دانلود ترجمه مقاله الگوریتم تکراری بهینه سازی برای مکان یابی آمبولانس (اسپرینگر ۲۰۱۵) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

springer4

 

 

این مقاله انگلیسی ISI در نشریه اسپرینگر در ۲۱ صفحه در سال ۲۰۱۵ منتشر شده و ترجمه آن ۳۹ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

الگوریتم تکراری بهینه سازی با تخمین پارامتر برای مشکل مکان یابی آمبولانس

عنوان انگلیسی مقاله:

Iterative optimization algorithm with parameter estimation for the ambulance location problem

 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf
سال انتشار مقاله ۲۰۱۵
تعداد صفحات مقاله انگلیسی ۲۱ صفحه با فرمت pdf
نوع مقاله ISI
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی صنایع، فناوری اطلاعات و فناوری اطلاعات و ارتباطات
گرایش های مرتبط با این مقاله برنامه ریزی و تحلیل سیستم ها، مخابرات سیار، اینترنت و شبکه های گسترده، سامانه های شبکه ای
چاپ شده در مجله (ژورنال) علوم مدیریت مراقبت های بهداشتی – Health Care Management Science
کلمات کلیدی شبيه سازي، بهينه سازي، رويكرد تکراری، ابر مکعب، سطح اعتبار
کلمات کلیدی انگلیسی Optimization – Iterative Approach – Hypercube – Simulation – Reliability Level
ارائه شده از دانشگاه گروه اطلاع رسانی و مهندسی صنایع، دانشگاه یونسی، کره
نمایه (index) Scopus – Master Journals List – JCR – MedLine
نویسندگان Sun Hoon Kim، Young Hoon Lee
شناسه شاپا یا ISSN ISSN ۱۳۸۶-۹۶۲۰
شناسه دیجیتال – doi https://doi.org/10.1007/s10729-015-9332-4
ایمپکت فاکتور(IF) مجله ۲٫۰۷۴ در سال ۲۰۱۹
شاخص H_index مجله ۵۰ در سال ۲۰۲۰
شاخص SJR مجله ۰٫۷۸۱ در سال ۲۰۱۹
شاخص Q یا Quartile (چارک) Q2 در سال ۲۰۱۹
بیس نیست 
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۰۷۰۵
لینک مقاله در سایت مرجع لینک این مقاله در سایت Springer
نشریه اسپرینگر

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود در فایل ورد و pdf
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۳۹ صفحه (۱ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه شده است  
ترجمه متون داخل جداول ترجمه شده است  
ترجمه ضمیمه ترجمه شده است ✓ 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن به صورت عدد درج شده است  
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده
۱- مقدمه
۲ بررسی ادبیات
۳ مدل سازی مشکل با استفاده از ابر مکعبی
۴ الگوریتم بهینه سازی ابر مکعب تکراری
۴-۱ مدل بهینه سازی برای الگوریتم تکراری
۴-۲ تنظیمات اولیه
۴-۳ مدل ابر مکعب برای الگوریتم تکراری
۴-۴ شرایط خاتمه
۴-۵ به روز رسانی پارامتر
۵ الگوریتم بهینه سازی شبیه سازی تکراری
۶ نتایج تجربی
۶-۱ تایید اعتبار مدل شبیه سازی
۶-۲ مقایسه آزمایشات HYP-OPT و SIM-OPT
۶-۳ آزمایشات مقایسه ای SIM-OPT و رویکردهای برنامه ریزی ریاضی
۷ نتیجه گیری
۸ ضمیمه ۱: شبه کد روند به روز رسانی پارامتر
۹ ضمیمه ۲: چارچوب شبیه سازی

 

