ارزیابی و مقایسه عملکرد دو الگوریتم اجتماع ذرات گسسته ابداعی و زنبورها در بهینه‌سازی تخصیص مکان‌های اسکان موقت پس از زلزله

چکیدهاسکان موقت پس از زمین‌لرزه از مهم‌ترین موضوع‌ها در مدیریت بحران به‌ شمار می‌آید، و انجام صحیح آن با کاهش گسترده تلفات جانی و مالی ناشی از پس‌لرزه‌ها همراه است. هدف از انجام این تحقیق ارزیابی توانایی و مقایسه عملکرد دو الگوریتم شاخص هوش جمعی با نام‌های الگوریتم زنبورها (bess) و الگوریتم اجتماع ذرات (pso) ـ در بهینه‌سازی تخصیص مکان‌های اسکان موقت است که یکی از موضوعات مهم مکانی به شمار می‌آید. در الگوریتم بهینه‌سازی اجتماع ذرات از رفتار اجتماعی پرندگان الهام گرفته می‌شود. این الگوریتم مورد استفاده گسترده در مقوله‌های بهینه‌سازی پیوسته قرار گرفته است ولی در مقوله‌های گسسته چندان به آن توجه نشده است. در این تحقیق با بررسی نقاط ضعف و قوت نسخه‌های مختلف الگوریتم پرندگان گسسته (dpso) موجود، نوع جدیدی از این الگوریتم ارایه شده است که در حل مسایل گسسته توانایی بالایی دارد. الگوریتم زنبور عسل از فرایند جست‌وجوی غذای زنبورها در طبیعت الهام گرفته است. این الگوریتم در پژوهش حاضر برای حل مسیله اسکان موقت شرح و بسط داده شد و در نهایت نتایج حاصل از هر دو الگوریتم مذکور، از داده‌های شبیه‌سازی‌شده و به منظور ارزیابی دقت عملکرد الگوریتم‌ها از داده‌های منطقه 7 تهران به عنوان داده‌های واقعی استفاده شد. مقایسه اعداد همگرایی هر یک از دو الگوریتم در داده‌های واقعی، عملکرد بسیار بهتر الگوریتم ابداعی را در کمینه‌سازی تابع هدف مسیله نشان می‌دهد. در نهایت به منظور ارزیابی کیفیت و دقت الگوریتم از تست تکرارپذیری برای نتایج حاصل از اجرای هر الگوریتم روی داده‌ها استفاده شد. نتایج حاصل از این آزمون‌ها نمایانگر عملکرد دقیق هر یک از دو الگوریتم در بهینه‌سازی تخصیص افراد به مناطق امن است. کلید‌واژه‌ها: هوش جمعی، الگوریتم اجتماع ذرات گسسته ابداعی، الگوریتم زنبورها، اسکان موقت، روش تحلیل سلسله‌مراتبی (ahp).