طبقه‌بندي و ارايه راه‌حلي هوشمند براي مسايل مكان‌يابي و تخصيص منابع مرتبط با اشياي متحرك

Classifying and Presenting an Intelligent Solution for Moving Object Based Location/Allocation Problems

اهميت مكان‌يابي و تخصيص صحيح منابع در صرفه‌جويي هزينه و بهبود كارايي در ارايه خدمات، موضوعي است كه مقالات و تحقيقات فراواني در خصوص آن انجام شده است. دسته‌بندي‌هاي مختلفي نيز براي اين مسايل پذيرفته است. هر يك از دسته‌بندي‌هاي موجود، اين مسايل را از ديدگاه خاصي مورد بررسي قرار مي‌دهند. در چارچوب تحقيق حاضر، مسايل مكان‌يابي و تخصيص منابع مرتبط با اشياي متحرك به عنوان دسته‌اي از مسيله‌هاي مكان‌يابي و تخصيص منابع، مطرح و به سه دسته اصلي تقسيم‌بندي شده‌اند. در مقاله حاضر دسته پركاربردي‌ از مسايل مذكور به‌صورت مسيله بهينه‌سازي رياضي فرمول‌بندي شده و روش‌ حلي بر اساس الگوريتم ژنتيك براي حل همزمان تخصيص منابع و تعيين ترتيب ارايه خدمات مطرح شده است. به منظور ارزيابي كارايي روش پيشنهادي، مسيله نمونه‌اي مرتبط با اشياي متحرك طرح و با دو روش رايج و پيشنهادي حل شده و در نهايت نتايج به صورت عددي مقايسه شده‌اند. نتايج حاصل از پياده‌سازي، نشانگر كارايي روش حل پيشنهادي است.

Abstract According to the importance of location sciences, in decreasing the costs and efficiency on presenting services, there are several researches in this context. Besides, Mathematical models have been presented to explain the general state of different location problems. Several objective functions relevant to each model, have been formulated. According to lack of the researches in context of dynamic locating and moving object allocation, this type of location/allocation problems are considered in this research. This type of problems is divided into three main categories. In this paper, one of the useful classes of the mentioned problems is formulated as an optimization problem and an efficient solution based on genetic algorithm is presented. Evaluating the proposed method, a sample problem is designed and solved using both proposed and traditional methods. The results of implementation have indicated the efficiency of the proposed method. Keywords: Moving Objects, Optimization, Allocation, Genetic Algorithm