بخشی از ترجمه

چکیده

مشکل مکان یابی وسیله نقلیه اورژانسی برای تعیین تعداد ماشین های آمبولانس و موقعیت مکانی آن ها که سطح اطمینان مورد نیاز را برآورده می کند، در این مطالعه مورد بررسی قرار گرفته است. این یک مسئله غیر خطی پیچیده شامل تصمیم گیری های بحرانی است که دارای ویژگی های تصادفی ذاتی است. این مقاله یک الگوریتم بهینه سازی تکراری با برآورد پارامتر را برای حل مشکل مکان یابی وسیله نقلیه اورژانسی بررسی می کند. در الگوریتم پیشنهاد شده، یک مدل خطی موقعیت مکانی آمبولانس ها را تعیین می کند، در حالی که یک شبیه سازی ابر مکعبی برای ارزیابی و ارائه پارامترهای مربوط به موقعیت آمبولانس ها استفاده شده است. ما ابتدا یک الگوریتم بهینه سازی تکراری ابر مکعبی پیشنهاد می کنیم که در آن پارامترهای تعامل و قوانین ابر مکعب و بهینه سازی شناسایی شده اند. قوانین تعامل که در این تحقیق استفاده شده اند الگوریتم ما را قادر می سازد تا همیشه موقعیت مکانی آمبولانس ها را به گونه ای پیدا کند که قابلیت اطمینان مورد نیاز را برآورده کند. ما همچنین یک الگوریتم بهینه سازی شبیه سازی تکراری پیشنهاد می کنیم که در آن، روش ابر مکعب به منظور دستیابی به کارایی محاسباتی با یک شبیه سازی جایگزین شده است. آزمایشات محاسباتی نشان می دهند که الگوریتم بهینه سازی شبیه سازی تکراری، به صورت معادل با بهینه سازی ابر مکعب تکراری عمل می کند. الگوریتم های پیشنهادی، عملکرد بهتری نسبت به الگوریتم های موجود در ادبیات ارائه می دهند.

 

۱- مقدمه

در یک سیستم خدمات اورژانس پزشکی (EMS)، مشکل مکان یابی آمبولانس (ALP) یک مسئله حیاتی است. تعیین موقعیت مکانی آمبولانس ها برای ارائه به موقع خدمات اورژانسی پزشکی، زندگی بیماران را تحت تاثیر قرار می دهد. ALP را می توان به عنوان مشکل تعیین تعداد و موقعیت آمبولانس های مورد نیاز برای ارائه به موقع سطح مشخصی از خدمات تعریف کرد. مشکل پوشش محل (LSCP)، که برای به حداقل رساندن تعداد وسایل نقلیه مورد نیاز برای پوشش همه سایتهای تقاضا در یک فاصله خاص است، یک روش موثر برای مدل سازی ALP می باشد. با این حال، LSCP قادر به کسب مهمترین ویژگی ALP نیست: عدم دسترسی به آمبولانس، مثلا زمانی که آمبولانس توسط یک بیمار اشغال شده باشد، منجر به ورود دیر هنگام آمبولانس در محل هدف شده و در نتیجه شانس بیمار برای زنده ماندن را کاهش می دهد. بنابراین، ایجاد یک مدل قابل اعتماد مکان یابی آمبولانس دارای اهمیت است.

 

۷- نتیجه گیری

این مقاله یک الگوریتم ابر مکعب و بهینه سازی شبیه سازی تکراری به منظور یافتن موقعیت مکانی آمبولانس هایی که الزامات قابلیت اطمینان را برآورده می کنند، پیشنهاد کرده است. مدل بهینه سازی الگوریتم های پیشنهادی، تعداد و موقعیت مکانی آمبولانس ها را با استفاده از محدودیت های خطی ساده پیدا می کند. مدل ابر مکعب (شبیه سازی) برای اعتبار سنجی نتایج مدل بهینه سازی استفاده شد و تعداد کمی از پارامتر های مورد نیاز برای تعامل بین مدل ها با هدف اعتبار سنجی، شناسایی شده اند. این پارامترهای تعامل، تا زمان رضایت کامل از شرایط خاتمه به روز شدند، بنابراین یک راه حل امکان پذیر را تضمین می کنند. آزمایش مقایسه ای HYP-OPT و SIM-OPT نشان داد که این دو الگوریتم کارایی تقریبا یکسانی دارند. نتایج تجربی SIM-OPT با سایر الگوریتم های برنامه ریزی ریاضی مقایسه شده اند و این از آمار ارائه شده مشهود است که الگوریتم پیشنهادی از لحاظ تعداد وسایل نقلیه اختصاص یافته، کارآمد است. این به این معنی است که این الگوریتم برای مواردی که در آن ها دیگر الگوریتم ها به راه حل های عملی دست پیدا کرده اند، تعداد آمبولانس کمتری در مقایسه با سایر الگوریتم ها پیدا کرده است. در موارد دیگر، تنها ۰٫۳۸۱۵ وسیله نقلیه بیشتر از سایر مدل ها به کار گرفته شده و در عین حال الزامات قابلیت اطمینان برآورده شده است (زمان محاسبه برای هر مورد کمتر از ۱ ساعت بود). محدودیت های این مقاله شامل این فرض است که تعداد آمبولانس های مورد نیاز در هر گره تقاضا و حداکثر استفاده از هر آمبولانس یکسان هستند. قوانین به روز رسانی پارامتر zijhyper را می توان در مدل بهینه سازی برای اعمال یک مرز محکم در آن، اصلاح کرد. پیشنهاد شده است که پژوهش های آینده یک الگوریتم تکراری را که مدت زمان سفر و تقاضا را در هر دوره در نظر می گیرد، مورد بررسی قرار دهند.

