۱۳۸۹۴پ
per
ارائه روشی هوشمند برای حل مسئله زمان‌بندی دوره‌ای قطار شهری
QA
/فرهاد غیبی
: پردیس بین المللی ارس
، ۱۳۹۴
، راشدی
چاپی
کارشناسی ارشد
رشته مهندسی کامپیوتر گرایش نرم افزار
۱۳۹۴/۰۶/۳۰
دانشگاه تبریز
:امروزه شاهد به کارگیری سیستم ریلی در داخل شهرها و تشکیل شدن سیستم‌های حمل و نقل قطار شهری هستیم .مسئله زمان‌بندی در صنعت ریلی نقش بسیار مهمی دارد و یکی از اساسی‌ترین کارها در سیستم حمل و نقل قطار شهری بشمار می‌رود .مسئله زمان‌بندی از جمله مسائل چند جمله‌ای-کامل محسوب می‌شود .زمان‌بندی قطار شهری نیز از این قاعده مستثنی نبوده و محققان زیادی را به خود جذب کرده است .حل مسئله زمان‌بندی دوره‌ای قطار شهری تاثیر مهمی در فراهم کردن کیفیت سرویس در سیستم حمل و نقل شهری دارد و در طول سال‌ها روش‌های متعددی برای حل این مسئله ارائه شده است .روش‌های سنتی مبتنی بر الگوریتم‌های حریصانه که برای حل این مسئله ارائه شده‌اند زمانی که ابعاد مسئله بزرگتر می‌شود، سربار محاسباتی و عملیات پرهزینه‌ای را دربر دارند .از این‌رو محققان به دلیل اینکه ابعاد مسئله زمان‌بندی قطار شهری وسیع‌تر و پارامترهای مختلفی در مسئله دخیل هستند، الگوریتم‌های هوشمند را برای ایجاد یک جدول زمانی بهینه، پیشنهاد داده‌اند .این الگوریتم‌ها به راحتی قادرند در کوتاه‌ترین زمان ممکن مسائل مربوط به زمان‌بندی از جمله زمان‌بندی قطار شهری را حل کنند .با توجه به موفقیت الگوریتم‌های هوشمند در حل مسئله زمان‌بندی قطار شهری، در این پایان نامه الگوریتم تکامل تفاضلی بهبود یافته به همراه پارامترهای تطبیقی برای حل مسئله زمان‌بندی دوره‌ای قطار شهری ارائه می‌شود .در الگوریتم ارائه شده پارامترهای مقیاس و احتمال تقاطع به صورت تطبیقی تعیین می‌شوند .علاوه بر این، با استفاده از یک پارامتر جدید () و تعیین مقدار برای آن، استراتژی جهش بر خلاف روش‌های مرسوم انجام می‌شود .این استراتژی باعث همگرایی سریع‌تر الگوریتم پیشنهادی نسبت به الگوریتم تکامل تفاضلی مرسوم بدون کنترل پارامتر خواهد گردید .جهت اثبات صحت عملکرد الگوریتم تکامل تفاضلی بهبود یافته، این الگوریتم با یکی از جدیدترین الگوریتم‌ها در این زمینه و الگوریتم تکامل تفاضلی پایه و همچنین الگوریتم‌های ژنتیک و بهینه سازی ازدحام ذرات مقایسه شده و در انتها با توابع محک نیز مورد آزمایش قرار می‌گیرد
Today we are seeing the use of the rail system in the cities and forming of urban rail Transit Systems. Scheduling is of great importance in the rail industry, and is one of the basic issues in the Urban Rail Transit System. Issues of which are related to scheduling of Urban Train are considered as issues of NP-Complete and it can be said that has attracted many researchers. Solving the periodic problems of scheduling is of great importance in providing Quality of Service in the urban transit system, such that in recent years several methods have been proposed for solving this issue.Traditional methods based on greedy algorithms, which are presented in order to solve this problem, when the dimensions of the problem get greater, it would be followed by computational overhead and costly operations. Because the dimensions of issues related to scheduling are more extensive, and also because various parameters are involved in it, researchers have proposed intelligent procedures for making an optimal timetable.Due to the success of the evolutionary algorithm for solving the issues related to scheduling of Urban Rail, in this study Modified Differential Evolution algorithm is presented with adaptive parameters for solving issues related to periodic scheduling of Urban Rail. In this algorithm the parameters of Scaling and Crossover Probability are determined in an adaptive manner. Furthermore, through using a new parameter (?) and determining its amount, mutation strategy has been done against conventional approaches. This strategy will strengthen the differential evolution algorithm and faster convergence as compared to conventional algorithm of Differential Evolution without control parameter. In order to prove the proposed algorithm, the algorithm is compared with algorithms of DPDE and DE and tested with benchmark functions
QA
غیبی، فرهاد
اقدسی، سیدهادی، استاد راهنما
زلفی، مینا، استاد مشاور
دکتر سید هادی پیغمبر دوست، استاد مشاور
سیاه و سفید
نمایه‌سازی قبلی
