ارزيابي اثر عدم قطعيت جعبه اي تقاضا در طراحي شبكه پيوسته و گسسته حم لو نقل، با استفاده از الگوريتمهاي ژنتيك و كلوني مورچگان

Demand Box Uncertainty Evaluation in Discrete and Continuous Transportation Network Design with Genetic and Ant Colony Algorithms

عدم قطعيت تقاضا، يكي از مهم ترين منابع عدم قطعيت در شبكه هاي حمل و نقل است كه به دلايل مختلفي از جمله ضعف در پيش بيني متغيرهاي اقتصادي-اجتماعي، ضعف مدلها و خطا در برآوردهاي بلند مدت متغيرهاي مربوط به آن به وجود مي آيد. يكي از مهم ترين عوامل در حل مسيله طراحي شبكه نيز همين تقاضاست و هدف اين مقاله ارزيابي تغيير پذيري تقاضا در حل مسيله طراحي پيوسته و گسسته شبكه است. براي اين منظور فرض شده است كه تقاضا از الگوي عدم قطعيت جعبه اي پيروي كرده و نوآوري انجام شده در حل اين مسيله، استفاده از الگوريتمهاي ژنتيك و كلوني مورچگان و مقايسه كارآيي آنها در حل مسيله فوق است. بر اساس نتايج به دست آمده از اين مطالعه، م يتوان نتيجه گرفت كه در شرايطي كه تقاضاي متغير وارد بر شبكه به صورت عدم قطعيت جعبه اي باشد، طراحي گسسته و پيوسته شبكه حمل و نقل بر اساس تقاضاي حداكثر، به ترتيب تا 4 و 10 درصد خطا نسبت به طراحي بر اساس بدترين وضعيت تقاضاي متناظر شبكه ايجاد مي كند.

Uncertain demand is one of the most important sources of uncertainties in transportation networks. It is almost based on various sources such as difficulty in forecasting of socio economic variables and the model’s deficiency. This demand is one of the main operative elements of transportation network design problems. The aim of this paper is to evaluate the effect of demand variability in discrete and continuous transportation network design problem. Thus, the uncertainty of demand has been assumed to have a maximum and a minimum rate, and the level of uncertainty in demand is assumed to vary between these extreme values as in a box. In this paper two Meta heuristic methods; Ant Colony Optimization (ACO) and Genetic Algorithm (GA), has been used to solve the aforementioned problem. It has been shown in this paper that relative to designing a network with maximum demand, the proposed method has found demands with 4 to 10 percent longer travel time. This could considerable effect on results of the network design problem