این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
اطلاعات جغرافیایی (سپهر)، جلد ۲۶، شماره ۱۰۱، صفحات ۴۵-۵۹
عنوان فارسی ارزیابی و مقایسه الگوریتم های بهینه سازی فرا ابتکاری در مکانیابی تسهیلات مطالعه موردی: بانک ها
چکیده فارسی مقاله مسأله مکانیابی بانک‌ها به فاکتورهای زیادی نیاز داشته و جزء مسایل NP-HARDطبقه‌بندی می‌شود. استفاده از روش‌های فراابتکاری برای حل مسایل NP-HARDعلیرغم تقریبی بودن، مناسب‌ترین راه حل به نظر می‌رسد. در این تحقیق از روش‌های بهینه‌سازی گرگ خاکستری، علف‌های هرز، ژنتیک، اجتماع ذرات و الگوریتم فرهنگی در حل مسأله مکانیابی بانک‌ها استفاده شده است. برای این کار هدف به صورت جذب مشتری بیشتر و محدودیت در تعداد نفرات جذب شده به بانک جدیدالتأسیس تعریف شد. روش‌ها به طوری آماده شدند که قابلیت پیدا نمودن مکان بانک جدید با وجود بانک‌های دیگر در منطقه را دارند و مکان بانک جدید باید از بانک‌های هم نوع خودش تا حد ممکن دورتر شده (هدف بازاریابی) و همچنین در مجموع کل مشتریان این نوع بانک نبایستی از یک حدی کمتر شده و میزان جذب مشتری شعبه جدیدالتأسیس بانک از یک تعدادی کمتر نشود (محدودیت‌ها). بدین منظور قسمتی از کلان شهر تبریز جهت پیاده‌سازی انتخاب شد. به منظور ارزیابی کیفیت و دقت الگوریتم‌ها از تست تکرارپذیری و مقایسه اعداد همگرایی برای نتایج حاصل از اجرای هر الگوریتم روی داده‌ها اجرا شد. همچنین نتایج الگوریتم‌ها با آزمون آماری ویلکاکسون مورد ارزیابی قرار گرفت. نتایج حاصل از این آزمون‌ها عملکرد دقیق‌تر، الگوریتم علف‌های هرز نسبت به روش‌های بهینه‌سازی مذکور در مکانیابی بانک‌ها را نشان می‌دهد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی The assessment and comparison algorithms for optimization of the facility location Case Study: Banks
چکیده انگلیسی مقاله Extended Abstract Introduction Bank branches location-allocation problem belongs to NP-Hard problems which can be possibly solved only in exponential time by the increase in the number of banks and the large number of customers; especially when the location model includes various datasets, several objectives and constraints. As a consequent, we need to use heuristic methods to solve this type of problems. Also, since majority of data and analyses applied in the location-allocation problems are spatial; GIScience’s abilities should be employed beside optimization methods. Nowadays, to perform particular financial tasks bank customers often need to be present at their bank. For the sake of its customers, a bank should increase its branches in the city to attract more customers in the race with competing banks. However, establishing new branches is too expensive and banks prefer to carry out an optimal location finding procedure. Such procedures should consider many criteria and objectives including spatial data of customers, new and existing bank branches as well as level of attraction of banks –in the real-life. Customers often select a bank that is closer to them, has better services or financial records and also consider other human or physical factors. Hence, planning to increase the number of customers for a new branch of a bank considering spatial criteria and various other objectives appear necessary. Materials & Methods This paper determines the location of bank branches. Finding an optimum location of branches depends on many factors and these problems are known as NP-hard problems. Despite being approximate methods, meta-heuristic algorithms seem suitable tools for solving NP-hard problems. In this paper, Grey Wolf Optimizer (GWO), Genetic Algorithms (GA), Particle Swarm Optimization (PSO), Cultural Algorithms (CA) and Invasive Weed Optimization (IWO) are applied for finding the best location of bank branches. From marketing point of view, the aim is to attract more customers while the number of attracted persons to a new branch should be acceptable. The new methods have capability to find the optimum location of new branches. The location of a new branch should be as far away as possible from branches of the same bank. The other condition is that the total number of customers for the new branch should not be less than a specified number, while the new branch should not attract customers of old branches of the same bank more than a threshold. To fulfill this propose a part of the Tabriz city was selected for implementation. The assumptions for the defined problem can be expressed as the following statements: a)We consider four different banks (Melli, Mellat, Sepah and Meher) in our study area. b)Population density (of people over 15 years of age) is available at the building block level. c)Banks have infinite capacity for accepting customers. d)Each customer refers to only one bank. e)New bank branches should have maximum distance from branches of the same bank, so that; it attracts minimum number of customers from branches of the same bank. According to the above-mentioned assumptions, mathematical model of the function for optimization is as follows: objective: Maximizes the distance between newly established branch and other existing branches of the same bank. Constraint1: Not less likely to attract new customers to the bank established a certain extent. Constraint2: Other branches of the same bank customers not less so after the creation of a new bank branch. Results & Discussion To assess the accuracy of the algorithms in the problem, suggests, in this study, repeatability and convergence of the algorithm is used. The results from the convergence of the algorithms used in this study, 100 iteration, is provided. For comparison, the cost for the logarithmic axis is provided. The axis can be said that IWA algorithm has better convergence than the other four algorithms. The convergence of the algorithm optimization methods, PSO and GW are next in priority. The answer and the cost of repeated 5 times 50 algorithm implementation of this algorithm is compared. It also answers the PSO algorithm and GW are next in priority. It should be noted that the number of adjustable parameters optimization algorithm optimization method IWA far more than the PSO and GW. Conclusion Finally, to evaluate quality and accuracy of the algorithms, several iterations are performed. The results of statistical and final tests indicate that the accuracy and convergence speed of Invasive Weed Optimization are more than other Algorithms in finding optimal location of bank branches.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله ابوالفضل رنجبر |
دانشجوی دکتری سیستم اطلاعات مکانی پردیس دانشکده فنی دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

فرشاد حکیم پور | f hakimpour
استادیار گروه مهندسی نقشه برداری پردیس دانشکده فنی- دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

سیامک طلعت اهری |
استادیار گروه عمران - دانشکده فنی - دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

نشانی اینترنتی http://www.sepehr.org/article_25725_259f74e0f64a7bb70a0502349e79bd8e.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/589/article-589-402871.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات