دامون مولایی

بیشتر راه حل های مطرح شده برای مسائل مکان یابیوتخصیص- که در آن متقاضیان خدمات و مراکز خدماتی دارای ظرفیت مشخصی باشند- از لحاظ محاسباتی پیچیده اند.برای حل این مشکل، روش های ابتکاری متناسب با شرایط مسئله توسعه یافته اند. مکان یابی مراکز و تخصیص مصدومان زلزله به این مراکز درمانییکی از مسائل مهم در مدیریت بحران زلزله است؛ زیراتوسعة روشی مناسب برای بهینه سازیِ تخصیص مصدومان به مراکز درمانی می تواند در کاهش زمان امداد رسانی و در نتیجه کاهش آسیب های جانیاثر مهمی داشته باشد. در این مقاله، توسعة روشی ابتکاری بر پایةیک الگوریتم ژنتیک تو در تو برای بهینه سازی مکان یابی مراکز درمانی و تخصیص مصدومان زلزله به این مراکز، با استفاده از قابلیت های علم سیستم اطلاعات مکانی توضیح داده می شود. باتوجه بهاینکهمکان یابیوتخصیصمنابعدومسئلةجدااز هم نیستند وبرهمتأثیرمستقیمدارند،درروشپیشنهادی،ایندومسئلهبه صورتهم زمانحلمی شوند.با بررسیداده هایتحقیق و با توجه به نتایج آنمی توان گفت ساختار طراحی شده توانایی لازم جهت حل این نوع مسائل را با انتخاب میزان جمعیت اولیة مناسبداراست.

هدف اصلی مقاله حاضر آن است که با طراحی و ارزیابی سامانه عامل مبنای مکانی، اطلاعات مربوط به توده های آلودگی زیست محیطی را به صورت آنی و از طریق تصاویر ماهواره ای NOAA استخراج کند و سپس تاثیر آنها را بر روی محدوده های زیست محیطی جنگلی به صورت مناطق ریسک مشخص گرداند. در این کاربرد، آلودگی هوا پدیده ای است که به اشکال گوناگون باعث به وجود آمدن ریسک در محدوده های جنگلی می گردد. لذا به دست آوردن تمامی تاثیرات آلودگی هوا بر محدوده های جنگلی امری دشوار قلمداد می شود. با این حال برخی از تاثیرات آن از قبیل تاثیر بر رشد پوشش گیاهی منطقه را می توان به عنوان عاملی ضروری تر در فرایند تصمیم گیری وارد ساخت. برای بررسی این موضوع، پیامد انتشار آلودگی ناشی از آتش سوزی چاه های نفت کویت در سال 1991 و تاثیر آن بر جنگل های جنوب غربی کشور در نظر گرفته شده است. بررسی تصاویر نیم روزانه NOAA-AVHRR به خوبی آشکار می سازد که آلودگی به سمت مرز ایران حرکت کرده و منابع طبیعی و جنگل های جنوب غربی کشور را تهدید کرده است. با در نظر گرفتن شواهد مذکور، ردیابی، تخمین و ارزیابی سریع و آنی محدوده های ریسک، امری ضروری به شمار می آید. این مقصود با طراحی سامانه هوشمند عامل مبنایی که در آن ابزارهای مرتبط با سامانه اطلاعات مکانی و سنجش از دور یکپارچه شده اند، محقق می گردد. در آن سامانه به منظور استنتاجگری، روش های مختلف یادگیری ژنتیکی قوانین ارزیابی می شوند و قوانین بهینه مشخص می گردند. با توجه به اینکه دو پدیده مورد نظر (آلودگی هوا و محدوده ریسک) دارای مرز نامعلوم و ماهیتی نامعین هستند، لازم است که وضعیتی قابل پیش بینی از قوانین برای آنها در نظر گرفته شود و مطابق آن برای هر دوره محاسباتی، فرایند تنظیم و یاد گیری قوانین استنتاج در شرایط نامعین، اجرا گردد. لذا مناطق ریسک به صورت آنی و هوشمند تعیین می شوند و روش های مختلف یادگیری ژنتیکی به همراه استنتاجگری مکانی فازی، با استفاده از داده های استخراجی از تصاویر ماهواره ای لندست TM مورد ارزیابی قرار می گیرند.

روابط توپولوژیک میان عوارض مکانی فازی یکی از اطلاعات مهم و اساسی در سیستم های اطلاعات جغرافیایی (GIS) است. استخراج این نوع روابط، در کنار اطلاعات مکانی و توصیفی، میتواند در بسیاری از فرایندهای تصمیم گیری مورد استفاده قرار گیرد. برای مدل کردن این روابط مسائل و مشکلاتی وجود دارد؛ مانند متحرک بودن پدیده های مکانی، عدم قطعیت و ابهام در عوارض و ماهیت میان خود عوارض. این مشکلات باعث میشود استخراج این روابط پیچیدگیهای زیادی داشته باشد. در این مقاله، روشی جدید برای مدل کردن این روابط و استخراج متغیرهای بیانی برای نواحی فازی ارائه میشود. در این روش از محاسبة میزان شباهت میان ماتریس های 9- اشتراکی کرسپ و فازی برای استخراج متغیرهای بیانی استفاده میشود. این متغیرها دربردارندة نوع روابط توپولوژیک و کمیت سنج هایی هستند که قدرت روابط را نشان میدهند. با توجه به اینکه استخراج این متغیرها به عمل گرهای فازی وابستگی مستقیم دارند، مقایسه ای میان عمل گرهای مختلف فازی برای به دست آوردن جواب بهینه انجام شده است. در پایان، سیستم استنتاج گر فازی بر اساس نوع روابط استخراج شده طراحی شده است. این سیستم میزان پیغام هشدار را برای یک کاربرد خاص براساس میزان فرکانس فازی به کاربر اعلام میکند.