مساله مکان پوشش تدریجی احتمالی در شبکه ای با وزن های تقاضا تصادفی گسسته

قیمت: 40,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

مساله مکان پوشش تدریجی احتمالی در شبکه ای با وزن های تقاضا تصادفی گسسته

عنوان لاتین

The probabilistic gradual covering location problem on a network with discrete random demand weights

ما به به بررسی مساله مکان پوشش تدریجی در شبکه ای با تقاضای نامشخص می پردازیم. یک وسیله مجزا باید در شبکه واقع شده باشد. دو شعاع پوشش برای هر گره تعریف شده اند. اگر کوتاه ترین فاصله از گره تا وسیله از شعاع کوچکتر بیشتر نباشد، تقاضایی که از گره ناشی می شود، کاملا پوشش داده شده در نظر گرفته می شود و اگر کوتاه ترین فاصله بیشتر از شعاع بزرگتر باشد، اصلا پوشش داده نشده است. فرض بر این است که وزن های تقاضا متغیرهای تصادفی گسسته هستند. هدف از این مساله این است که برای هر وسیله مکانی را پیدا کند تا این احتمال را به حداکثر به رساند که وزن تقاضا بیشتر یا برابر با مقدار آستانه از پیش انتخاب شده باشد.نشان می دهیم که مساله NP-HARD است و راه حل بهینه ای در مجموعه محدود نقاط مسلط وجود دارد. ما یک الگوریتم دقیق و یک فرآیند حل تقریب نرمال را طراحی می کنیم. آزمایش محاسباتی به منظور ارزیابی عملکرد آنها صورت می گیرد.

We study the gradual covering location problem on a network with uncertain demand. A single facility is to be located on the network. Two coverage radii are defined for each node. The demand originating from a node is considered fully covered if the shortest distance from the node to the facility does not exceed the smaller radius, and not covered at all if the shortest distance is beyond the larger radius. For a distance between these two radii, the coverage level is specified by a coverage decay function. It is assumed that demand weights are independent discrete random variables. The objective of the problem is to find a location for the facility so as to maximize the probability that the total covered demand weight is greater than or equal to a pre-selected threshold value. We show that the problem is NP-hard and that an optimal solution exists in a finite set of dominant points. We develop an exact algorithm and a normal approximation solution procedure. Computational experiment is performed to evaluate their performance.