روش های هدف کامپوزیتی برای بهینه سازی شبکه حمل و نقل

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

روش های هدف کامپوزیتی برای بهینه سازی شبکه حمل و نقل

عنوان لاتین

Composite goal methods for transportation network optimization

موضوع بهینه سازی شبکه حمل و نقل چند منظوره به تازگی در ادبیات تحقیق مورد توجه زیادی قرار گرفته است . استفاده از بهینه سازی شبکه حمل و نقل چند منظوره به یک راه حل دقیق و واقعی تر در مقایسه با سناریویی هایی منجر شده است که یک هدف در این سناریو ها در نظر گرفته شده است. هدف مقاله حاضر شناسایی نوید بخش ترین تکنیک بهینه سازی چند منظوره برای استفاده در حل مسائل بهینه سازی شبكه حمل و نقل در دنیای واقعی است. ما با بررسی جدید ترین تکنولوژی در بهینه سازی چند منظوره و شناسایی چهار استراتژی عمومی شروع می کنیم که ترکیب هدف ، انطباق ، حل افزایشی و اکتشاف نامیده شده اند . سپس هفت نمونه از این چهار استراتژی را اجرا کرده و تست می کنیم . رویکرد مرجح بر اساس ادبیات تحقیق در ترکیبی از اهداف در یک مدل بهینه سازی واحد قرار دارد (ترکیب هدف ( a.k.a. . نتایج تجربی علی رغم محبوبیت اش به عنوان یک روش بهینه سازی چند منظوره و در زمینه حوزه مشکل که از طریق روش بدست امده اند به راه حل های کیفیت ضعیف در زمانی مقایسه با راهبرد های دیگر منجر شده اند. این امر به ویژه در مورد روش انطباق قابل توجه است که به طور قابل ملاحظه ای بهتر از ترکیب هدف عمل کرده اند.

Lately the topic of multi-objective transportation network optimization has received increased attention in the research literature. The use of multi-objective transportation network optimization has led to a more accurate and realistic solution in comparison to scenarios where only a single objective is considered. The aim of this work is to identify the most promising multi-objective optimization technique for use in solving real-world transportation network optimization problems. We start by reviewing the state of the art in multi-objective optimization and identify four generic strategies, which are referred to as goal synthesis, superposition, incremental solving and exploration. We then implement and test seven instances of these four strategies. From the literature, the preferred approach lies in the combination of goals into a single optimization model (a.k.a. goal synthesis). Despite its popularity as a multi-objective optimization method and in the context of our problem domain, the experimental results achieved by this method resulted in poor quality solutions when compared to the other strategies. This was particularly noticeable in the case of the superposition method which significantly outperformed goal synthesis.