OTHERS_CITABLE
طراحی یک مدل یادگیری تمیزدهنده جهت بهبود مسیرهای اتوبوس در شبکهی حمل و نقل بهینه
طراحی شبکهی حمل و نقل اتوبوس (BTN) یکی از مهمترین مباحث در مدیریت شهری است. پارامترهای تاثیر گذار زیادی در این طراحی، موثر میباشند. پارامترهایی که در مجموع منجر به برآورده شدن مجموعهای از اهداف مدیریت شهری میشود. بهبود دسترسی پذیری شهروندان، پوشش مساحت بیشتری از سطح شهر، کاهش زمان انتظار و هزینه و همچنین کاستن از تعداد تعویض خطوط اتوبوس برای رسیدن به مقصد یک مسافر، از جملهی این اهداف است. طراحی یک BTN یک مسالهی NP-hard میباشد و بنابراین رسیدن به یک پاسخ بهینه در طراحیهای با ابعاد بالا کاری دشوار است. راهحل معمول در طراحی یک BTN به این صورت میباشد: کاهش فضای جستجوی ممکن در ابتدا و سپس ساخت شبکه بر اساس اولویتهای مدیریت شهری. در این مقاله یک روش جدید برای ارتقای طراحی یک BTN ارایه میشود که مبتنی بر یادگیری آماری میباشد. این مدل به کمک روشهای یادگیری آماری و ترکیب آنها با یکدیگر تولید میشود. در این تحقیق دانش متخصصان انسانی از شبکهی BTN فعلی استخراج میشود، سپس این دانش برای کوچک کردن فضای جستجویِ طراحی یک BTN به محدودهای کوچک از معابر به کار گرفته میشود. این معابر ویژگیهای لازم برای شرکت در BTN را دارند و میتوانند برای مسالهی طراحی شبکهی اتوبوسرانی BTNDP یا توسعهی BTN فعلی به کار گرفته شوند. در این مقاله از Naïve Bayesian و دو روش دیگر رگرسیون پایه و ورژن ترکیبی آنها برای تولید مدل خود بهره گرفته شده است. ارزیابی مدل تولیدی بر اساس دقت، False positive و True positive صورت میگیرد. مقادیر به دست آمده از این معیارها قابل اعتماد بودن روش پیشنهادی را تصدیق میکند. دیتاست مورد استفاده در این مقاله، شامل اطلاعات شبکهی اتوبوس رانی شهر تهران میباشد.
http://jamlu.liau.ac.ir/article-1-1307-fa.pdf
2016-08-15
1
18
رگرسیون
Naïve Bayesian
شبکهی حمل و نقل اتوبوس (BTN)
مسالهی طراحی شبکهی حمل و نقل اتوبوس (BTNDP)
Design a Discriminative Learning Model to Improve Bus Routes of Bus Transit Network
Design a Bus Transit Network is an important problem of the Urban Management. There are a large number of variables that must be considered to design a bus transit network. These variables are used to reach a set of goals such as accessibility, maximum coverage, reduction of waiting time and decrease operational costs and number of transfer between line stops. Design a Bus Transit Network is NP-hard problem. This problem doesn't have optimal solution in large scale. The general way to design Bus Transit Network is as follows: Search space of feasible solutions are reduced then final network is constructed by notice to urban priorities. In this paper, we proposed a new method to design a Bus Transit Network. Our approach is a Statistical learning method. It extracts knowledge of human experts from existing Bus Transit Networks. Then this knowledge is applied to reduce search space and make a Bus Transit Network. The learned model of our approach is constructed by several statistical learning method and their hybrids. In this paper, we applied Naïve Bayesian, two regression based methods and hybrid version of them to build model. Evaluation of the learned model is based on Accuracy, False Positive and True Positive criteria. The values of these criteria show high confidence of our approach. In this paper, we applied Tehran Bus Transit Network as our data set.
http://jamlu.liau.ac.ir/article-1-1307-en.pdf
2016-08-15
1
18
Regression
Naïve Bayesian
Bus Transit Network (BTN)
Bus Transit Network Design Problem (BTNDP).
