دانلود رایگان ترجمه مقاله مسئله مکان یابی حداکثر پوشش MCLP با زمان های سفر فازی (نشریه الزویر ۲۰۱۱) (ترجمه ارزان – نقره ای ⭐️⭐️)

elsevier

 

 

این مقاله انگلیسی ISI در نشریه الزویر در ۷ صفحه در سال ۲۰۱۱ منتشر شده و ترجمه آن ۱۵ صفحه میباشد. کیفیت ترجمه این مقاله ارزان – نقره ای ⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

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

مسئله مکان یابی حداکثر پوشش MCLP با زمان های سفر فازی

عنوان انگلیسی مقاله:

Maximal covering location problem (MCLP) with fuzzy travel times

 
 
 
 
 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۱
تعداد صفحات مقاله انگلیسی ۷ صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی صنایع
گرایش های مرتبط با این مقاله برنامه ریزی و تحلیل سیستم ها، بهینه سازی سیستم ها
چاپ شده در مجله (ژورنال) سیستم های خبره با کاربردهای آن – Expert Systems with Applications
کلمات کلیدی مکان یابی تسهیلات، مسئله مکان یابی حداکثر پوشش، زمان های سفر فازی، تئوری اعتبار، شبیه سازی
ارائه شده از دانشگاه گروه مهندسی صنایع، دانشگاه صنعتی امیرکبیر، تهران، ایران
رفرنس دارد  
کد محصول F1171
نشریه الزویر – Elsevier

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۵ صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است ✓ 
ترجمه متون داخل تصاویر ترجمه نشده است  
ترجمه متون داخل جداول ترجمه نشده 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 فارسی درج شده است 
کیفیت ترجمه کیفیت ترجمه این مقاله متوسط میباشد 

 

فهرست مطالب
چکیده
۱-مقدمه و توصیف مسئله
۲- مرور منابع
۳- متغیر فازی
۴- مسئله مکان یابی پوشش حداکثر فازی
۵- الگوریتم راه حل پیشنهادی
۵-۱ ساختار کلی روش حل
۵-۲ ارزیابی تناسب و شبیه سازی مقدار مورد انتظار یک راه حل
۵-۳ تبرید شبیه سازی شده
۵-۳-۱ چارچوب کلی
۵٫۳٫۲ طرح کد گذاری و تولید راه حل اولیه
۵-۳-۳ طرح خنک سازی و معیار های توقف
۵-۳-۴ ساختار همسایه
۶- مثال های عددی
۶-۱ مثال های ازمایشی
۶-۲ خصوصیات کامپیوتر
۶-۳ نتایج، اعتبار سنجی و بحث ها
۷-نتیجه گیری و زمینه های تحقیقاتی اینده
 

 

بخشی از ترجمه
 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 می شود را ارایه می کند. مدل بیشینه سازی ارزش مورد انتظار فازی برای این مسئله طراحی می شود. به علاوه، الگوریتم هیبرید شبیه سازی فازی و تبرید شبیه سازی شده برای حل FMCLP. استفاده می شود. برخی از نمونه های عددی ارایه شده، حل شده و برای نشان دادن عملکرد الگوریتم پیشنهادی تجزیه تحلیل می شود. نتایج نشان می دهد که SA پیشنهادی، راه حل هایی با مقادیر عینی بالاتر از ۱٫۳۵ پایین تر از راه حل بهینه دارد. به علاوه، تبرید شبیه سازی شده در یافتن راه حل های بسیار قدرتمند است.
 
