كليدواژه :
مسيريابي , الگوريتم اجتماع مورچه , پارس‌آباد , گروه هاي امدادي
چكيده فارسي :
سرعت عمل گروه‌های امدادی و در رأس آن‌ها آمبولانس‌های بین‌شهری نقش بسیار مهمی در كارایی آن‌ها در حین حوادث غیرمترقبه دارد. در این راستا مسیریابی بهینه این گروه‌ها به‌منظور پوشش بیشینه مراكز جمعیتی ضروری به نظر می‌رسد. بدین منظور استفاده از هوش مصنوعی و اصطلاح الگوریتم‌های مسیریابی نوین، و بومی‌سازی آن در بخش شهری و بین‌شهری با توجه به وسعت و گستردگی شهرها، می‌تواند در ساماندهی مدیریت شهری و امدادرسانی كارآمد باشد. بنابراین هدف این تحقیق استفاده كاربردی از الگوریتم اجتماع مورچه‌ها به‌منظور مسیریابی بهینه و كمینه‌سازی مسافت طی شده می‌باشد. در این تحقیق مطالعه موردی بر روی بالغ‌بر 29 نقطه شهری و روستایی به مركزیت شهر پارس‌آباد در محیط متلب انجام‌گرفته و در محیط GIS نمایش داده‌شده است. مدل ارائه‌شده در این مقاله، علاوه بر مسئله موردبررسی می‌تواند به‌منظور مسیریابی بهینه توزیع كالاهای اساسی به هنگام وقوع بحران‌های طبیعی و انسانی، مسئله ترافیك و غیره مورداستفاده قرار گیرد. لازم به ذكر است كه در الگوریتم پیشنهادی برای انتخاب تصادفی همسایگی‌ها از روش Rolette wheel Selection استفاده‌شده است. نتایج تحقیق نشان داد كه با توجه به وسعت كم منطقه موردمطالعه، زمان و كیفیت دستیابی به مسیر بهینه در الگوریتم اجتماع مورچه با زمانی برابر با 0.19 میلی‌ثانیه بهینه تر از روش تجربی محاسبه شد. همچنین به دلیل وجود بانك داده های مكانی و اعمال آن در الگوریتم مورچه ها، زمان رسیدن به محل حادثه توسط آمبولانس‌ها نیز با فرض حركت 30 مورچه، برای الگوریتم اجتماع مورچه‌ها وحالت تجربی به ترتیب 19 دقیقه و 45 ثانیه و 27 دقیقه و 15 ثانیه محاسبه شد.
چكيده لاتين :
Promptness of relief groups and especially, of inter- cities ambulances has a vital role in their performance during unpredicted disasters. In this regard, optimal routing of these groups seems necessary in order to cover maximum population centers. For this purpose, the use of artificial intelligence and the so-called “new routing algorithms,” and its localization among inter/ intra- cities sections, based on their extent and spread, can be an efficient way for efficient urban management and relief organization. Therefore, the aim of this study was to show the practical application of ant colony algorithm for optimizing routing and minimizing the travelled distance .In this research, the case study was performed on over 29 urban and rural points, originated in Parsabad city, in MATLAB and shown in the GIS environment. The proposed model in this paper can not only be used to analyze the issue, but it also can be used to optimize the routing of distribution of basic goods in cases of natural and human disasters, traffic problem, and so on. Need to note that in the proposed method, the Rolette wheel Selection method is used for random selection of the neighborhoods.The results showed that due to the limited area of the case study, time and quality of achieving to optimal route in ant colony algorithm were calculated 0.19 ms faster than the Experimental Method, whereas, given the movement of 30 ants, the time required to arrive to the scene by the ambulances for ant colony algorithm and the Experimental Method was calculated 19ʹ 45ʹʹ and 27ʹ 15ʹʹ, respectively.