mjahanshahi@iauctb.ac.ir
1
AUTHOR
2
AUTHOR
3
AUTHOR
4
AUTHOR
OTHERS_CITABLE
یک الگوریتم کارا برای زیر مسالهی ناحیه اطمینان توسیع یافته با دو قید خطی
زیر مسالهی ناحیه اطمینان (TRS) که در واقع مسالهی مینیممسازی یک تابع درجهی دوم روی یک گوی است، نقش کلیدی در حل مسایل بهینهسازی غیرخطی نامقید ایفا میکند و علی رغم این که لزوماً محدب نیست، الگوریتمهای کارای متعددی برای حل آن به ویژه برای حل آن در ابعاد بزرگ ارایه شده است. اخیراً توسیع زیر مسالهی ناحیه اطمینان به مسالهای با قیود خطی اضافی مورد توجه بسیاری از محققان قرار گرفته است. مطالعات انجام شده نشان میدهد هنگامی که قیود خطی مسالهی توسیع یافته درون گوی اشتراک ندارند، جواب بهینهی مساله را میتوان از طریق حل یک مسالهی بهینهسازی مخروطی به دست آورد. در هر صورت حل مسایل بهینهسازی مخروطی در ابعاد بزرگ و حتی در ابعاد متوسط عملی نیست. در این مقاله حل مسالهی ناحیه اطمینان توسیع یافته با دو قید خطی بدون در نظر گرفتن هیچ شرطی روی قیود آن مورد مطالعه قرار گرفته است. جدیدترین الگوریتمهای موجود برای حل زیرمسالهی ناحیه اطمینان و محاسبهی مینیمم موضعی غیر سراسری آن که مساله را از طریق حل یک مسالهی مقدار ویژهی تعمیم یافته حل میکنند برای حل مسالهی توسیع یافته در ابعاد بزرگ توسعه داده میشود. در پایان کارایی الگوریتم پیشنهادی روی دستهای از مسایل تصادفی ارزیابی میشود.
http://jamlu.liau.ac.ir/article-1-1333-fa.pdf
2016-09-19
19
33
زیر مسالهی ناحیه اطمینان توسیع یافته
مسالهی مقدار ویژهی تعمیم یافته
بهینهسازی سراسری
An Efficient Algorithm for the Extended Trust Region Subproblem with Two Linear Constraints
Trust region subproblem (TRS), which is the problem of minimizing a quadratic function over a ball, plays a key role in solving unconstrained nonlinear optimization problems. Though TRS is not necessarily convex, there are efficient algorithms to solve it, particularly in large scale. Recently, extensions of TRS with extra linear constraints have received attention of several researchers. It has been shown that in the case where the linear constraints do not intersect within the ball, the optimal solution of the extended problem can be computed via solving a conic optimization problem. However, solving large-scale or even medium scale conic optimization problems are not practicable. In this paper, the extended trust region subproblem with two linear constraints without any assumptions on the constraints is considered. The latest algorithms for solving TRS and computing its local non-global minimizer, that solve the problem via a generalized eigenvalue problem, are used to solve the extended trust region subproblem. Finally, the efficiency of the proposed algorithm is evaluated on several randomly generated instances
http://jamlu.liau.ac.ir/article-1-1333-en.pdf
2016-09-19
19
33
Extend Trust Region Subproblem
Generalized Eigenvalue Problem
Global Optimization.
1
AUTHOR
salahim@guilan.ac.ir
2
AUTHOR
OTHERS_CITABLE
بهینه سازی زمان بندی الگوریتم های موازی با استفاده از الگوریتم ژنتیک
زمانبندی مجموعهای از ماشینهای موازی که در یک محیط هستند، هم از نظر تئوری و هم از نظر کاربردی مهم است. از نظر تئوری، تعمیم مسالهی زمانبندی یک ماشین است و از نظر کاربردی صحت منابع موازی در جهان واقعی میباشد. وقتی ماشینها، کامپیوتر باشند یک برنامه ی موازی نیاز است زیرا اعضای مجموعه به طور موازی اجرا میشوند و این اجرا براساس ارتباطات تقدمی آنها است. مزیت اجرای زمان بندی وظایف، قدرت محاسباتی کامل را فراهم میکند که به وسیلهی سیستم چندپردازنده یا چندکامپیوتری به دست میآید. در این مقاله نشان میدهیم مساله ی تخصیص تعدادی وظایف ناهمسان در سیستمهای چندپردازنده یا چندکامپیوتری چگونه است. مدل فرضی سیستم شامل تعداد پردازندهی همسان است و در یک زمان، فقط یک وظیفه، روی یک پردازنده اجرا میشود و نیز همهی زمانبندی ها و وظایف، غیر انحصاری هستند
http://jamlu.liau.ac.ir/article-1-1346-fa.pdf
2016-10-01
35
52
الگوریتم ژنتیک
الگوریتم های موازی
گراف وظیفه
زمان بندی وظایف
Optimization Parallel Algorithm Scheduling by Genetic Algorithm
In scheduling, a set of machines in parallel is a setting that is important, from both the theoretical and practical points of view. From the theoretical viewpoint, it is a generalization of the single machine scheduling problem. From the practical point of view the occurrence of resources in parallel is common in real-world. When machines are computers, a parallel program can be conceived as a set of parallel components (tasks) which can be executed according to some precedence relationship. This paper shows the problem of allocating a number of non-identical tasks in a multi-processor or multicomputer system. The model assumes that the system consists of a number of identical processors and only one task may execute on a processor at a time. All schedules and tasks are non-preemptive.
