CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Yard Allocation System Using Genetic Combining Classifiers at Shahid Rajaee S.E.Z.

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۱۵۷۸ | نظرات: ۰
سال انتشار: ۱۳۸۵
نوع ارائه: شفاهی
کد COI مقاله: NSMI08_073
زبان مقاله: انگلیسی
حجم فایل: ۴۲۳.۶۹ کلیوبایت (فایل این مقاله در ۱۲ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله Yard Allocation System Using Genetic Combining Classifiers at Shahid Rajaee S.E.Z.

   K.Azaryoun - Master Degree Student of Iran University of Science and Technology and IT expert of Tidewater Company
   M.Analoui - Professor of Iran University of Science and Technology, Computer Department.
K.Jalali - IT Manager of Tidewater Company, Professor of Islamic Azad University

چکیده مقاله:

There are three significant bottlenecks at Shahid Rajee port complex as the largest Iranian container terminal as well as other eminent container terminals in the world: load and unload scheduling, resource management and yard allocation. These bottlenecks are correlated to each other. Since an impertinent yard allocation will hinder resource management and load and unload scheduling systems to attain to a perfect result so obviously it should be regarded as a chief problem in container terminals.
Classifiers are abstract entities which try to label unknown objects from a specified dataset. Each classifier works based on its own accuracy, so sometimes it is preferable to use a collection of classifiers (which is called ensemble) instead of single ones and aggregate the answers of each classifier to obtain the final result. Majority Vote is the most famous approach in this case. In this article we have extended combining classifiers and introduced a new genetic approach for the aggregation phase. As a matter of fact in this article a methodology based on the concept of genetic algorithms (GA) is developed for combining classifiers systems to solve yard allocation problem, on the other hand, we have proposed a genetic based approach for fusion classification to be used as a core of yard management system. Both chief attitudes of genetic algorithms, exploration and exploitation, have been used in order to find the most appropriate label for each dataset member upon the probability for each classifier in the ensemble to give the correct class label of each class. The superiority of the proposed system against some customary approaches has been presented for some real data of Shahid Rajaee port complex.

کلیدواژه‌ها:

Yard Allocation System, Combining Classifier Systems, Container Terminal, Fusion Classifiers, Genetic Algorithms, Majority Vote

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NSMI08-NSMI08_073.html
کد COI مقاله: NSMI08_073

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
K.Azaryoun, ; M.Analoui & K.Jalali, ۱۳۸۵, Yard Allocation System Using Genetic Combining Classifiers at Shahid Rajaee S.E.Z., هشتمین همایش ملی صنایع دریایی ایران, بوشهر, انجمن مهندسی دریایی ایران, https://www.civilica.com/Paper-NSMI08-NSMI08_073.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (K.Azaryoun, ; M.Analoui & K.Jalali, ۱۳۸۵)
برای بار دوم به بعد: (K.Azaryoun; M.Analoui & K.Jalali, ۱۳۸۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۲۷۷۱۱
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.