رفته با روش حل الگوریتم ژنتیک را حل کردند. آنها در مقاله خود یک مدل جایابی با ساختار احتمالی که احتمال مراجعه تقاضا از یک گره به خدمت دهنده ها با توجه به فاصله آنها برآورد می شود توسعه دادند. همچنین در مدل ارایه شده با فرض رقابتی بودن بازار بحث فروش از دست رفته را در نظر گرفتند و با توجه به این موضوع هدف مدل را حداقل کردن هزینه از دست دادن تقاضاها یا حداکثر کردن سود حاصل از پاسخگویی به این تقاضاها تعریف کردند. بعد از ارایه مدل، یک الگوریتم ژنتیک برای حل مدل ارایه کرده تا علاوه بر این از بحث طراحی آزمایشات و متدولوژی سطح پاسخ برای تنظیم پارامترهای الگوریتم ژنتیک استفاده کردند تا عملکرد آلگوریتم ارتقا یابد (شوندی و خامنه 1390).
شوندی و همکاران (1390) مدل مکانیابی – تخصیص حداکثر پوشش با امکان ایجاد ازدحام در محیط رقابتی مبتنی بر انتخاب مشتری را توسعه دادند. در مدل پیشنهادی آنها چندین ویژگی مهم یعنی مدل های تعامل فضایی، ازدحام، محیط رقابتی مبتنی بر انتخاب مشتری و تقاضای احتمالی مورد بررسی قرار گرفته است. هدف مدل حداکثر نمودن درصد تقاضای جذب شده توسط تجهیزات خدمتدهی در محیط رقابتی است. برای حل مدل با ابعاد کوچک از نرم افزار بهینه سازی لینگو 8 و الگوریتم فرا ابتکاری ژنتیک استفاده شده است. اما با توجه به پیچیدگی مسئله و ماهیت غیرخطی آن، نرم افزار لینگو 8 توانایی حل مسایل با ابعاد بزرگ را ندارد و مسایل با ابعاد بزرگتر با استفاده از الگوریتم ژنتیک پیاده سازی شده است (شوندی و همکاران 1390).
سادهوند (1390) به مکانیابی جایگاههای سوخت CNG با استفاده از مدل مکانیابی جریان سوختگیری FRLM پرداخت او در این مساله مطرح کرده است که شبکه فعلی جایگاههای سوخت CNG با توجه به گسترش ناوگان حمل و نقل گازسوز، علاوه بر کمبود ظرفیت سوخت رسانی، عمدتاً به سبب توزیع نامناسب جغرافیایی جوابگوی نیازها نمیباشد لذا لازم است تا با ارایه الگویی مناسب، توزیع شبکه جایگاههای سوخت CNG در سطح شهر به صورت صحیح انجام گیرد و علاوه بر جلوگیری از مشکلاتی که در آینده بر شهر تحمیل میگردد، مانع از اتلاف انرژی و افزایش بهرهوری امکانات و منابع موجود گردد (سادهوند 1390).
شورورزی و همکاران (1391) در مقاله «مقایسه قابلیت الگوریتمهای فراابتکاری در حل مساله مکانیابی مراکز آتشنشانی» روشهای فراابتکاری جست‌وجوی ممنوع، ژنتیک و شبیه‌سازی بازپخت را به‌عنوان روش‌های بهینهسازی برای مکانیابی مراکز آتشنشانی و تخصیص مناطق شهری به آن‌ها استفاده کردند. این روشها با توجه به معیارهای زمان حل مسئله، مقدار تابع هدف، تعداد تکرار و نحوه پوشش منطقه در سناریوهای مختلف ارزیابی شده‌ و سناریوهای مختلف در روش ژنتیک بر‌اساس تغییر در تعداد تکرار و جمعیت اولیه و در روش شبیهسازی بازپخت بر‌اساس تغییر در تعداد تکرار حرکات و تغییرات دما تولید شده‌ است (شورورزی و همکاران 1391).
خاتمی فیروزآبادی و همکاران )1391( به ارایه الگویی برای مکانیابی شعب موسسه مالی و اعتباری قوامین» با استفاده از رویکردهای کمی (آزمون تی یک نمونه ای برای شناسایی شاخصه‌ها) و کیفی (روش تحلیل سلسله مراتبی برای وزن دهی به شاخصه‌ها) و با استفاده از نرم افزارهای SPSS،Expert Choice، GISو LINGOپرداختند و مشخص کردند که بر مبنای شاخصه‌های بدست آمده و استفاده از مدل ریاضی حداکثر پوشش، می‌توان 95 ٪ از تقاضای منطقه مورد مطالعه را با احداث حداکثر 4 شعبه در نقاط مشخص شده (به علاوه 4 شعبه موجود)، تحت پوشش قرار داد )خاتمی فیروزآبادی و همکاران 1391).
یوسفی در سال 1391 با بکارگیری منطق فازی و روش تصمیم گیری FUZZY DEMANTEL و همچنین روش تصمیم گیری گروهی Cook&Seiford به انتخاب سبد پروژههای عمرانی پرداخت (یوسفی، 1391).
ماریانوو سرا در سال 1998 در مقاله خود، چندین مدل حداکثر پوشش احتمالی با زمان انتظار یا طول صف محدود ارایه کردند. اولین آنها مدل مکان تعدادی مرکز خدمتدهی با یک خدمتدهنده را بطوری که جمعیت پوشش دادهشده در یک فاصله استاندارد و با طول صف محدود حداکثر شوند مشخص میکند و مدلهای بعدی مسائلی که در آنها بیشتر از یک خدمتدهنده وجود داشته باشد را ارایه میکنند (ماریانوو سرا، 1998).
کورآ و لورنا در سال 2006 در مقالهای تحت عنوان « استفاده از الگوریتم ژنتیک برای حل مس
78

این مطلب رو هم توصیه می کنم بخونین:   منابع مقاله با موضوعدرمان راه حل محور، مقابله با استرس
دسته‌ها: پایان نامه ها

دیدگاهتان را بنویسید