دانلود ترجمه مقاله یک رویکرد بهینه سازی و شبیه سازی مجدد برای مشکل موقعیت یابی و اعزام (IEEE – 2018) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

 

 

این مقاله انگلیسی ISI در نشریه آی تریپل ای در ۱۲ صفحه در سال ۲۰۱۸ منتشر شده و ترجمه آن ۲۱  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:

یک رویکرد بهینه سازی و شبیه سازی مجدد برای مشکل موقعیت یابی و اعزام

عنوان انگلیسی مقاله:

A Recursive Optimization-Simulation Approach For The Ambulance Location And Dispatching Problem

 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش
سال انتشار ۲۰۱۸
تعداد صفحات مقاله انگلیسی ۱۲ صفحه با فرمت pdf
نوع مقاله ISI
نوع ارائه مقاله کنفرانس
رشته های مرتبط با این مقاله مهندسی صنایع، مهندسی کامپیوتر
گرایش های مرتبط با این مقاله بهینه سازی سیستم ها، برنامه ریزی و تحلیل سیستم ها و مهندسی نرم افزار
چاپ شده در مجله (ژورنال) کنفرانس شبیه سازی زمستانی – Winter Simulation Conference
ارائه شده از دانشگاه  موسسه ریاضیات کاربردی و فناوری های اطلاعات (IMATI)، شورای تحقیقات ملی (CNR)، میلان، ایتالیا
نویسندگان Ettore Lanzarone – Enrico Galluccio – Valérie Bélanger – Vittorio Nicoletta – Angel Ruiz
شناسه شاپا یا ISSN  ۰۸۹۱-۷۷۳۶
شناسه دیجیتال – doi https://doi.org/10.1109/WSC.2018.8632522
ایمپکت فاکتور(IF) مجله ۰٫۵۳۱ در سال ۲۰۲۰
شاخص H_index مجله ۵۷ در سال ۲۰۲۱
شاخص SJR مجله ۰٫۱۷۸ در سال ۲۰۲۰
بیس نیست
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
فرضیه ندارد
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۲۰۲۱
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه آی تریپل ای – IEEE

 

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
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش   ۲۱ (۱ صفحه رفرنس انگلیسی) صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است 
ترجمه متون داخل تصاویر ندارد
ترجمه متون داخل جداول ترجمه شده است 
ترجمه ضمیمه ندارد
ترجمه پاورقی ندارد
درج تصاویر در فایل ترجمه ندارد
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
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده
۱ مقدمه
۲ مدل های شبیه سازی و بهینه سازی
۲٫۱ فرمولاسیون ALDP
۲٫۲ شبیه ساز
۳ روش های مبتنی برROSA
۳٫۱ BRM
۳٫۲ PSSM وQTSSM
۴ نتایج
۴٫۱ BRM
۴٫۲ PSSM و QTSSM
۴٫۳ مقایسه
۵ E-QTSSM
۵٫۱ نتایج
۶ نتیجه گیری ها
منابع

 

بخشی از ترجمه

چکیده

مسئله موقعیت یابی و اعزام آمبولانس(ALDP)  به شناسایی موقعیت آمبولانس های موجود و بهترین سیاست اعزام برای حداقل رساندن زمان واکنش پاسخ دهی به تماس ها می پردازد. به هر حال، ماهیت تردید در تماس های اورژانس باعث می شود تا دانستن این موضوع که آیا آمبولانس شناسایی شده توسط سیاست اعزام، موجود است یا خیر کار دشواری شود. بنابراین، احتمال مشغول بودن یک خودرو در هنگام دریافت تماس ( بیان شده به صورت نسبت مشغول بودن) معمولا در ادبیات در نظر گرفته می شود. تیم احتمالاتی می توانند به صورت های مختلف ارزیابی شوند، اما به نظر می رسد شبیه سازی بهترین روش برای این هدف باشد. در این تحقیق، ما روش های بازگشتی بهینه سازی – شبیه سازی را برای ارزیابی نسبت مشغول بودن ALDP مطرح کردیم و از آنها برای بیان مثال های واقعی استفاده کردیم. نتایج عددی تایید می کند که پیچیده ترین و دشوار ترین روش ها عملکرد بهتری دارند.

۱ مقدمه

خدمات پزشکی اورژانس (EMS) یک مفهوم مهم در سیستم های درمان و سلامت می باشد. این خدمات، مراقبت های پزشکی خارج از بیمارستان و انتقال به مرکز درمانی مناسب را برای افراد بیمار و مجروح فراهم می آورند. سازماندهی و مدیریت خدمات، یک مسئولیت بسیار چالش برانگیز است زیرا اورژ انس منابع مختلفی (مثل پرسنل درمانی، آمبولانس ها و مراکز تماس) را مدیریت می کند و با چالش های مختلف مرتبط با تردید تماس های اورژانس روبه رو می شود. به علاوه، تماس ها به صورت تصادفی از مناطق مختلف دریافت می شوند و باید به سرعت پاسخ داده شوند، هر ثانیه در موقعیت های تهدید کننده زندگی حائز اهمیت می باشد. در این شرایط، سازمان های EMS باید دو سوال مهم را پاسخ دهند: آمبولانس ها در کجا باید قرار بگیرند؟ کدام آمبولانس برای تماس دریافت شده باید اعزام شود؟

 

بخشی از مقاله انگلیسی

Abstract 

The Ambulance Location and Dispatching Problem (ALDP) identifies the location of the available ambulances and the best dispatching policy to minimize the response times to answer the calls. However, the uncertain nature of the emergency calls makes it impossible to know in advance if the ambulance identified by the dispatching policy is available or not upon a call arrival. Thus, the probability that a vehicle is busy when a call arises, denoted as busy fraction, is usually considered in the literature. Probabilities can be estimated in several manners, but simulation seems to be well suited for this purpose. In this work, we propose four Recursive Optimization-Simulation Approaches to estimate the ALDP busy fraction, and we apply them to a set of realistic instances. Numerical results confirm that the most sophisticated and computing demanding approaches offer a better performance.

۱ INTRODUCTION

Emergency Medical Services (EMSs) are crucial in health care systems. They provide out-of-hospital acute medical care and transportation to the appropriate health center for injured and ill people. Organizing and managing the service is an extremely challenging task, as EMSs manage a large variety of resources (e.g., health care personnel, ambulances and call centers) and face difficult challenges related to the uncertainty of the emergency calls. Indeed, calls randomly arrive from different areas of the served territory and must be served quickly: every second is important in life threatening situations. In this context, EMS organizations must answer two important questions, i.e., where should the ambulances be located? and which ambulance should take care of the arriving call?

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

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

یک رویکرد بهینه سازی و شبیه سازی مجدد برای مشکل موقعیت یابی و اعزام

عنوان انگلیسی مقاله:

A Recursive Optimization-Simulation Approach For The Ambulance Location And Dispatching Problem

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا