ارایه الگوریتم اجتماع ذرات گسسته ابداعی (مطالعه موردی بهینه‌سازی اسکان موقت پس از زلزله)

الگوریتم pso یا اجتماع ذرات یکی از الگوریتم‌های بهینه‌سازی هوش جمعی است که از رفتار اجتماعی پرندگان الهام میگیرد. این الگوریتم به طور گسترده در مسایل بهینه‌سازی پیوسته مورد استفاده قرار گرفته‌است ولی در مسایل گسسته به آن توجه کمتری شده‌است. در این تحقیق، با بررسی نقاط ضعف و قوت نسخه‌های مختلف الگوریتم اجتماع ذرات گسسته (dpso) موجود، مبادرت به توسعه نوع جدیدی از این الگوریتم شد تا در حل مسایل گسسته از توانایی بالایی برخوردار باشد. کارایی این الگوریتم جدید به طور موفقیت آمیزی روی مسیله بهینه‌سازی اسکان موقت پس از زلزله مورد آزمایش قرار گرفت. اسکان موقت پس از زمین لرزه یکی از مسایل حایز اهمیت در مدیریت بحران است به‌ طوری که انجام صحیح آن کاهش چشمگیر تلفات جانی و مالی ناشی از پسلرزه ها را در پی خواهد داشت. به منظور بهینه نمودن اسکان موقت بایستی اهداف مهمی مانند حداقل کردن جایجایی جمعیت و توزیع همگن افراد متناسب با ظرفیت مکان‌‌‌‌های امن در سطح شهر در نظر گرفته شوند. پس از تعریف ریاضی دو تابع هدف مذکور، وزن‌ هریک از آن‌‌ها به کمک ahp محاسبه گشت. سپس با استفاده از روش میانگینگیری وزندار ترکیب خطی توابع هدف به عنوان تابع هدف نهایی برای بهینه‌سازی ساخته شد. به منظور ارزیابی عملکرد الگوریتم کالیبره شده، داده‌های ناحیه‌ای از منطقه هفت شهرداری تهران مورد استفاده قرار گرفت. در انتها به منظور ارزیابی دقت الگوریتم از تست تکرار‌پذیری استفاده شد که نتایج حاصل از آن نمایانگر عملکرد دقیق الگوریتم در بهینه‌سازی تخصیص افراد به مناطق امن می‌باشد.