مدلسازی مسئله مکان‏یابی و تخصیص در شرایط بحران زلزله و حل آن به‏ وسیله الگوریتم‏ های فراابتکاری

نوع مقاله : مقاله علمی - پژوهشی

نویسندگان

1 کارشناسی ارشد، گروه مهندسی صنایع، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران

2 استادیار، گروه مهندسی صنایع، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران

چکیده

در این پژوهش، یک مسئله ‏ی مکان‏یابی و تخصیص با در ‏نظر ‏گرفتن قید ظرفیت، در شرایط بحران زلزله، طرح شده ‏است. هدف، انتخاب بهترین مکان‏ها برای اسکان موقت افراد و همچنین تخصیص بهینه ‏ی افراد به این اماکن است، به نحوی که میزان تلفات و آسیب‏ های ناشی از زلزله و پس ‏لرزه‏ های بعد از آن، حداقل شود. در ادامه تخصیص بهینه‏ ی افراد به مراکز درمانی نیز مورد بحث قرار می‏گیرد. برای دستیابی به این اهداف، مدل‏ ریاضی متناسب با شرایط مسئله با در‏‏ نظر ‏گرفتن محدودیت‏های تعریف ‏شده، ارائه شده‏ است. با توجه به تحقیقات پیشین پژوهشگران این امر، مسئله‏ ی مکان‏یابی و تخصیص یک مسئله ‏ی بهینه ‏سازی پیچیده محسوب می‏شود. برای حل این‏گونه مسائل، روش‏های فراابتکاری پیشنهاد شده ‏است. در این تحقیق از الگوریتم ‏های ژنتیک و رقابت استعماری استفاده شده و نتایج نهایی با هم مقایسه شده‏ اند. طبق نتایج به دست آمده الگوریتم رقابت استعماری می‏تواند رقیبی برای الگوریتم ژنتیک در این‏گونه مسائل باشد، چرا که میانگین جواب‏ های پیدا شده توسط این الگوریتم بهتر از الگوریتم ژنتیک است، اما سرعت همگرایی در الگوریتم ژنتیک، بیشتر است. مطالعه ‏ی موردی این پژوهش، مطالعه بر‏ روی منطقه‏ ی شماره‏ ی 3 شهر تهران است. با استفاده از اطلاعات موجود و در دسترس این منطقه، مکان‏هایی که دارای شرایط مطلوب برای اسکان هستند، با کمک علم سیستم اطلاعات جغرافیایی (GIS) و نرم ‏افزار ARC GIS استخراج شده ‏است. الگوریتم رقابت استعماری برای حل این مسئله پیاده‏ سازی شده ‏است و در پایان تعداد بهینه‏ ی مراکز اسکان و تخصیص بهینه‏ ی افراد منطقه به این مراکز و هچنین تخصیص افراد به مراکز درمانی موجود در منطقه، ارائه شده‏ است

کلیدواژه‌ها

عنوان مقاله [English]

Modeling Location Allocation Problem in Earthquake crisis Situation and Solving by Metaheuristic Algorithm

نویسندگان [English]

  • Liona Tayebi 1
  • Mehdi Yazdani 2
1 MSc, Department of Industrial Engineering, Faculty of Industrial and Mechanical Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran
2 Assistant Professor, Department of Industrial Engineering, Faculty of Industrial and Mechanical Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran
چکیده [English]

    In this study, a location-allocation problem is proposed regarding capacity factor in critical situation of an earthquake. Output is the selection of the best places for temporary shelters and optimized arrangement of the casualties in those places somehow minimizing casualties and damages. In the following, efficient allocation of the casualties to the medical centers will be discussed. Reaching these goals, a mathematics model proportionate to the problem conditions and constraints is presented. In literatures, location-allocation problem has been classified as a NP-Hard Problem. For these problems, metaheuristic algorithm were proposed. In this research, Imperialist Compeitive Algorithm (ICA) and Genetic Algorithm (GA) are used and the results comprised with each other. Based on the results of research, in such cases, ICA can be an opponent for Genetic Algorithm, because of the average of the solution obtained by this algorithm is rather better than Genetic Algorithm. However the GA convergence is faster than ICA. Case study is performed on region 3 of Tehran. Using available information of this region, the most fitted places for sheltering are extracted from GIS science and ARC GIS software. ICA is implemented to solve the problem. At the end, the number of optimized shelters and arrangement of inhabitants in these places and also arrangement of casualties to available medical centers in the region are presented.

کلیدواژه‌ها [English]

  • Geographic Information System
  • Earthquake Crisis Management
  • Location-Allocation Problem
  • Genetic Algorithm
  • Imperialist Competitive Algorithm

مراجع

1.حسینی، مازیار (1387). مدیریت بحران. موسسه‏ی نشر شهر، ایران.
2.  Wassenhove L.N.V. (2006). Humanitarian aid logistics: supply chain management in high gear. The Journal of the Operational Research Society, 475- 489.
3.  قاسمی، پیمان؛ ابراهیمی، مهدی (۱۳۹۵). توسعه‏ی مدل برنامه‏ریزی ریاضی جهت مکانیابی- تخصیص در مسئله‏ی لجستیک امداد بحران، سومین همایش ملی پژوهش‏های مهندسی صنایع، تهران، گروه پژوهشی بوعلی.
4.  Sheu J.B. (2007). Challenges of emergency logistics management, Transportation Research Part E: Logistics and Transportation Review, 655- 659.
5.  Boonmee, C., Arimura, M., Asada, T. (2017). Facility location optimization model for emergency humanitarian logistics. International Journal of Disaster Risk Reduction, In Press.
6. فیلی، حمیدرضا؛ ضمیری آذر، کتایون؛ باقری روزبهانی، گلاره (1389). مکان‏یابی مراکز امدادرسانی و نحوه‏ی تخصیص مصدومین به این مراکز در زمان وقوع زلزله، دومین کنفرانس برنامه‏ریزی و مدیریت شهری، ایران.
7. آقامحمدی، حسین؛ مسگری، محمد سعدی؛ مولایی، دامون؛ کریمی، وحید (1391). توسعه‏ی یک روش ابتکاری برای بهینه‏سازی مسئله مکانیابی و تخصیص در عملیات امدادرسانی به مصدومان زلزله، برنامه‏ریزی و آمایش فضا، شماره‏ی 6، 57-76.
8.  Lindeskov, C. K. (2002). Ambulance Allocation Using GIS. Informatik or Matematisk Modellering, Danmarks Tekniske Universitet.
9.  Farahani, R. Z., Hekmatfar, M. (2009). Facility location: concepts, models, algorithms and case studies, Physica-Verlag HD, Springer Dordrecht Heidelberg London New York.
10. Sevkli, M., Guner, A. (2006). A continuous particle swarm optimization algorithm for uncapacitated facility location problem, Ant colony optimization and swarm intelligence, 316-323.
11.  Liu, N., Huang, B., Chandramouli, M., (2006). Optimal sitting of fire stations using GIS and ANT algorithm. Journal of Computing in CivilEngineering, 361-369.
12.  Caunhye, A. M., Nie. X., Pokharel, S. (2012). Optimization models in emergency logistics: A literature review, Socio-Ecomonic Planning Sciences, 4-13.
13. Church, R.L., Gerrard R.A., (2003). The multi-level location set covering model. Geographical Analysis, 277-289.
14.  Badri, A.M., Mortaghy, A.K., Alsayed, C.A., (1998). A multi-objective model for location fire station.European Journal of Operational Research, 243-260.
15.  Rahman, S.U., Smith, D.K., (2000).‏ Use of location-allocation models in health service development planning in developing nations.European Journal of Operational Research, 437-452.
16.  Wang, Q., Batta, R., Rump, C.M., (2002). Algorithms for a facility Facility location problem whit stochastic customer demand and immobile servers. Annals of operations research, 17-34.
17.  Dekle, J.,  Lavieri, M. S.,  Martin, E., Emir-Farinas, H., Francis, R., (2005). A Florida CountyLocates Disaster Recovery Centers.Interfaces, 133-139.
18.  Mestre A.M., Oliveira M.D, Brbosa-Povoa A.P., (2014). Location-allocation approaches for hospital network planning under uncertainty. European journal of operational research, 791-806.
19.  McCormack R., Graham C, (2015). A Simulation model to enable the optimization of ambulance fleet allocation and base station location for increased patient survival.European journal of operational research.
20.  Li, X., & Yeh, A. G. O. (2005). Integration of genetic algorithms and GIS for optimal location search. International Journal of Geographical Information Science, 581-601.
21. آتش‏پز گرگری، اسماعیل (1387). توسعه‏ی الگوریتم بهینه‏سازی اجتماعی و بررسی کارایی آن. پایان‏نامه کارشناسی ارشد دانشکده مهندسی برق و کامپیوتر دانشگاه تهران.
22. Atashpaz-Gargari, E., Lucas, C., (2007). Imperialist competitive algorithm: An algorithm for optimization inspired by imperialistic competition. Evolutionary Computation, 5461-4667
23.  Tseng, L.Y. and Yang, S., (1997). Genetic algorithms for clustering, feature selection and
Classification, IEEE Int. Conference on Neural Networks, P.1612-1616.
24.  تهرانی، ژ؛ درستیان، آ؛ خانی، ر؛ منظمی تهرانی، غ؛ هداوند، ر (1393). اهمیت پایگاه‏های اسکان موقت در مدیریت بحران و مکان‏یابی آن‏ها به‏منظور کاهش آسیب‏پذیری، دومین کنفرانس ملی مدیریت بحران و  HSE در شریان‏های حیاتی، صنایع و مدیریت شهری، تهران، ایران.
25. Saaty,T.L., (1980). The Analytical HierarchyProcess,Planning Priority,ResourceAllocation. RWS Publication, USA, p 20-33. 

فایل ها

سابقه مقاله

  • تاریخ دریافت: 01 مهر 1396
  • تاریخ بازنگری: 04 خرداد 1397
  • تاریخ پذیرش: 25 تیر 1397

هم رسانی

ارجاع به این مقاله

آمار