بهینه سازی مسیرهای اورژانس شهری با ترکیب الگوریتم حریصانه و یادگیری تقویتی Q-Learning

پیدا کردن مسیر های عبور و مرور خودروهای اورژانس یکی از مسایلی است که کمک بسیاری به بهبود وضعیت سیستم های درمان جهت رفاه و نجات جان بیماران می کند، برای حل مشکلات پیدا کردن مسیر بهینه و دقیق در این مقاله از ترکیب روش های یادگیری تقویتی و هوش جمعی استفاده شده است. الگوریتم مورد استفاده قرار گرفته برای بهینه سازی مسیر ، الگوریتم Q-Learning است که با توجه به کارایی بالای این الگوریتم، انتخاب آن گزینه ی مناسبی برای انجام مسیریابی است،بهینه سازی مسیرهای اورژانس از ابعاد گوناگونی قابل بررسی است در این تحقیق با استفاده از روش ارایه شده دقت انتخاب مسیر بهینه نسبت به روش های پیشین افزایش یافته است تا مسیری انتخاب شود که بتواند شرایط مختلف مسیر از جمله تمامی ارتباط ها، فاصله و عدم ارتباط بین مسیرهای موجود و میزان ترافیک موجود در مسیرهای موجود در نظر گرفته شود،در این راستا با توجه به توانایی الگوریتم Q-Learning در زمینه ی اعمال شرایط موجود در مسیریابی از طریق پاداش دادن به عامل و جریمه کردن آن، از این الگوریتم جهت یافتن مسیر بهینه استفاده شده است، همچنین با توجه به کارایی بالای الگوریتم Q-Learning در محیط های ناشناخته و باتوجه به مسیله ی مسیریابی که در هر لحظه با شرایط جدیدی روبه رو هستند، استفاده ازاین الگوریتم، انتخاب بسیار مناسبی جهت انجام عمل مسیریابی است و در پارامترهای جستجوی مسیر، از روش حریصانه استفاده شده است

کلیدواژه ها:

بهینه سازی مسیر ، مسیریابی چند معیاری ، الگوریتم Q-Learning ، جستجوی حریصانه ، یادگیری تقویتی