http://jamlu.liau.ac.ir/article-1-1346-en.pdf
2016-10-01
35
52
Genetic Algorithm
Parallel Algorithm
Task Graph
Task Scheduling
1
AUTHOR
Ah_refahi@liau.ac.ir
2
AUTHOR
3
AUTHOR
OTHERS_CITABLE
استنباط پیشگو ناپارامتری فازی بهینه برای طرح نمونهگیری جهت پذیرش یک مرحلهای
نمونه گیری برای پذیرش یکی از اجزای اصلی در زمینهی کنترل کیفیت آماری است، که در ابتدا برای بازرسی از محمولههای ورودی یا خروجی استفاده میشود. روشهای نمونهگیری جهت پذیرش میتواند، در یک برنامه کنترل پذیرش بهمنظور رسیدن به کیفیت بهتر با هزینهی کمتر، بهبود کنترل و افزایش بهره وری، استفاده شود. در این مقاله نمونهگیری جهت پذیرش به روش استنباط پیشگو ناپارامتری را در محیط فازی بررسی مینماییم. در برخی از موارد، تعریف پارامترهای طرح نمونهگیری برای پذیرش به صورت مقادیر قطعی ممکن نیست. به خصوص در محیطهای تولید، ممکن است تعریف پارامترهای تعداد عناصر منطبق یا حجم نمونه به عنوان ارزش قطعی آسان نباشد. در این موارد، این پارامترها میتوانند با متغیرهای زبانی بیان شوند. نظریهی مجموعهی فازی را میتوان با موفقیت برای مقابله با ابهام در این عبارات زبانی جهت نمونهگیری برای پذیرش به روش استنباط پیشگو ناپارامتری بهکار برد. به عبارت دیگر هدف این مقاله ارایهی روش جدید تحت عنوان استنباط پیشگو ناپارامتری فازی برای طرح نمونهگیری جهت پذیرش یک مرحلهای میباشد
http://jamlu.liau.ac.ir/article-1-1376-fa.pdf
2016-11-01
53
68
اعداد فازی
استنباط پیشگو ناپارامتری
نمونهگیری برای پذیرش
Optimum Fuzzy Non-parametric Predictive Inference for Single Acceptance Sampling
Acceptance sampling is one of the main parts of the statistical quality control. It is primarily used for the inspection of incoming or outgoing lots. Acceptance sampling procedures can be used in an acceptance control program to reach better quality with lower expenses, improvement of the control and the increase of efficiency. The aims of this paper, studying acceptance sampling based on non-parametric predictive inference in a fuzzy environment. In some cases, it may not be possible to define acceptance sampling parameters as crisp values. Especially in production environments, it may not be easy to define the parameters number of conforming items and the size of the samples crisp values. In these cases, these parameters can be expressed by linguistic variables. The fuzzy set theory can be used successfully to cope the vagueness in these linguistic expressions for acceptance sampling based on non-parametric predictive inference. In other words, the aim of this paper is present a new method titled fuzzy non-parametric predictive inference for single acceptance sampling plan
http://jamlu.liau.ac.ir/article-1-1376-en.pdf
2016-11-01
53
68
Fuzzy Numbers
Non-Parametric Predictive Inference
Acceptance Sampling
1
AUTHOR
sadeghpour@um.ac.ir
2
AUTHOR
3
AUTHOR
4
AUTHOR
OTHERS_CITABLE
الگوریتم های بهینه برای مدل های مکانیابی 2- مرکز ناخوشایند پشتیبان روی گراف های درختی
در این مقاله به مطالعه و بررسی مسایل مکانیابی 2- مرکز ناخوشایند پشتیبان روی گرافهای درختی پرداخته میشود. هدف پیدا کردن بهترین مکان روی مجموعه راسی درخت داده شده جهت تاسیس دو سرویسدهندهی ناخوشایند میباشد بهطوریکه نزدیکترین فاصلهی مورد انتظار بین مشتریان موجود و سرویسدهندههای فعال ماکزیمم گردد با فرض آنکه هر سرویسدهنده ممکن است با یک احتمال مشخص از ارایهی خدمات قصور نموده و در اینصورت سرویسدهنده فعال دیگر باید به تمامی مشتریان روی سیستم خدمتدهی نماید. الگوریتمهای ترکیبیاتی دقیق با پیچیدگیهای زمانی و برای بهدست آوردن جوابهای بهینه دو نوع مدل خاص طراحی و پیشنهاد میگردند بهطوریکه نشاندهندهی تعداد راسهای گراف درختی داده شده میباشد.
