روش خوشه بندی چند سطحی الویت دار بر مبنای الگوریتم ژنتیک برای حل مسأله مسیر یابی کامیون

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,504

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI14_008

تاریخ نمایه سازی: 26 مهر 1387

چکیده مقاله:

این مقاله روشی ابتکاری به صورت ترکیبی از خوشه بندی سلسله مراتبی و روشهای تکاملی را برای حل مسأله مسیر یابی کامیون برمبنای چند مرکز با کامیون های همگن ارایه می دهد. این روش از افزودن یک الگوریتم خوشه بندی دو سطحی به مسأله مسیر یابی کامیون برمبنای چند مرکز بدست آمده است. در کاربرد های لجستیکی مشتری ها یا متقاضیان سرویس بر مبنای برخی پارامتر های لجستیکی دارای اولویت می باشند. سطح اولویت مشتری ها بر سیاست توزیع کالا مخصوصا در مرحله خوشه بندی تاثیر می گذارد. در این مقاله یک مدل مجتمع برای مسأله مسیر یابی کامیون با استفاده از روش خوشه بندی سلسله مراتبی و یک الگوریتم ژنتیک توسعه داده شده است؛ بطوری که عملگر ها و جمعیت اولیه در الکوریتم ژنتیک بهبود داده شده اند. در اولین فازاین الگوریتم یک الگوریتم خوشه بندی سطح بالا اجرا می گردد بطوری که مشتری های قابل سرویس دهی توسط یک مرکز تعیین گردند. سپس الگوریتم خوشه بندی سطح پایین دیگری باید انجام گیرد بطوری که در هر مرکز مشتری های قابل سرویس دهی توسط یک کامیون تعیین گردند. مانند روشهای دیگر بهینه سازی روش پیشنهادی به خوبی برای تعداد کم کامیون عمل می نماید. به منظور بالا بردن کارآایی الگوریتم و غلبه بر این محدودیت بطوری که بتواند برای تعداد زیاد کامیون نیز نزدیک به بهینه عمل کند، در یک مرحله پیش پردازش یک سطح خوشه بندی سطح بالا انجام می شود تا مسأله به یک مساله فشرده تر بر مبنای خوشه بندی تبدیل شود. به این ترتیب یک فرایند سلسله مراتبی به ترکیبی شامل یک فاز خوشه بندی ابتکاری و یک فاز تکاملی توسعه داده شد.

کلیدواژه ها:

مسیریابی کامیون ، الگوریتم خوشه بندی ، محاسبات تکاملی و الگوریتم ژنتیک

نویسندگان

مهدی سالخورده حقیقی

گروه کامپیوتردانشگاه فردوسی و عضوهیت علمی موسسه آموزش عالی سجاد

محمد هادی زاهدی

گروه کامپیوتر- دانشکده مهندسی- دانشگاه فردوسی مشهد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • . Jean-Charles Creput and Abderrafiaa Koukam .The memetic self- organizing ...
  • . Caroline Prodhon, Solving the capacitated location routing prob lem, ...
  • . S. Salhi and R. J. Petch. A GA Based ...
  • . Chung-Ho Wang a, Jiu-Zhang Lu _ A hybrid genetic ...
  • . Christian Prins. A simple and effective evolutionary algorithm for ...
  • . Istvan Borgulya. An algorithm for the capacitated vehicle routing ...
  • . K. Ganesh, T.T. Narendran. CLOVES: A cluster- and-search heuristic ...
  • . Rodolfo Dondo and Jaime Cerda A cluster-based optimization approach ...
  • نمایش کامل مراجع