الگوریتم NSGA-II

بهره گیری از روش های امروزین برای بهینه سازی فرایند برنامه ریزی شهری می تواند منجر به حل بسیاری از مسائل پیچیده ای شود که تصمیم گیرندگان و تحلیل گران امور شهری با آن مواجه اند. الگوریتم های تکاملی چند هدفه را می توان با توجه به گستردگی عوامل درگیر با امور شهری، به عنوان ابزاری مناسب در این زمینه در نظر گرفت. اما با توجه به ماهیت مکانی بسیاری از امور مرتبط با برنامه ریزی شهری، استفاده از الگوریتم های تکاملی که عموماً روابط مکانی و منطقی موجود میان عوارض را در جهان واقعی نادیده می گیرند و صرفاً به بهینه سازی اطلاعات توصیفی عوارض می پردازند، نمی تواند به حل درست و مناسب مسائل پیچیده شهری بینجامد. در این مقاله با ارائه ی مدلی نو و ابتکاری، راه حلی مؤثر برای به کارگیری الگوریتم های تکاملی در انواع مسائل مکان محور، به گونه ای که امکان تحلیل های مکانی نیز وجود داشته باشد، ارائه شده است. این مدل ابتدا با استفاده از ساختار جدید سلولی ـ درختی، فضای جست وجو را کدگذاری می کند و سپس با استفاده از علمگرهای ابتکاری ادغام و جهش مکانی در قالب جست وجویی تکاملی به ارائه راه حل های مناسب می پردازد. مدل ابتکاریِ تکوین و توسعه یافته براساس الگوریتم NSGA-II برای طراحی و برنامه ریزی به منظور ایجاد شهری به کار گرفته شده و نتایج و بررسی های حاصل از آن در این مقاله ارائه گردیده است.

یکی از تحلیل های پرکاربرد سیستم های اطلاعات جغرافیایی (GIS) یافتن مسیرهای بهینة بین دو نقطه در شبکة حمل ونقل شهری است. به دلیل تنوع بالای مسیرهای ممکن بین دو نقطه در شبکة حمل ونقل شهری، یافتن مسیرهای بهینه کار پیچیده ای است. از سویی، درنظرگرفتن هم زمان تمامی پارامترهای مؤثر در انتخاب مسیر از جمله طول مسیر، ترافیک، سختی عبور از تقاطع ها، کیفیت معابر و ...، پیچیدگی فرایند کشف مسیر بهینه را دوچندان می کند. همچنین در پاره ای از موارد، وجود دو یا چند پارامتر مؤثر ناسازگار، مانند طول مسیر و ترافیک، بر پیچیدگی مسئله می افزاید. الگوریتم های بهینه سازی، به ویژه الگوریتم هایی مانند الگوریتم ژنتیک چندهدفه NSGA-II، که توانایی درنظرگرفتن هم زمان چندین پارامتر ناسازگار در یک مسئله را دارند، می توانند GIS را در حل این گونه مسائل یاری کنند. هدف از این پژوهش عرضة مدلی برمبنای الگوریتم NSGA-II در بستر GIS، به منظور کشف مسیرهای بهینه در شبکة حمل ونقل شهری است. بدین منظور، الگوریتم NSGA-II به گونه ای مدل شد تا ساختار توپولوژیک مسیرهای بهینه (پیوستگی و نبودِ حلقه در مسیر) حفظ شود؛ بنابراین، هم در تولید مسیرهای اولیه و هم در عملگرهای ژنتیکی مورد استفاده، حفظ ساختار توپولوژیک مسیرهای خروجی مدنظر قرار گرفت. در این راستا به منظور رسیدن به اهداف یادشده، دو عملگر ژنتیکی ابتکاری، متناسب با مسئلة بهینه سازی مسیر در شبکة حمل ونقل شهری، توسعه داده شد. همچنین با هدف بالابردن کارآیی مدل در ارائة مسیرهای بهینه، افزون بر درنظرگرفتن طول مسیر، ترافیک و کیفیت مسیر به منزلة توابع هدف، دشواری عبور از تقاطع ها نیز به مثابة یکی دیگر از توابع هدف مدل شد. به منظور آزمودن قابلیت های مدل، یک شبکة حمل ونقل شهری فرضی با محدودیت های لازم طراحی شد و مدل، با بهره گیری از آن، مورد ارزیابی قرار گرفت. نتایج به دست آمده نشان دهندة صحت کارکرد مدل و توانایی بالای آن در یافتن مسیرهای بهینه با چندین هدف متضاد است.

