مقایسه دو روش طراحی شبکه اتوبوسرانی درونشهری با بهره گرفتن از الگوریتم ژنتیک و مورچگان (مطالعه موردی: شهر بندرعباس)
برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی شود
تکه هایی از متن به عنوان نمونه : (ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده

از آنجا که مسئله طراحی شبکه مسیر حمل نقل همگانی اتوبوس، منجر به راهحلهای متعددی در فضای جواب خود میشود، برخی از الگوریتمهای فرا ابتکاری مانند الگوریتم ژنتیک و بهینه سازی اجتماع مورچگان، برای یافتن یک نقطه بهینه کلی توسعه داده شده است. رویکردهای پیشنهادی برای شبکه حمل و نقل همگانی اتوبوس با نتایج معیارها و مطالعات حاضر مقایسه شده است. این مقایسه نشان داده است که جوابهای هر دو الگوریتم بهتر از جوابهای موجود بوده است.

این رساله، طراحی و تحلیل دو روش فرا ابتکاری الگوریتم ژنتیک و مورچگان را برای حل مسئله طراحی شبکه اتوبوسرانی پیشنهاد داده و یک مقایسه بین این دو روش ارائه داده است. یک مطالعه بر روی چگونگی عمل کردن الگوریتمهای فرا ابتکاری پیشنهادی، بر روی یک مطالعه موردی انجام گرفته تا خروجی ها و کیفیت نتایج حاصله از این الگوریتمها مورد مقایسه قرار گیرد. همچنین نتایج حاصله با وضع موجود شبکه اتوبوسرانی در مطالعه موردی مقایسه شده است.

نتایج حاصل از کار الگوریتمها، نشان داده است که هر دو روش فرا ابتکاری مورد مطالعه، روش های مناسبی برای حل مسئله طراحی شبکه اتوبوسرانی هستند.

مقدمه

تولد واقعی هوش مصنوعی در اوایل قرن بیستم اتفاق افتاده است و روش های مختلفی از آن زمان تا کنون، برای مدلسازی، شبیه سازی و بهینه سازی ابداع شده اند. بسیاری از این رو ش ها، از طبیعت الهام گرفته شده و برخی از آنها، مانند منطق فازی، بر اساس فلسفه طراحی شده اند. دسته بندی های مختلفی را برای این روشها میتوان در نظر گرفت. برای مثال، روش شبکه عصبی و سیستم فازی، برای مدلسازی و شبیه سازی به کار میروند، در حالی که روش هایی مانند الگوریتم ژنتیک و الگوریتم مورچگان، برای جستجو و بهینه سازی یک مسئله به کار میروند و نمیتوان کار مدلسازی را با این الگوریتم ها، انجام داد.

دسته بندی دیگر، مربوط به نوع مکانیزمی است که در روش ها اتفاق می افتد. برای مثال، الگوریتم ژنتیک بر اساس روش های تکاملی ساخته شده است و الگوریتم مورچگان، زنبور عسل و پرندگان، بر اساس رفتار جمعی موجودات زنده و الهام گرفته از طبیعت هستند. اما در مجموع، کلیه این روشها، الگوریتمهای فرا ابتکاری بوده و برای بهینه سازی مسائل مختلف کاربرد دارند.

فصل اول: کلیات

2-1- تعریف مسئله

توسعه حمل و نقل همگانی به عنوان یکی از شیوه های کاهش عوارض منفی حمل و نقل در

شهرها، مورد توجه اکثر کشورها (چه پیشرفته و چه در حال توسعه) است. هر چه سهم حمل و نقل همگانی در جذب سفرهای شهروندان بالاتر باشد، منافع اقتصادی و زیست محیط ی بیشتری عاید شهر میگردد. سیستم اتوبوسرانی بهعنوان معمولترین و جا افتاده ترین سیستم حمل و نقل همگانی در شهرها این ویژگی و مزیت را دارد که در عین ارزان بودن و سهولت در اجرا، توان جابه جایی حجم قابل توجهی از شهروندان در اکثر نقاط و معابر شهری را دارد. بیشک طراحی مناسب شبکه اتوبوسرانی (شامل مسیر خطوط، موقعیت ایستگاه ها و پایانه ها، تعداد ناوگان و…) کمک شایانی به افزایش مطلوبیت این سیستم نموده و سبب افزایش سهم اتوبوس در سفرهای شهروندان میشود.

برای طراحی بهینه شبکه اتوبوسرانی، روشها و الگوریتمهای متعددی مانند شبکه های عصبی، مورچگان، ژنتیک، جستجوی منع و تبرید ارائه شده است که همگی از زیرمجموعه های روش های هیوریستیک و متاهیوریستیک هستند. در این روشها با توجه به حجم وسیع اطلاعات ورودی به شبکه، برای یافتن جواب اصلی با انجام الگوریتم مورد نظر به پاسخهای زیر بهینه مسئله بسنده می شود که مطالعات قبلی نشان داده که این پاسخها تا حد بسیار خوبی قابل اعتماد هستند. در اکثر این الگوریتمها، تابع هدفی تعریف میشود که سعی در کمینه یا بیشینه کردن یک پارامتر دارند. به عنوان مثال برای طراحی بهینه شبکه اتوبوسرانی میتوان از معیارهایی همچون بیشینه کردن سهم حمل و نقل همگانی، کمینه کردن همپوشانی خطوط اتوبوس و… استفاده نمود.