http://jamlu.liau.ac.ir/article-1-1377-fa.pdf
2016-11-02
69
83
بهینه سازی ترکیبیاتی
مدل مکانیابی تسهیلات
مرکز ناخوشایند پشتیبان
پیچیدگی زمانی
The Optimal Algorithms for Backup Undesirable 2-Center Location Models on Tree Graphs
In this paper, we investigate the backup undesirable -center location models on tree graphs. The aim is to obtain the best locations on the vertex set of the underlying tree for establishing two undesirable servers so that the expected value of the closest distance from the existing customers to the functioning facilities is maximized under the assumption that any facility may fail with a given probability and in this case the other active server must serve all the customers. The exact combinatorial algorithms with and time complexities are developed for obtaining the optimal solutions of two certain models, where is the number of the vertices in the given tree graph.
http://jamlu.liau.ac.ir/article-1-1377-en.pdf
2016-11-02
69
83
Combinatorial Optimization
Facility Location
Backup Undesirable Center
Time Complexity.
1
AUTHOR
alizadeh@sut.ac.ir
2
AUTHOR
3
AUTHOR
OTHERS_CITABLE
یک روش نایکنوای فیلتردار برای حل دستگاه معادلات غیرخطی
در این مقاله یک روش جدید برای حل دستگاه معادلات غیرخطی معرفی میکنیم که در آن از یک استراتژی نایکنوا مشتق آزاد استفاده شده است. همچنین، این روش با استفاده از تکنیک فیلتر پیادهسازی شده است. با استفاده از این مفهوم، بسیاری از نقاط آزمایشی بهدست آمده در تکرارها که توسط الگوریتمهای جستجوی خطی حذف میشدند، ذخیره خواهند شد. الگوریتم جدید از اطلاعات نقاط موجود در فیلتر برای بهدست آوردن نقاط بعدی بهره میبرد و باعث افزایش سرعت همگرایی الگوریتم میشود. در این روش از یک تکنیک نایکنوای خاص استفاده شده است که به الگوریتم اجازه میدهد از خاصیت نایکنوایی از همان اولین تکرار بهرهمند شود. همگرایی سراسری الگوریتم تحت برخی شرایط استاندارد اثبات میشود. نتایج عددی بهدست آمده از روش جدید روی مجموعه مسایل آزمونی بیانگر کارایی روش پیشنهادی نسبت به برخی روشهای موجود در ادبیات موضوع است.
