کاهش زمان جستجو و امداد شهری با مدل سازی به کمک مساله فروشنده دوره گرد چندگانه و تقسیم بندی تطبیقی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 456

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMPUTER01_226

تاریخ نمایه سازی: 22 مهر 1394

چکیده مقاله:

جستجو و امداد شهری در زمان بحران یکی از چالش هایی است که اخیراً پژوهش های بسیاری را به خود معطوف کرده است. لیگ شبیه سازی امداد ربوکاپ یکی از بسترهایی است که به این موضوع می پردازد و بستری چند عاملی را برای امدادرسانی پس از زمین لرزه فراهم می آورد. یکی از مهم ترین مسائل در این لیگ جستجوی ساختمان به ساختمان شهر برای یافتن آسیب دیدگان است که می بایست در کم ترین زمان انجام شود. رهیافت این پژوهش مدل سازی این مشکل به کمک مساله فروشنده دوره گرد چندگانه است. در این مقاله با رویکردی نوین ابتدا شهر به طور تطبیقی با کمک الگوریتم خوشه بندی کی - مینز به چند ناحیه تقسیم می شود. سپس عامل های هر ناحیه به کمک روشی حریصانه گردش خود را در ناحیه طرح ریزی کرده و بعد به بازدید آنها می پردازند. آزمایش های گوناگون که در شهرهای مختلف صورت گرفته است، حاکی بر آن است که زمان جستجوی شهر با استفاده از روش پیشنهادی کاهش زیادی می یابد.

کلیدواژه ها:

جستجو امداد شهری ، سیستم های چندعاملی ، مساله فروشنده دوره گرد چندگانه ، خوشه بندی کی- مینز ، شبیه سازی ربوکاپ

نویسندگان

آرمان کاویان

دانشگاه آزاد اسلامی واحد قزوین ، گروه مهندسی مکاترونیک، قزوین، ایران

مهسا برزگر

دانشگاه آزاد اسلامی واحد کرج، گروه مهندسی برق، کرج ، ایران

سحر سادات حاجی سیدنصیر

دانشگاه آزاد اسلامی واحد قزوین، گروه مهندسی صنایع، قزوین، ایران

سعید شیری قیداری

استادیارف دانشگاه صنعتی امیرکبیر، گروه مستقل مهندسی رباتیک، تهران، ایران

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 :
  • ]7[F .Vance: , Clustering and the continuous k-means algorithm ", ...
  • ]9[J. K. _ , Data Clustering: 50Years Beyond K-Means ", ...
  • نمایش کامل مراجع