بهینه سازی ماشین آلات عملیات خاکی بوسیله الگوریتم ژنتیک
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,088
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICSAU03_1450
تاریخ نمایه سازی: 12 تیر 1395
چکیده مقاله:
انجام عملیات خاکی از مهمترین و پرهزینهترین بخشهای پروژههای ساختمانی و پروژههای برداشت مصالح از معادن سطحی میباشد. یکی از عوامل مهم در انجام موفق طرحها و پروژههای بزرگ نظیر سد، راه، تونل و موارد دیگر نقش ماشین آلات و به تبع آن ن وه انتخاب و مدیریت ص یح آن میباشد. به دلیل مقیاس بالای پروژههای ساخت، حتی یک بهبود کوچک درکارآیی عملیات، سبب صرفهجویی بسیار در کار میشود. دراین مقاله تلاش شده است با استفاده از الگوریتم ژنتیک چندمنظوره ترکیباتی از ناوگانهای مختلف برای انتخاب ناوگان ماشینآلات عملیات خاکی، شامل ماشینآلات حفاری )لودر(باچندنوع مختلف کامیون، الگویی مناسب ارائه گردد. الگوریتم ژنتیک چندمنظوره برخلاف الگوریتم تک هدفه که به دنبال بهتربن جواب است، مجموعهای از جوابها را در من نی پارتو رسم میکند و مدلهای ارائه شده در منحنی پارتو به تصمیم گیرنده کمک مینماید تا نسبت به انتخاب ناوگانی از ماشینآلات که قادر باشد با کمترین هزینه و زمان، حجم بیشتری از عملیات خاکی را به اتمام برساند، اقدام نماید. همچنین در این مقاله با مقایسا روش الگوریتم ژنتیک چندمنظوره بار وشهاای دیگر، روشالگوریتم ژنتیک چندمنظوره، جواب مناسبتری نسبت به سایر روشها را میدهد، به طوریکه در این روش، کامیون نوع 3 در مدت زمان خواسته شده یعنی 22 روز و با هزینه کمتر یعنی 1.51 % نسبت به روش معین و 1152 % نسبت به روش کابررا و ماهر عملیات را به پایان میرساند، همچنین با تحلیل حساسیت مشاهده می شود، اگر 12 درصاد حجم عملیات کاهش داده شود، در همان مدت زمان 22 روز، 13 درصد در تعداد کامیون و 12 درصد هزینهی عملیات کاهش پیدا میکند.
کلیدواژه ها:
نویسندگان
داود اسکندری
مدرس آموزشکده فنی چمران اهر
علی عبدی
استادیار دانشگاه بین المللی امام خمینی قزوین
وحید اسکندری
دانشجوی کارشناسی عمران دانشگاه تبریز
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 :