جستجوی ممنوعه

در این مقاله مروری، جزئیات کاربرد روش فراابتکاری جستجوی ممنوعه، در حل مسائل مکانیابی بررسی می شود. به این منظور، در ابتدا مفهوم مکانیابی و انواع مختلف مسایل مکانیابی معرفی شده و سپس جزئیات روش جستجوی ممنوعه، بطور تفصیلی شرح داده شده است. منظور از مکانیابی، یافتن مکان های جدید مناسب برای برپا کردن مراکز خدماتی است. امروزه به دلیل افزایش رقابت بین شرکت ها، مکانیابی علمی از اهمیت ویژه ای برخوردار شده است. روش های علمی مختلفی برای حل مسائل مکانیابی وجود دارد. در دهه های اخیر روش های فراابتکاری مختلفی برای حل مسائل مکانیابی معرفی شده اند. روش های فراابتکاری، برای حل مسائلی با داده ها و ابعاد زیاد، بدون نیاز به دانستن مسئله، با استفاده از ایده های ابتکاری، سرعت حل را افزایش می دهند. یکی از روش های فراابتکاری، الگوریتم جستجوی ممنوعه است که مبتنی بر جستجوی محلی است و در حل مسائل مکانیابی، نتایج مطلوبی به دست می دهد. این الگوریتم، مولفه ها و اجزای مختلفی دارد که در این مقاله، بطور مشروح معرفی شده اند. همچنین اصلاحات و افزوده هایی که برای بهبود الگوریتم، توسط محققین به آن اضافه شده است، نیز معرفی شده اند

هدف: در این مقاله یک روش دومرحله ای جدید برای حل مساله ی زمان بندی دروس دانشگاهی مبتنی بر برنامه ی درسی ارایه شده است. در هر دو مرحله، روش از رویکرد فراابتکاری جدید استفاده شده است. علاوه بر این، یک نمایش جواب جدید برای زمان بندی دروس دانشگاهی معرفی شده است و از برخی رویکردها نیز برای تشدید و تنوع استفاده می شود که کاملاً مبتنی بر نمایش جواب جدید است. روش شناسی پژوهش: در مرحله ی اول روش جدید، یک جواب با کیفیت بالا قابل اجرا محاسبه می شود. برای این منظور، ابتدا محدودیت های سخت مربوط به دوره های زمانی در نظر گرفته شده و جوابی محاسبه می شود که این محدودیت های سخت را برآورده کند. در مرحله ی بعد روش جدیدی برای تخصیص اتاق ها به دروس معرفی می شود که پس از اعمال آن بر روی جوابی که محدودیت های سخت دوره ی زمانی را برآورده می کند، یک جواب شدنی محاسبه می شود. علاوه بر این، نتایج عددی نشان می دهد که جواب شدنی محاسبه شده کیفیت بالایی دارد. در مرحله ی دوم، ابتدا چندین تابع همسایگی جدید برای بهبود کیفیت جواب شدنی محاسبه شده به طور قابل توجهی مورد استفاده قرار می گیرد که برای کاهش جریمه جواب شدنی محاسبه شده مرحله ی اول طراحی شده است. در حالی که تابع تناسب مرحله ی اول مبتنی بر نقض محدودیت های سخت است، تابع تناسب مرحله ی دوم بر اساس جریمه ی جواب شدنی است. در بسیاری از الگوریتم های فراابتکاری که تاکنون ارایه شده اند، تلاش محاسباتی زیادی بر روی الگوریتم برای انتساب اتاق ها به دوره ها صرف می شود. ویژگی جدید الگوریتم ارا یه شده این است که از یک استراتژی برای تخصیص اتاق ها به دوره فقط یک بار و بدون استفاده از هیچ الگوریتم تطبیقی استفاده می شود. یافته ها: الگوریتم ارایه شده بر روی برخی از نمونه های استاندارد ادبیات اعمال شده و کارایی الگوریتم ارایه شده مورد تجزیه و تحلیل قرار گرفته است. نتایج عددی نشان می دهد که زمان محاسبات مورد نیاز با اندازه ی نمونه ها افزایش می یابد و الگوریتم بعد از چند دقیقه به سمت جواب بهینه همگرا می شود. اصالت/ارزش افزوده علمی: الگوریتم ارایه شده ما را قادر می سازد تا در عمل با مسایل بزرگ زمان بندی دروس دانشگاهی مواجه شویم. علاوه بر این، روشی کارآمد برای دستیابی به جواب های شدنی برای نمونه های دنیای واقعی و تلاش برای بهبود کیفیت آنها در اختیار ما قرار می دهد.