ارايه الگوريتم اجتماع ذرات گسسته ابداعي (مطالعه موردي بهينه‌سازي اسكان موقت پس از زلزله)

Providing an Innovative Discrete Particle Swarm Optimization Algorithm. Case Study: Temporary Settlement Optimization after Earthquake

الگوريتم PSO يا اجتماع ذرات يكي از الگوريتم‌هاي بهينه‌سازي هوش جمعي است كه از رفتار اجتماعي پرندگان الهام ميگيرد. اين الگوريتم به طور گسترده در مسايل بهينه‌سازي پيوسته مورد استفاده قرار گرفته‌است ولي در مسايل گسسته به آن توجه كمتري شده‌است. در اين تحقيق، با بررسي نقاط ضعف و قوت نسخه‌هاي مختلف الگوريتم اجتماع ذرات گسسته (DPSO) موجود، مبادرت به توسعه نوع جديدي از اين الگوريتم شد تا در حل مسايل گسسته از توانايي بالايي برخوردار باشد. كارايي اين الگوريتم جديد به طور موفقيت آميزي روي مسيله بهينه‌سازي اسكان موقت پس از زلزله مورد آزمايش قرار گرفت. اسكان موقت پس از زمين لرزه يكي از مسايل حايز اهميت در مديريت بحران است به‌ طوري كه انجام صحيح آن كاهش چشمگير تلفات جاني و مالي ناشي از پسلرزه ها را در پي خواهد داشت. به منظور بهينه نمودن اسكان موقت بايستي اهداف مهمي مانند حداقل كردن جايجايي جمعيت و توزيع همگن افراد متناسب با ظرفيت مكان‌‌‌‌هاي امن در سطح شهر در نظر گرفته شوند. پس از تعريف رياضي دو تابع هدف مذكور، وزن‌ هريك از آن‌‌ها به كمك AHP محاسبه گشت. سپس با استفاده از روش ميانگينگيري وزندار تركيب خطي توابع هدف به عنوان تابع هدف نهايي براي بهينه‌سازي ساخته شد. به منظور ارزيابي عملكرد الگوريتم كاليبره شده، داده‌هاي ناحيه‌اي از منطقه هفت شهرداري تهران مورد استفاده قرار گرفت. در انتها به منظور ارزيابي دقت الگوريتم از تست تكرار‌پذيري استفاده شد كه نتايج حاصل از آن نمايانگر عملكرد دقيق الگوريتم در بهينه‌سازي تخصيص افراد به مناطق امن مي‌باشد.