استفاده از مسئله ي تور پوششي براي مسائل امدادرساني به مراتب كاراتر است. همچنين اين مقاله به تحليل حساسيت مسئله ي تور پوششي مي پردازد كه نتايج بررسي، شرايط الزام استفاده از مدل تور پوششي براي مسائل امداد رساني را معين مي كند.

This paper deals with examining the locations of crisis relief zone for events of disruption and crisis to present a new modeling for it. Due to limited resources in such situations, it may be impossible for rescue teams to visit all the places; therefore, people in rural areas need to travel to the cities for seeking essential commodities. Cities should be located in an accessible distance for rural areas. The goal of this paper is to develop a Hamiltonian tour on a subset of cities located at the shortest distance in order to cover all affected rural areas during disaster. A genetic algorithm was proposed to solve the large-scale problems. In order to validate the proposed model, three small-scale problems were solved and the associated results were compared with optimum solutions obtained by GAMS software. The obtained results indicated that the proposed algorithm was efficient and convergent to optimal solutions. In addition, the corresponding covering tour problem and traveling salesmen problem were solved by the proposed algorithm. The comparison of results indicated that the covering tour problem was more efficient. Also, the sensitivity analysis was conducted for the covering tour problem identifying essential conditions of using the covering problem for crisis relief problems.