Journal of Operational Research and Its Applications
تحقیق در عملیات در کاربردهای آن
jor
Basic Sciences
http://jamlu.liau.ac.ir
1
admin
2251-7286
2251-9807
8
10.61186/jamlu
14
8888
13
fa
jalali
1397
10
1
gregorian
2019
1
1
15
4
online
1
fulltext
fa
مدلبندی و حل مساله ماکزیمم پوشش p -هاب تک تخصیصی با پوشش تدریجی
Modeling and Solving Single-Allocation p-Hub Maximal Covering Location Problem with Gradual Coverage
تخصصي
Special
پژوهشي
Research
<span style="font-family:b zar;"><span style="font-size:12.0pt;">مساله ماکزیمم پوشش </span></span><em><span dir="LTR"><span style="font-family:times new roman,serif;">p</span></span></em><span style="font-family:b zar;"><span style="font-size:12.0pt;">- هاب یکی از مسایل پر­کاربرد مکان­یابی می­ باشد. در این مساله هدف تعیین بهترین مکان برای هاب­ ها است به­ طوری­ که با در نظر گرفتن شعاع پوشش از قبل تعیین شده، تقاضای پوشش داده شده ماکزیمم شود. در مسایل کلاسیک هاب اگر فاصله جفت مبدا و مقصد از مقدار مفروض کمتر باشد، امکان پوشش وجود دارد و در غیر این­صورت تقاضای بین دو نقطه پوشش داده نمی ­شود. در این مقاله مساله ماکزیمم پوشش </span></span><em><span dir="LTR"><span style="font-family:times new roman,serif;">p</span></span></em><em><span style="font-family:b zar;"><span style="font-size:12.0pt;">-</span></span></em><span style="font-family:b zar;"><span style="font-size:12.0pt;"> هاب با امکان پوشش تدریجی مورد بررسی قرار­ می­ گیرد. ابتدا مفهوم پوشش تدریجی و توسعه­ ای از توابع پوششی بررسی و سپس مدل ریاضی جدیدی برای مساله ارایه می­شود. همچنین برای محاسبه کران بالای مناسب برای مساله، از روش ساده­ سازی لاگرانژین و برای حل آن از یک روش ابتکاری و الگوریتم ژنتیک استفاده شده ­است. در نهایت نتایج حاصل از به­ کارگیری این روش­ها با نتایج حاصل از نرم افزارگمز، مقایسه می­ شود. این مقایسه نشان می­ دهد مدل ارایه شده برای پوشش تدریجی و پارامتر پوشش جدید در مقایسه با مدل و تابع پوشش موجود در ادبیات موضوع نتایج مناسب ­تری دارد. همچنین به­ کارگیری ساده­سازی لاگرانژین، کران بالای مناسب برای مساله حاصل می­ کند. روش ابتکاری نتایج محاسباتی بهتری در زمان کمتر بهدست می ­آورد و الگوریتم ژنتیک نیز خصوصا برای داده­ های با ابعاد بزرگ، با زمان محاسبات کمتر، پوشش بیشتری نسبت به حل نمونه­ ها با نرم افزارگمز ایجاد می­ کند.</span></span><br>
P-hub maximal covering location problem is one of the most commonly used location- allocation problems. In this problem, the goal is to determine the best location for the hubs such that the covered demand is maximized by considering the predefined coverage radius. In classical hub problems, if the distance between the origin and destination is less than this radius, coverage is possible; otherwise the demand between the two points will not be covered. In this paper, the problem of p-hub maximal covering is investigated with gradual coverage. First, the concept of gradual coverage and its developed functions is examined and then, a new mathematical model is presented for the problem. Also, in order to calculate the appropriate upper bound for the problem, the Lagrangian relaxation method is used and a heuristic method and a genetic algorithm are used to solve it. Finally, the results of using these methods are compared with the results of GAMS software. This comparison shows that the new model presented for gradual coverage and the new covering parameter have more suitable results in comparison with the coverage model and function in the literature of the subject. Also, applying Lagrangian relaxation will provide a suitable upper bound for the problem. The heuristic method yields better computational results in less time, and the genetic algorithm provides more coverage with less computational time compared to solving examples with the GAMS software, especially for larger test instances.<br>
مساله ماکزیمم پوشش p-هاب, پوشش تدریجی, الگوریتم ابتکاری, ساده سازی لاگرانژین, الگوریتم ژنتیک
Hub Maximal Covering Location Problem, gradual Coverage, Lagrangean Relaxation, Heuristic Algorithm, Genetic Algorithm
97
119
http://jamlu.liau.ac.ir/browse.php?a_code=A-11-1142-3&slc_lang=fa&sid=1
F.
Moeen Moghadas
فروغ
معین مقدس
f.moeen@ub.ac.ir
10031947532846006406
10031947532846006406
Yes
Department of Mathematics, University of Bojnord, Bojnord, Iran
دانشگاه بجنورد، دانشکده علوم پایه، گروه ریاضی، بجنورد
S.
Roobin
صفیه
روبین
roobin.safiyeh@gmail.com
10031947532846006407
10031947532846006407
No
Department of Mathematics, University of Bojnord, Bojnord, Iran
دانشگاه بجنورد، دانشکده علوم پایه، گروه ریاضی، بجنورد، ایران