مسئله مکان یابی حداکثر پوشش MCLP با زمان‌های سفر فازی

مسئله مکان یابی حداکثر پوشش MCLP با زمان‌های سفر فازی

نوع فایل : word

تعداد صفحات : 23

تعداد کلمات : 5200

مجله : Expert Systems with Applications

انتشار : 2011

ترجمه ی متون جدول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

فونت ترجمه : ب نازنین 12

تاریخ انتشار
18 جولای 2020
دسته بندی
تعداد بازدیدها
1573 بازدید
19,500 تومان
دانلود اصل مقاله

عنوان فارسی مقاله: مسئله مکان یابی حداکثر پوشش MCLP با زمان‌های سفر فازی

  چکیده

 این مقاله، مسئله مکان یابی حداکثر پوشش فازی که در آن زمان سفر بین هر جفت گره به صورت متغیر فازی در نظر گرفته می‌شود را ارائه می‌کند. مدل بیشینه سازی ارزش مورد انتظار فازی برای این مسئله طراحی می‌شود. به علاوه، الگوریتم هیبرید شبیه سازی فازی و تبرید شبیه سازی شده برای حل FMCLP. استفاده می‌شود. برخی از نمونه‌های عددی ارائه شده، حل شده و برای نشان دادن عملکرد الگوریتم پیشنهادی تجزیه تحلیل می‌شود. نتایج نشان می‌دهد که SA پیشنهادی، راه حل‌هایی با مقادیر عینی بالاتر از ۱٫۳۵ پایین‌تر از راه حل بهینه دارد. به علاوه، تبرید شبیه سازی شده در یافتن راه حل‌های بسیار قدرتمند است(مسئله مکان یابی حداکثر پوشش MCLP).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Maximal covering location problem (MCLP) with fuzzy travel times

 

Abstract

This paper presents a fuzzy maximal covering location problem (FMCLP) in which travel time between any pair of nodes is considered to be a fuzzy variable. A fuzzy expected value maximization model is designed for such a problem. Moreover, a hybrid algorithm of fuzzy simulation and simulated annealing (SA) is used to solve FMCLP. Some numerical examples are presented, solved and analyzed to show the performance of the proposed algorithm. The results show that the proposed SA finds solutions with objective values no worse than 1.35% below the optimal solution. Furthermore, the simulation-embedded simulated annealing is robust in finding solutions.

دیدگاهتان را بنویسید