بهینه سازی تخصیص کاربری اراضی به عنوان یکی از بهترین مدل ها برای حفاظت زیست محیطی و هماهنگ کننده اهداف متضاد و مختلف اقتصادی، اجتماعی و غیره کاربری اراضی است. منطقه 10 کلان شهر تبریز د ر زمینه تناسب و توزیع بهینه کاربری ها د ارای نارسایی بود ه است؛ ازاین رو این تحقیق با هدف بهینه سازی تخصیص کاربری اراضی منطقه 10 کلان شهر تبریز انجام گرفته است. پژوهش حاضر با ماهیت توسعه ای- کاربردی و روش توصیفی- تحلیلی در زمینه تخصیص کاربری اراضی با هشت کاربری اصلی: مسکونی به تفکیک سه نوع طبقاتی، تجاری، آموزشی، درمانی، فرهنگی، فضای سبز، ورزشی، تجاری-مسکونی به تفکیک سه نوع طبقاتی به وسیله الگوریتم ژنتیک از نوع مرتب سازی نامغلوب نسخه دوم (NSGA-II) انجام گرفته است. بدین منظور از چهار تابع هدف حداکثر غیر خطی: بیشینه سازی FAR، بیشینه سازی سود اقتصادی، بیشینه سازی سازگاری، بیشینه سازی فشردگی استفاده شده است. هشت نوع کاربری اراضی اصلی و هشت محدودیت تعریف شد و برای ترکیب مقدار عددی تابع هدف بعد از نرمال سازی، روش مجموع وزن دار به کار گرفته شد. عملگرهای NSGA-II اصلاح شد و مدل پیشنهادی در زبان برنامه نویسی MATLAB توسعه داده شد. مدل با توجه به محدودیت های مدل سازی اجرا شده و برای به تصویر کشیدن خروجی مدل، روش کدگذاری ویژه راه حل ها که خروجی را با نرم افزار GIS مرتبط می کرد، تعریف شد. نتایج، نشان دهنده کارآیی و اثربخشی مدل پیشنهادی و پتانسیل آن در پشتیبانی از فرایند برنامه ریزی شهری و تصمیم سازی است. این پتانسیل از طریق تولید آلترناتیوهای گوناگون کاربری و نمایش راه حل های بهینه به دست آمده است. درنهایت نتایج نشان داد که در صورت بهینه سازی کاربری اراضی درمنطقه 10 کلان شهر تبریز، مقدار FAR به اندازه 13.04 درصد و سود اقتصادی به اندازه 21.06 درصد و سازگاری- فشردگی بین کاربری ها به ترتیب 2.3 و 4.6 درصد افزایش می یابد.

هدف: در شرکت های پتروشیمی، شیفت های کاری گوناگون و طولانی مدت، می تواند سلامت جسمی و روحی کارکنان را به مخاطره بیندازد؛ در حالی که با زمان بندی مناسب و توجه به قوانین و سیاست های کاری، می توان پیامدهای ناشی از شیفت های کاری آنان را کاهش داد. هدف این پژوهش، ارائه مدل مناسبی برای زمان بندی نیروی انسانی شرکت های پتروشیمی است؛ به گونه ای که با رعایت نیازهای شرکت و شمار بهینه کارکنان در هر شیفت، هزینه های شرکت کمینه و عملکرد و ترجیحات کارکنان نیز بیشینه شود. روش: برای مدل سازی مسئله پژوهش از برنامه ریزی عدد صحیح استفاده شد. به دلیل پیچیدگی مدل و نیز چندهدفه بودن آن، در حل مدل ریاضی پیشنهاد شده، از الگوریتم NSGA-II استفاده شد. برای دستیابی به کارایی بهتر الگوریتم، پارامترهای آن با روش تاگوچی کالیبره گردید. یافته ها: بر اساس یافته های به دست آمده از سناریوهای مختلف، مدل 21 روزه کار بهتر از مدل کاری 16 روزه است. همچنین، از آنجا که مدل چند هدفه بوده و با رویکرد پارتو حل شده است، تصمیم گیرنده می تواند، با توجه به شرایط، یکی از راه حل های بهینه پارتو را انتخاب کنید. نتیجه گیری: اگرچه شیفت بندی و گزینش مدل کاری مناسب برای شرکت های پتروشیمی، پیچیدگی فراوانی دارد، الگوریتم NSGA-II می تواند در تصمیم گیری برای انتخاب بهترین مدل کاری، ابزاری شایسته و توانمند باشد.

