بررسی توزیع ناوگان عمومی با استفاده از الگوریتم های PSO و شبکه عصبی

از دیرباز مسئله حرکت، جابجایی و انتقال کالا و خدمات برای انسان حائز اهمیت بوده و انسان همواره در جستجوی راه هایی برای برطرف نمودن این نیاز مهم بوده است. هر چه جوامع بزرگ تر و پیشرفته تر شدند، بر پیچیدگی مسئله حمل و نقل نیز افزوده شده است. در این پژوهش سعی شده تا با تلفیق دو الگوریتم PSO و شبکه عصبی جهت بهینه سازی مکان ها و مسیرها و همچنین مدیریت زمان سفر،تاثیرگذار باشیم.ابتدا داده های مختلفی جهت انجام مکان یابی بهینه و توزیع ناوگان حمل و نقل جمع آوری می شود که شامل شبکه معابر و خیابان های شهر رشت، مکان ایستگاه های اتوبوس، ماتریس مبدا-مقصد و تقاضای سفر در ساعات مختلف است. سپس پیش پردازش برای آماده سازی داده ها جهت ورود به مدل های محاسباتی PSO آغاز گردیده و این الگوریتم با استفاده از جمعیت اولیه، پارامترهای تنظیم شده و تابع هدف تعریف و اجرا می گردد و نتایج PSO با داده های جغرافیایی برای تولید نقشه نهایی مکان های پیشنهادی جدید ایستگاه اتوبوس در شهر رشت تلفیق می شود.سپیس برای مسیر یابی در شبکه عصبی مقداردهی اولیه انجام می گیرد. به گره مبدا، صفر و به سایر گره ها، مقدار بی نهایت اختصاص میدهیم. سپس مجموعه گره های بازدید نشده ایجاد می گردد. از بین گره های بازدید نشده، گره ای که کمترین مقدار را دارد، انتخاب و از مجموعه گره های بازدید نشده حذف می شود. این روند تا زمانی که همه گره ها بازدید شوند، تکرار شده و مسیر های بهینه تعریف می شود. نتایج نشان می دهد نقشه مسیرهای پیشنهادی در شبکه عصبی منطبق بر ایستگاه های ارائه شده در PSO می باشد.

کلیدواژه ها:

ارزش زمان ، بهینه سازی مسیر ها ، توزیع ناوگان عمومی ، کاهش سوخت