چينش بهينه منابع انتشار امواج الكترومغناطيسي براي دستيابي به بهترين پوشش كيفي (با به‌كارگيري الگوريتم ژنتيك در محيط GIS)

Optimal Spatial Distribution of Sources of Electromagnetic Wave Propagation for Acquiring Best Qualitative Coverage (Using Genetic Algorithms in GIS)

مسيله يا موضوعِ تعيين بهترين شيوه توزيع مكاني نقاط ديد يا نقاط انتشار موج (OMVP)، در زمره موضوعات بهينه‌سازي است كه به‌واسطه فقدان رابطه صريح رياضي بين ميزان پوشش ديد تجمعي (كه مهم‌ترين دليل آن توپوگرافي است) و موقعيت نقاط ديد، با روش‌هاي بهينه‌سازي تحليلي حل‌شدني نخواهد بود. از طرفي، كاربردهاي فراوان و پُراهميت اين موضوع در حوزه‌هاي ارتباطات، مخابرات، نظامي، نقشه‌برداري، طراحي شهري و جز اينها، لزوم حل آن را بيشتر آشكار مي‌كند. تلاش‌هاي صورت گرفته براي حل اين مسيله با نقاط ضعفي همراه بوده‌اند كه مهم‌ترين آنها «در نظر نگرفتن پوشش كيفي شبكه (كيفيت موج دريافتي)» و «قابل اجرا نبودن در مقياس‌هاي واقعي به لحاظ حجم بالاي محاسبات» است. در اين تحقيق، روشي مبتني بر الگوريتم ژنتيك براي حل مسيله OMVP ارايه گرديده است كه دو مشكل اشاره شده را تا حد زيادي برطرف مي‌كند. در اين روش هر نقطه كانديدا به عنوان يك ژن و هر n نقطه به عنوان يك كروموزوم n ژني در نظر گرفته مي‌شود. با در نظر گرفتن مدل تضعيف امواج الكترومغناطيس به عنوان عنصر اصلي تابع برازندگي مشكل پوشش كيفي منطقه برطرف گرديده است. همچنين با تلفيق مدل TIN و GRID به عنوان ورودي‌هاي الگوريتم ژنتيك و استفاده از ريوس TIN به جاي پيكسل‌هاي GRID به عنوان منبع ژن‌هاي اوليه الگوريتم ژنتيك، و در نتيجه افزايش سرعت اجرا و همگرايي الگوريتم ژنتيك، مشكل پياده‌سازي در مقياس‌هاي بزرگ نيز تا حد زيادي بهبود يافته است.

Optimal multiple viewpoints problem (OMVP) is an optimization problem, which could not be solved by using analytical methods, since there is not any distinct mathematical relationship between the positions of viewpoints and combinatorial viewshed. Due to the variety of applications of OMVP in communications, surveying, military, urban planning, etc., it is necessary to find a solution. Current solutions include many shortcoming, and disadvantages such as: “not considering the quality of coverage (quality of the received signal)” and “not being applicable because of high number of calculations”. In this paper, a new genetic method has been used to solve OMVP which resolves the mentioned shortcomings, considerably. In this method, each viewpoint is considered as a gene and each N viewpoint compose a chromosome. The quality problem is solved by considering electromagnetic wave attenuation model as the fitness function. The number of calculations has also been considerably reduced by integrated utilization of DEM and TIN, Were TIN vertices are used as the first genes instead of DEM pixels. The results of the practical test showed the flexibility and applicability of the proposed method for OMVP.