برنامه ریزی توسعه شبکه یکی از مسائل مهم در سیستم قدرت برای برآوردن رشد تقاضای برق در سال های آینده با توجه به افزایش جمعیت، توسعه شهری و افزایش رفاه اجتماعی است. ب ه دلی ل عم ر طولانی و گستره جغرافیایی شبکه های انرژی الکتریکی، اح داث و بهره برداری از بخش های مختلف آن نیازمند هزینه های بسیار گزاف است. مشکلات زیست محیطی و گرمایش کره زمین یکی از بزرگ ترین دغدغه های جوامع است. استفاده از فناوری های تولید انرژی تجدید پذیر به عنوان یکی از اساسی ترین راهکارها، با توج ه ب ه متغیر ب ودن ت وان خروج ی آن ها در شبانه روز و همچنین وابستگی آن ها به شرایط آب وهوایی، یکی از دغدغه های اصلی برنامه ریزان و بهره برداران شبکه های قدرت است. عدم قطعیت ناشی از این تولیدات می تواند در هزینه های تحمیل ی ب ه شبکه و بهره برداری از شبکه های برق، تأثیرات زیادی مانند افزایش قطعی برق و انرژی تأمین نشده داشته باشد. برای رفع این مشکل، یک مدل جامع چندهدفه و احتمالاتی به منظور تعیین محل نصب، نوع و ظرفیت بهینه تولیدات پراکنده در سطح صنعت برق مدرن پیشنهاد شده است. هدف گذاری نهایی این مدل، کمینه سازی تلفات انرژی، هزینه های سرمایه گذاری و بهره برداری، انرژی تأمین نشده و آلاینده های زیست محیطی است. روش های پیشنهادی توسط نرم افزار MATLAB بر روی شبکه برق Garver و شبکه توزیع 33 ناحیه ای IEEE پیاده سازی و توسط الگوریتم چندهدفه ژنتیک با مرتب سازی نامغلوب (NSGA-II) حل شده اند. مدل نهایی را می توان به طور مؤثر برای برنامه ریزی زنجیره تأمین شبکه برق مدرن با نفوذ تولیدات مبتنی بر انرژی های تجدیدپذیر در ابعاد مختلف اقتصادی، زیست محیطی و اجتماعی به کار گرفت.  

سیستم تولید سلولی پویا، یکی از سیستم های تولیدی شناخته شده است که امکان افزایش میزان واکنش پذیری، انعطاف پذیری و چابکی را در تولید ، به منظور رقابت در بازار فراهم می کند؛ ولی با رشد توسعه صنعتی و توجه روزافزون جوامع به میزان مصرف انرژی و شرایط کارکنان در تولید، با چالش جدیدی مواجه شده است؛ به نحوی که باید مباحث پایداری را از همان ابتدا و در طراحی چیدمان تسهیلات بگنجاند. این مقاله یک مسئله بهینه سازی چندهدفه را در یک سیستم تولید سلولی پویا، با در نظر گرفتن میزان مصرف انرژی (الکتریکی) و توجه به ایمنی محیط کار کارکنان بررسی می کند. برای این امر یک مدل جدید، توسعه یافته است که حداقل سازی هزینه های جابه جایی و بازآرایی تسهیلات، حداقل سازی خطرات محیط کار (خطر بالقوه قرارگیری ماشین آلات در مکان خاص) و مصرف انرژی الکتریکی در عملیات تولید محصول را دنبال می کند. به منظور نزدیک شدن مدل به شرایط واقعی، دیگر موضوعات مربوط به محیط واقعی تولید، مانند استخدام و اخراج اپراتورها در هر دوره، آموزش، دستمزد و تخصیص نیز در مدل گنجانده شده است. مدل پیشنهادی با طراحی نمونه هایی در ابعاد مختلف و با استفاده از روش اپسیلون، محدودیت و الگوریتم فرا ابتکاری NSGA-II و MOPSO حل و با استفاده از شاخص های عملکردی (میانگین فاصله از ایده آل، پراکندگی، یکنواختی و زمان پردازش) مقایسه و با استفاده از آزمون T تحلیل شده است. نتایج نشان داد کیفیت جواب های حاصل از الگوریتم NSGA-II نسبت به دیگر روش ها بهتر بوده و از نظر زمان حل، حداقل 2 برابر زودتر از روش اپسیلون محدودیت به جواب رسیده است.