گلبرگ کامروز خدایار

انسان از دیرباز برای حل مسائل پیچیده، از جهان زندة پیرامونش الهام گرفته است. این امر آشکارا در توسعة الگوریتم های مختلف تقریبی، از نظریة تکاملی داروین تا الگوریتم های مختلف هوش جمعی، دیده می شود. مسئلة فروشنده دوره گرد از مسائلی است که می توان آن را با الگوریتم هوش جمعی به چالش کشید. در پژوهش حاضر ابتدا با ارزیابی و تنظیم صحیح پارامترهای مؤثر در الگوریتم بهینه سازی کلونی مورچه ها، الگوریتم هوش جمعی بهبود می یابد. سپس روشی ترکیبی برای حل دودویی مسئله فروشندة دوره گرد در مقیاس بزرگ و برمبنای الگوریتم بهبود یافته کلونی مورچه ها و عملگرهای الگوریتم ژنتیک ارائه می شود. به منظور بررسی کیفیت جواب های به دست آمده، نتایج روش پیشنهادی با نتایج دو الگوریتم بهینه سازی کلونی مورچه ها و الگوریتم ژنتیک در مسیریابی بین مراکز استان ها مقایسه می شود. این مقایسه بهبود در جواب ها، کاهش زمان اجرای الگوریتم، و کاهش حجم لازم برای ذخیره سازی جواب های به دست آمده در شرایط گوناگون را نشان می دهد. با توجه به پایداری و بهینگی نتایج حاصل از الگوریتم مورچة بهبود یافته و اهمیت افزایش خدمات در سامانه اطلاعات مکانی، کاربرد الگوریتم پیشنهادی در صنعت توریسم مطرح می شود.

اسکان موقت پس از زمین لرزه از مهم ترین موضوع ها در مدیریت بحران به شمار می آید، و انجام صحیح آن با کاهش گسترده تلفات جانی و مالی ناشی از پس لرزه ها همراه است. هدف از انجام این تحقیق ارزیابی توانایی و مقایسه عملکرد دو الگوریتم شاخص هوش جمعی با نام های الگوریتم زنبورها (Bess) و الگوریتم اجتماع ذرا (PSO)- در بهینه سازی تخصیص مکان های اسکان موقت است که یکی از موضوعات مهم مکانی به شمار می آید. در الگوریتم بهینه سازی اجتماع ذرات از رفتار اجتماعی پرندگان الهام گرفته می شود. این الگوریتم مورد استفاده گسترده در مقوله های بهینه سازی پیوسته قرار گرفته است ولی در مقوله های گسسته چندان به آن توجه نشده است. در این تحقیق با بررسی نقاط ضعف و قوت نسخه های مختلف الگوریتم پرندگان گسسته (DPSO) موجود، نوع جدیدی از این الگوریتم ارائه شده است که در حل مسائل گسسته توانایی بالایی دارد. الگوریتم زنبور عسل از فرایند جست و جوی غذای زنبورها در طبیعت الهام گرفته است. این الگوریتم در پژوهش حاصر برای حل مسئله اسکان موقت شرح و بسط داده شد و در نهایت نتایج حاصل از هر دو الگوریتم مذکور، از داده های شبیه سازی شده و به منظور ارزیابی دقت عملکرد الگوریتم ها از داده های منطقه 7 تهران به عنوان داده های واقعی استفاده شد. مقایسه اعداد همگرایی هر یک از دو الگوریتم در داده های واقعی، عملکرد بسیار بهتر الگوریتم ابداعی را در کمینه سازی تابع هدف مسئله نشان می دهد. در نهایت به منظور ارزیابی کیفیت و دقت الگوریتم از تست تکرارپذیری برای نتایج حاصل از اجرای هر الگوریتم روی داده ها استفاده شد. نتایج حاصل از این آزمون ها نمایانگر عملکرد دقیق هر یک از دو الگوریتم در بهینه سازی تخصیص افراد به مناطق امن است.