http://jamlu.liau.ac.ir/article-1-1399-fa.pdf
2016-12-12
85
99
دستگاه معادلات غیرخطی
تکنیک فیلتر
روش جستجوی خطی نایکنوا
همگرایی سراسری
A Filtered Nonmonotone Approach for Solving Nonlinear Systems of Equations
In this paper, a new approach is presented for solving nonlinear systems of equations in which a derivative-free nonmonotone strategy is employed. Besides, the new approach is equipped with a filter technique. Using this concept, we store some trial points that are probably ignored by some other line search methods. The new algorithm utilizes the information of existing points in the filter in order to accept the new point. This causes a fast convergence rate. A specific nonmonotone technique is also used in the structure of the new approach which allows the algorithm to enjoy the nonmonotonicity from scratch. Under some standard assumptions, the global convergence property is established. Numerical results on some test problems show the efficiency of the proposed algorithm compared with some other existing methods in the literature
http://jamlu.liau.ac.ir/article-1-1399-en.pdf
2016-12-12
85
99
Systems of Nonlinear Equations
Filter Technique
Nonmonotone Line Search Method
Global Convergence
1
AUTHOR
peyghami@kntu.ac.ir
2
AUTHOR
OTHERS_CITABLE
یک الگوریتم خطی برای مساله ی پیداکردن هسته ی درخت های بازه ای وزندار
در این مقاله ابتدا گراف های بازه ای را تعریف و سپس مسأله ی پیداکردن هسته روی گراف های بازه ای و درخت های بازه ای را بررسی می کنیم. یک هسته در یک گراف بازه ای، مسیری از بازه های متصل به هم است که مجموع فاصله های تمام بازه ها تا این مسیر کمینه شود. نشان می دهیم بازه هایی که روی هسته ی یک درخت قرار دارند نمی توانند بازه ای غیر ماکسیمال باشند. سپس الگوریتمی با پیچیدگی زمانی o(n) برای پیداکردن هسته ی یک درخت بازه ای ارائه می دهیم.
http://jamlu.liau.ac.ir/article-1-1412-fa.pdf
2016-12-24
101
111
گراف بازه ای
هسته درخت
مکانیابی
A Linear Algorithm for Finding Core of Weighted Interval Trees
In this paper we consider the problem of finding a core of weighted interval trees. A core of an interval graph is a path contains some intervals of graph so that the sum of distances from all intervals to this path is minimized. We show that intervals on core of a tree should be maximal, then a linear time algorithm is presented to find the core of interval trees
http://jamlu.liau.ac.ir/article-1-1412-en.pdf
2016-12-24
101
111
Interval Graph
Core of Tree
Location Problem
1
AUTHOR
fathali@shahroodut.ac.ir
2
AUTHOR
OTHERS_CITABLE
دو آزمون اماری برای شناسایی نقاط پرت در اندازه گیری عملکرد ناپارامتری
در تحلیل پوششی داده ها که از مقایسه ی عملکرد نسبی یک واحد در قیاس با مجموعه ی مرجع برای تشخیص ناکارایی نسبی و ارائه ی الگوی بهبود استفاده می شود، تشخیص درست واحدهای پرت برای دستیابی به نتایج دقیق بسیار مهم است. در این نوع مدل ها ی مرز قطعی، امروزه به کارگیری آزمون های آماری در تشخیص داده های پرت بسیار مرسوم هستند. این مقاله به معرفی دو آزمون آماری برای تشخیص نقاط پرت در تحلیل پوششی داده ها می پردازد. در هر دو روش ارایه شده ، هر مشاهده یک بار از نمونه حذف شده و نتایج مدل های برآورد کارایی مربوط به حذف این واحد برای تولید به توزیع برآورد کارایی قبل و بعد از حذف استفاده می شود. بر اساس توزیع به دست آمده، دو آزمون آماری طراحی و معرفی می شود تا نقاط پرت بالقوه را شناسایی کند. نتایج اجرای این روش را از طریق مجموعه ای از داده های واقعی نشان داده ایم. در مجموع، روش معرفی شده می تواند در اولین گام قبل از استفاده از هر برآورد مرزی جهت تشخیص و حذف داده های پرت استفاده شود.
http://jamlu.liau.ac.ir/article-1-1413-fa.pdf
2016-12-24
113
121
تحلیل پوششی داده ها
نقاط پرت
کارایی
آزمون نابرابری چبیشف
آماره ی کوک
Two Statistical Tests for Outlier Identification in Non-Parametric Performance Measurement
In data envelopment analysis the use of peer set to assess individual or best practice performance, detecting outliers is critical for achieving accurate results. In these deterministic frontier models, statistical tests are now mostly available. This paper deals with two statistical tests for detecting outliers in data envelopment analysis. In the presented methods, each observation is deleted from the sample once and the resulting DEA model is solved, leading to a distribution of efficiency estimates; before and after elimination. Based on the achieved distribution, two statistical tests are then designed to identify the potential outlier(s). We illustrate the method through a real data set. The method could be used in a first step before using any frontier estimation
http://jamlu.liau.ac.ir/article-1-1413-en.pdf
2016-12-24
113
121
Data Envelopment Analysis (DEA)
Outlier
Efficiency
Chebyshev’s Inequality test
Cook Statistics
mfsiavash@gmail.com
1
AUTHOR
2
AUTHOR
3
AUTHOR