مهرداد کاوه

وجود مراکز بهداشتی و بیمارستان ها در تمام جوامع ضروری است و مکان یابی و تخصیص جمعیت به آن ها یک مسئله بهینه سازی مهم در برنامه ریزی شهری می باشد. هدف از این پژوهش، مقایسه و ارزیابی عملکرد الگوریتم ژنتیک و الگوریتم بهینه سازی ازدحام ذرات ترکیبی برای تعیین مکان بهینه مراکز بیمارستان و تخصیص نقاط جمعیتی به آن ها می باشد. به منظور محدود کردن فضای جستجو، از قابلیت های تجزیه و تحلیل سیستم اطلاعات جغرافیایی ( GIS ) به همراه تحلیل سلسله مر ا تبی برای انتخاب سایت های نامزد استفاده شده است. سپس الگوریتم های نام برده برای تعیین شش مکان بهینه و تخصیص بلوک های نظیر به آن ها پیاده سازی شده اند. در این تحقیق هدف به حداقل رساندن مجموع تمام فاصله های بین مراکز بیمارستانی و بلوک های جمعیتی می باشد که برای این منظور از توسعه الگوریتم بهینه سازی ازدحام ذرات با تعریف جستجوی همسایگی برای ذره نخبه، استفاده شده است. برای کالیبره کردن پارامترهای هر یک از الگوریتم ها، مجموعه ای از داده های شبیه سازی منظم به کار رفته است. با در دست داشتن مقادیر مناسب برای پارامترها، الگوریتم ها بر روی داده های واقعی از منطقه مطالعاتی مورد آزمایش قرار گرفتند. نتایج نشان داده است که الگوریتم بهینه سازی ازدحام ذرات ترکیبی دارای عملکرد بهتری نسبت به الگوریتم ژنتیک می باشد. روند همگرایی الگوریتم ازدحام ذرات ترکیبی، سریع تر از الگوریتم ژنتیک می باشد. هر دو الگوریتم سطوح بالایی از تکرارپذیری را نشان داده اند؛ اما الگوریتم بهینه سازی ازدحام ذرات ترکیبی دارای ثبات بیشتری است. هم چنین برای هر دو نوع داده شبیه سازی و واقعی، الگوریتم بهینه سازی ازدحام ذرات ترکیبی سریع تر از الگوریتم ژنتیک عمل می کند. سادگی و تکرارپذیری الگوریتم ها از عوامل مهمی می باشند که از نقطه نظر کاربر بسیار مهم است. بنابراین با توجه به این معیارها، بهینه سازی ازدحام ذرات ترکیبی مطلوب تر از ژنتیک بوده است.