تخصيص فضاي داخلي ساختمان در GIS با استفاده از الگوريتم چندهدفه كلوني زنبورها

 Space allocation within building in GIS by using of multi-objective bee colony algorithm

يكي از مسايل اساسي در هر سازمان، تخصيص فضاي ساختمان‌ها و دفاتر موجود به گروه‌هاي كاري و كارمندان است. در مسيله‌ي تخصيص فضاي ادارات و سازمان‌ها، فضاي موجود بايد به گونه‌اي به گروه‌هاي كاري و كارمندان تخصيص داده‌شود كه اهداف خاصي را برآورد و تخصيص بهينه صورت پذيرد. اگر اين مسيله به خوبي مدلسازي شود، مزايايي چون افزايش همكاري بين كارمندان، استفاده‌ي بهينه از فضا و كاهش هزينه‌ها را در پي خواهد داشت. از آنجا كه اين مسيله، نوعي از مسايل بهينه سازي بر اساس معيارهاي مختلف مي‌باشد، بنابراين سعي شده است كه در ابتدا اين معيارها توسط كارشناسان مشخص شوند. ممكن است به دليل شرايطي، تركيب مناسبي از آن‌ها به منظور تشكيل تابع شايستگي صورت نگيرد، لذا سعي شده است تا از بهينه سازي چند هدفه به صورت جبهه جواب پرتو استفاده شود. براي رسيدن به اين هدف، از الگوريتم چند هدفه كلوني زنبور استفاده شده است. در اين روش به جاي يك جواب بهينه، الگوريتم يك مجموعه جواب بهينه را ارايه مي‌دهد كه هر يك از آن‌ها بهينه بوده و برتري نسبت به يكديگر ندارند. در اين صورت، كاربر با توجه به شرايط موجود، جواب بهينه مورد نظر خود را مي‌تواند از اين مجموعه انتخاب كند. الگوريتم كلوني زنبورها قابليت مدلسازي مسايل گسسته و پيوسته را به طور مناسبي دارد و از عمگرهاي ساده‌اي بهره مي‌برد. در اين تحقيق اين الگوريتم، قابليت مدلسازي مسيله را به طور مناسبي داشته و در زمان مناسب پاسخگوي نيازها بوده‌است.

In any organization, the allocation of buildings and offices space to departments and employees is a challenging task. In organizations office space allocation problem, employees are allocated to buildings and offices space so that some objectives are satisfied and the optimize allocation is obtained. So if this problem is modeled well, some advantages will be achieved. For example: increasing synergy among the employees, using of space optimally, and decreasing costs. Because of this problem is an optimization problem based on different constraints, so at the first we attempt to specify these constraints by experts. It is possible that under some circumstances, the appropriate combination of criteria for creating of fitness function does not take place, so we attempt to use multi-objective optimization with pareto solution. We use multi-objective bee colony algorithm to reach this objective. In this method, we have a set of optimal solutions instead of an optimal solution. This set has optimal solutions that each of them is optimal and does not have any priority to other solutions. In this situation, user can select an optimal solution from that set with consideration of existing conditions. Bee colony algorithm can solve continues and discrete problem and has simple operations. In this research, this algorithm has ability to modeling a problem and responding to the demands in appropriate time.