 

بخشی از مقاله انگلیسی

Abstract

The emergency vehicle location problem to determine the number of ambulance vehicles and their locations satisfying a required reliability level is investigated in this study. This is a complex nonlinear issue involving critical decision making that has inherent stochastic characteristics. This paper studies an iterative optimization algorithm with parameter estimation to solve the emergency vehicle location problem. In the suggested algorithm, a linear model determines the locations of ambulances, while a hypercube simulation is used to estimate and provide parameters regarding ambulance locations. First, we suggest an iterative hypercube optimization algorithm in which interaction parameters and rules for the hypercube and optimization are identified. The interaction rules employed in this study enable our algorithm to always find the locations of ambulances satisfying the reliability requirement. We also propose an iterative simulation optimization algorithm in which the hypercube method is replaced by a simulation, to achieve computational efficiency. The computational experiments show that the iterative simulation optimization algorithm performs equivalently to the iterative hypercube optimization. The suggested algorithms are found to outperform existing algorithms suggested in the literature.

 

۱- Introduction

In an emergency medical service system (EMS), the ambulance location problem (ALP) is a critical issue. Locating ambulances is crucial to providing timely emergency medical services, affecting patients’ lives intimately. The ALP can be defined as the problem to find the number and locations of ambulances needed to provide a certain level of timely service. The location set cover problem (LSCP), which is to minimize the number of vehicles required to cover all demand sites within a specific distance, is an effective approach used to model the ALP. However, the LSCP is not able to capture the most important characteristic of the ALP: unavailability of an ambulance, such as when it is occupied by a patient, which leads to the late arrival of the ambulance at the target location, thus decreasing the patient’s chances of survival. Therefore, it is important to build a reliable ambulance location model.

 

۷- Conclusions

This paper suggested an iterative hypercube and simulation optimization algorithm for the purpose of finding the locations of ambulances that satisfy the reliability requirements. The optimization model of the suggested algorithms finds the number and locations of ambulances using simple linear constraints. The hypercube (simulation) model was used to validate the optimization model results, and a few parameters required to interact between the models for the purpose of validation were identified. These interaction parameters were updated iteratively until satisfaction of the termination conditions, thus ensuring a feasible solution. The comparison experiment of HYP-OPT and SIM-OPT showed that the two algorithms have approximately equivalent performances. The experimental results of SIM-OPT were compared with other mathematical programming algorithms, and it is evident from the statistics presented that the suggested algorithm is efficient in terms of the number of allocated vehicles. That is, it found a lower number of ambulances on average compared to the other algorithms for the cases in which the others found feasible solutions. In the other cases, it employed only 0.3815 more vehicles than the other models on average while satisfying the reliability requirement (computational time per case was observed to be<1 h). The limitations of this paper include the assumption that the required numbers of ambulances per demand node and the maximum utilizations of each ambulance are the same. The rules for updating the parameter zij hyper could be revised to impose a tight boundary on it in the optimization model. Future research is suggested to investigate an iterative algorithm that considers travel time and demand per period.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

الگوریتم تکراری بهینه سازی با تخمین پارامتر برای مشکل مکان یابی آمبولانس

عنوان انگلیسی مقاله:

Iterative optimization algorithm with parameter estimation for the ambulance location problem

 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.