۱- مقدمه و توصیف مسئله
اصطلاح تحلیل مکان یابی اشاره به مدل سازی، فرمولاسیون و حل یک سری مسائلی دارد که به بهترین شکل به صورت مکان یابی تسهیلات در یک فضای معین دارد. اصطلاحات گزینش، موقعیت یابی و پهنه بندی نیز به عنوان مترادف مورد استفاده قرار می گیرند( رول و الیزلت ۲۰۰۵). کاربرد مسائل مکان یابی از ایستگاه های کشف گاز تا خروجی های فست فود تا لندفیل ها و نیرو گاه های برق است. یکی از مسائل مکان یابی سنتی که به خوبی از زمان ظهور خود مطالعه شده است، مسئله مکان یابی پوششی است. در مسئله مکان یابی پوششی، هدف اصلی جست و جوی راه حلی برای پوشش دادن زیر مجموعه ای از مشتریان است که یک یا چند هدف را در نظر می گیرند. مسئله مکان یابی پوششی اغلب به صورت مسئله پوشش مجموعه مکان یابی و مسئله مکان یابی پوشش حداکثر طبقه بندی می شود. در MCLP استاندارد، هدف فرد یافتن تعدادی از مراکز در یک شبکه است طوری که جمعیت پوشش دهی شده بیشینه سازی شود. یک جمعیت در صورتی پوشش دهی می شود که حداقل یک مرکز درون فاصله از پیش تعیین شده موقعیت یابی می شود. این فاصله از پیش تعیین شده موسوم به شعاع پوشش است. انتخاب این فاصله نقش مهمی دارد و بر راه حل بهینه مسئله تا حد زیادی اثر دارد. MCLP از اهمیت زیاد کاربردی برای مکان یابی تسهیلات و مراکز خدمات نظیر مدارس، پارک ها، بیمارستان ها و واحد های اورژانس دارد. مسئله توسط چرچ و رول ۱۹۷۴ در شبکه معرفی شد و سپس دنباله ها و اکستنشن های مختلف به مسئله اصلی و اولیه ارایه شده است. به طور طبیعی MCLP زمانی در نظر گرفته می شود که منابع ناکافی یا بودجه برای پوشش دادن تقاضای همه گره ها وجود داشته باشد. از این روی، تصمیم گیرنده، منبع و بودجه تثبیت شده را برای پوشش تقاضا تا حد ممکن تعیین می کند.
عدم قطعیت در واقع فرا گیر است و این موجب می شود تا توصیف چندین پارامتر سخت یا غیر ممکن شود. برخی از نمونه های عدم قطعیت در مسائل دنیای واقعی شامل براورد تقاضای مشتری، زمان های سفر، نرخ تورم و غیره است. در این مقاله ما فرض می کنیم که اطلاعات دقیقی در خصوص زمان های سفر بر روی قوس های شبکه وجود ندارد. به علاوه، داده های کافی برای یافتن توزیع آماری وجود ندارد. از این روی ، تقاضا ها بر اساس دانش متخصصان براورد می شوند. برای مثال، کارشناسان می توانند ایده خود را به صورت ۴۰ واحد در روز بیان کنند که بین ۱۰ و ۲۰ واحد در هر هفته است. متغیر های فازی در این نمونه ها برای حل این عدم قطعیت استفاده می شوند. زمان سفر، یک نمونه از متغیر هایی است که براورد ان ها با روش های سنتی نظیر روش های احتمال گرایانه سخت است. در بسیاری از این موارد، داده های کافی برای مطابقت با توزیع احتمال زمان سفر بین گره ها وجود ندارد و از این روی رویکرد احتمال گرایانه پر هزینه است. از سوی دیگر، بر اساس قضاوت کار شناس، می تواند به اسانی زمان های مسافرت را براورد کرد. از این روی از تئوری فازی برای مدل سازی و حل مسائل استفاده می کنیم.
در این مقاله، ما نسخه فازی از MCLP (FMCLP) را ارایه می دهیم که در آن زمان های مسافرت ارایه شده و الگوریتم هوشمند ترکیبی برای حل این مسئله پیشنهاد می شود. یک مدل بر اساس تئوری اعتبار ارایه شده و الکوریت هوشنند برای حل مسئله ارایه می شود الگوریتم هیبرید متشکل از شبیه سازی موجود در روش تابیدگی است.
بقیه این مقاله به صورت زیر سازمان دهی می شود: اولا، مرور منابع دقیق در خصوص مسائل پوششی و مسائل مربوطه ارایه می شود. سپس، متغیر های فازی و اصول تئوری اعتبار بحث می شود. الکوریتم راه حل پیشنهادی در بخش ۵ و مثال عددی در بخش ۶ ارایه می شود. در نهایت چشم انداز برای تحقیقات اینده در بخش ۷ ارایه می شود.

 

بخشی از مقاله انگلیسی

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.

۱- Introduction and problem description

The term location analysis refers to the modeling, formulation, and solution of a class of problems that can best be described as siting facilities in some given space. The expressions deployment, positioning, and siting are frequently used as synonyms (ReVelle & Eiselt, 2005). Applications of location problems range from gas stations and fast food outlets to landfills and power plants. One of the traditional location problems, which has been well studied since its introduction, is the covering location problem. In a covering location problem, one seeks a solution to cover a subset of customers considering one or more objectives. The covering location problem is often categorized as location set covering problem (LSCP) and maximal covering location problem (MCLP). In a standard MCLP, one seeks location of a number of facilities on a network in such a way that the covered population is maximized. A population is covered if at least one facility is located within a pre-defined distance of it. This pre-defined distance is often called coverage radius. The choice of this distance has a vital role and affects the optimal solution of the problem to a great extent. MCLP is of paramount importance in practice to locate many service facilities such as schools, parks, hospitals and emergency units. The problem was first introduced by Church and ReVelle (1974) on a network and since then, various extensions to the original problem have been made. Normally, MCLP is considered whenever there are insufficient resources or budget to cover the demand of all the nodes. Therefore, the decision maker determines a fixed budget/resource to cover the demands as much as possible. Uncertainty is ubiquitous in reality and this makes description of many parameters difficult or even impossible. Some examples of uncertainty in real world problems are the estimation of customer demands, travel times, inflation rate, etc. In this paper, we assume that there is not precise information concerning travel times on the arcs of network. In addition, there is not enough data to be used in order to find a statistical distribution. Therefore, demands are estimated based on the knowledge of experts. For example, experts may state their ideas as ‘‘about 40 units per day’’, ‘‘between 10 and 20 units weekly’’, etc. Fuzzy variables are used in these cases to deal with this kind of uncertainty. Travel time is an instance of variables which are difficult to estimate using traditional methods such as probabilistic methods. In most of the cases, there is not enough data to be used to fit a probability distribution of travel times between nodes or probabilistic approach is too costly to be used. On the other hand, based on the expert’s judgment; one can easily estimate transportation times. Therefore, we use fuzzy theory in order to model and solve our problem. In this paper, we present a fuzzy version of MCLP (FMCLP) where travel times are considered to be fuzzy variables. A model based on credibility theory is presented and a hybrid intelligent algorithm is proposed in order to solve this problem. The hybrid algorithm is comprised of a simulation embedded within a simulated annealing procedure. The rest of the paper is organized as follows: First, a concise literature review of covering problems and related issues is presented. Then, fuzzy variables and basics of credibility theory are discussed. Section 4 is dedicated to description of our problem. The proposed solution algorithm is presented in Section 5 and a numerical example appears in Section 6. Finally, conclusions and outlooks for potential future research are given in Section 7.

 

 

 

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

مسئله مکان یابی حداکثر پوشش MCLP با زمان های سفر فازی

عنوان انگلیسی مقاله:

Maximal covering location problem (MCLP) with fuzzy travel times

 
 
 
 
 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.