اجرای الگوریتم tsp در بهینه سازی مسیر حرکت آزمایشگاه سیار پزشکی در مقطع زمانی پس از زلزله با استفاده از gis و الگوریتم های aco و ica (مطالعه موردی: شهر گرگان)

فرایند بهینه سازی مسیر، یکی از تحلیل هایی است که می تواند در مواقعی که محدودیت منابع و زمان وجود دارد، از جمله شرایط پسازلزله مورد استفاده قرار گیرد. در این تحقیق، از تحلیل مذکور جهت حل مساله فروشنده دوره گرد و به منظور بهینه سازی مسیر حرکت آزمایشگاه های سیار پزشکی استفاده شده است. در این مساله، هدف پیدا کردن کوتاه ترین مسیر حرکت بین یکسری از نقاط بوده و الگوریتم های مورد استفاده سعی در کمینه سازی هزینه های انتقال و تابع هدف را خواهند داشت. جهت اجرای این مساله با در نظر گرفتن سناریوی سخت گیرانه در دسترسی به منابع، از دو الگوریتم کلونی مورچگان و رقابت استعماری در کنار الگوریتم دایجسترا در محیط gis استفاده شده است. نقاط بازدید مدل، مناطق مستعد جهت اسکان موقت پسا زلزله در شهر گرگان بوده و از فواصل عملکردی و زمان واقعی در بستر شبکه شهری، به جای فواصل زمانی و مکانی اقلیدوسی استفاده شده است. نتایج اجرای مدل نشان می دهند که الگوریتم کلونی مورچگان در دو ضابطه زمان و فاصله نسبت به دو الگوریتم دایجسترا و رقابت استعماری، بهینه سازی مسیر را به نحو مطلوب تری انجام داده است.

The Implementation of TSP Algorithm in Optimization of the Movement Path of the Mobile Medical Laboratory During the Post-Earthquake Using GIS, ACO and ICA Algorithms (Case Study: Gorgan City)

The route optimization process is one of the analyzes that can be used when there is a constraint on resources and time, including postearthquake conditions. In this research, this analysis has been used to solve the Travelling Salesman Problem. In this case, the goal is finding the shortest path between a set of points and the algorithm will try to minimize the transmission costs and target function. This paper due to target, is practical and developmental, due to doing method is descriptive and analytical and due to information gathering method is documental and surveying. In order to implement this problem, by considering to the strict scenario of accessing resources, two algorithms including the Ant Colony Optimization and Imperialist Competition Algorithm in the MATLAB environment with the Dijkstra algorithm in the GIS environment have been used. The view points of the model are areas that prepared to temporary postearthquake settlement in Gorgan city and the spatial and temporal realtime distances in the urban network are used instead of Euclidian distances. The results of the implementation of the model have shown that the Ant Colony Optimization has performed the route optimization in two parameters of time and distance more effectively than the two dijkstra and Imperialist Competition Algorithm.