ارزيابي و مقايسه عملكرد دو الگوريتم اجتماع ذرات گسسته ابداعي و زنبورها در بهينه‌سازي تخصيص مكان‌هاي اسكان موقت پس از زلزله

The Assessment and Comparison of an Innovative Discrete Particle Swarm Optimization and Bees Algorithms for Optimization of Allocating the Emergency Shelters after Earthquakes

چكيده اسكان موقت پس از زمين‌لرزه از مهم‌ترين موضوع‌ها در مديريت بحران به‌ شمار مي‌آيد، و انجام صحيح آن با كاهش گسترده تلفات جاني و مالي ناشي از پس‌لرزه‌ها همراه است. هدف از انجام اين تحقيق ارزيابي توانايي و مقايسه عملكرد دو الگوريتم شاخص هوش جمعي با نام‌هاي الگوريتم زنبورها (Bess) و الگوريتم اجتماع ذرات (PSO) ـ در بهينه‌سازي تخصيص مكان‌هاي اسكان موقت است كه يكي از موضوعات مهم مكاني به شمار مي‌آيد. در الگوريتم بهينه‌سازي اجتماع ذرات از رفتار اجتماعي پرندگان الهام گرفته مي‌شود. اين الگوريتم مورد استفاده گسترده در مقوله‌هاي بهينه‌سازي پيوسته قرار گرفته است ولي در مقوله‌هاي گسسته چندان به آن توجه نشده است. در اين تحقيق با بررسي نقاط ضعف و قوت نسخه‌هاي مختلف الگوريتم پرندگان گسسته (DPSO) موجود، نوع جديدي از اين الگوريتم ارايه شده است كه در حل مسايل گسسته توانايي بالايي دارد. الگوريتم زنبور عسل از فرايند جست‌وجوي غذاي زنبورها در طبيعت الهام گرفته است. اين الگوريتم در پژوهش حاضر براي حل مسيله اسكان موقت شرح و بسط داده شد و در نهايت نتايج حاصل از هر دو الگوريتم مذكور، از داده‌هاي شبيه‌سازي‌شده و به منظور ارزيابي دقت عملكرد الگوريتم‌ها از داده‌هاي منطقه 7 تهران به عنوان داده‌هاي واقعي استفاده شد. مقايسه اعداد همگرايي هر يك از دو الگوريتم در داده‌هاي واقعي، عملكرد بسيار بهتر الگوريتم ابداعي را در كمينه‌سازي تابع هدف مسيله نشان مي‌دهد. در نهايت به منظور ارزيابي كيفيت و دقت الگوريتم از تست تكرارپذيري براي نتايج حاصل از اجراي هر الگوريتم روي داده‌ها استفاده شد. نتايج حاصل از اين آزمون‌ها نمايانگر عملكرد دقيق هر يك از دو الگوريتم در بهينه‌سازي تخصيص افراد به مناطق امن است. كليد‌واژه‌ها: هوش جمعي، الگوريتم اجتماع ذرات گسسته ابداعي، الگوريتم زنبورها، اسكان موقت، روش تحليل سلسله‌مراتبي (AHP).

Abstract Among the appropriate allocations of emergency/transitional shelters with particular importance, is post-earthquake management, and can extremely reduce the financial and human losses after earthquakes. This research attempts to evaluate and compare the adequacy of two swarm intelligence methods, including Bees and particle swarm optimization algorithms in the allocation of buildings to the emergency shelters that is one of the important spatial issues. Particle Swarm Optimization is one of the Swarm Intelligence Algorithms that is inspired of birds’ behavior. This algorithm has is usually used in continuous optimization problems but is not much mentioned in discrete issues. In this study, by evaluating the weakness and strength points of different versions of DPSO, the authors have tried to develop a new type of such algorithms with high capability in solving the discrete problems. Bee’s algorithm is inspired by the natural foraging behavior of honey bees to find the optimal solution. This algorithm is also developed in order to solve the problem of emergency shelter and finally the results obtained of two algorithms have been evaluated and the operations of them in the optimization have been compared. In order to calibrate the aforementioned algorithms a batch of simulated data has been used and then in order to assess the functionality of the calibrated algorithms the real data of the 7th district of Tehran has been used. Comparing the convergence values of the algorithms represented a much better performance of the innovative DPSO algorithm in order to minimization of the considered objective function. Eventually, the proficiency of the algorithms has been examined based upon repeatability tests/examines. Results of the mentioned tests indicated the precise performance of each algorithm in order to optimization of allocating people in safe areas. Keywords: Swarm Intelligence, Bees Algorithm, Innovative Discrete Particle Swarm Optimization (DPSO), Temporary Settlement, Analytic Hierarchy Process (AHP).