ارائه یک مدل ریاضی در شرایط عدم قطعیت برای مسیریابی بهینه آمبولانس با استفاده از روششبکه عصبی

وظیفه اصلی مدیریت آمبولانس ها در شرایط واکنش به بلایا، ارائه کمک های اولیه به افراد آسیب دیده و رساندنمجروحان جدی به بیمارستان های در حال کار است. مدیریت عملیات آمبولانس ها در عواقب فوری یک فاجعهبه دلیل پویایی و عدم قطعیتی که با آن شرایط برنامه ریزی (به ویژه اطلاعات مربوطه) در طول زمان تغییر می کند،بسیار پیچیده است. پژوهش حاضر به لحاظ هدف از نوع پژوهش کاربردی است، از این جهت که نتایج پژوهش می تواند در مراکز درمانی و شرایط اضطرار استفاده شود و به لحاظ روش انجام، توصیفی از نوع پیمایشی است. در این پایان نامه از شبکه های عصبی برای کمک به تجزیه و تحلیل داده های مورد نیاز برای توسعه مدل ریاضیمسیریابی آمبولانس استفاده میشود.نتایج نشان داد استفاده از شبکه های عصبی به ما این امکان را می دهد که زمان پاسخگویی و هزینه های حمل و نقل را به طور دقیق پیش بینی کنیم. الگوریتم ژنتیک NSGA-II در یافتن مسیرهای آمبولانس بهینه برای هر نوع اورژانس موثر بود. با گنجاندن مسیرهای بهینه شده در مدل، توانستیمزمان پاسخگویی و هزینه های حمل و نقل را به میزان قابل توجهی کاهش دهیم. به طور کلی، نتایج ما نشان می دهد که این رویکرد پتانسیل بهبود کارایی خدمات اضطراری و نجات جان افراد را دارد.

کلیدواژه ها:

مسیریابی- مکانیابی ، عدم قطعیت ، الگوریتم ژنتیک ، شبکه عصبی.