چکیده:
مسئله مکان یابی حداکثر پوشش سعی در حداکثر نمودن پوشش جمعیتی می کند که در یک حداکثر فاصله یا زمان مشخص از یک تجهیز قرار دارند. توسعه های بسیاری جهت بهبود کاربردهای این مسئله ارائه شده است که یکی از آنها ترکیب این مسئله با مدلهای صف است. به عنوان مثال مکان یابی محل تعدادی خدمت دهنده با هدف حداکثر نمودن پوشش مشتریان و محدودیت در طول یا زمان انتظار مشتریان در صف. در این مقاله مدل ارائه شده توسط کورآ و لورنا که به صورت یک مسئله حداکثر پوشش با محدودیت شاخصهای صف است توسعه داده می شود. بگونه ای که علاوه بر تابع هدف حداکثر پوشش، هدف حداقل نمودن فواصل خدمت دهنده ها تا مشتریان نیز در نظر گرفته می شود. بدین منظور بر خلاف مدل مقاله اصلی محدودیت خاصی در تخصیص مشتریان به گره های خدمت دهی ایجاد نگردیده و این خود مدل خواهد بود که نحوه تخصیص را مشخص می کند. مدل توسعه داده شده توسط الگوریتم ژنتیک و نرم افزار CPLEX حل و نتایج حاصل نشان دهنده عملکرد مطلوب الگوریتم توسعه داده شده می باشد.
خلاصه ماشینی:
"در این مقاله مدل ارائه شده توسط کورآ و لورنا3که به صورت یک مسئله حداکثر پوشش با محدودیت شاخصهای صف -------------- (*)استادیار دانشگاه الزهرا،دانشکده فنی و مهندسی، M.
در تحقیق صورت گرفته توسط کورآ و لورنا3این مورد در محدودیتها درنظر گرفته شده است به گونهای که از ابتدا براساس یک فاصله ماکسیمم مشخص،مشتریان یا نقاط تقاضایی که میتوانند به هر تجهیز(خدمتدهنده)جدید تخصیص یابند مشخص شده و مدل صرفا مشخص میکند که کدامی ک از این مشتریان به آن تجهیز اختصاص یابند.
در مقاله دیگری از شوندی و محلوجی41یک مدل مکانیابی-تخصیص ارائه شده که در آن تعدادی گره تقاضا وجود دارد و قرار است تعدادی خدمتدهنده به گرهها اختصاص داده شود به گونهای که بیشترین پوشش گرههای تقاضا صورت میگیرد.
سیستم صف مورد نظر در این تحقیق نظیر کورآ و لورنا3به صورت M/M/1 بوده و پس از مدلسازی مساله از یک الگوریتم ژنتیک ساده و همچنین نرم افزار CPLEX برای حل مدل و مقایسه استفاده شده است.
(8)(به تصویر صفحه مراجعه شود) در این قسمت به منظور ارزیابی و حل مدل پیشنهادی 42 مثال عددی طراحی شده است که پارامترهای مربوطه به صورت زیر انتخاب شدهاند.
به منظور انجام تحقیقات آتی در این زمینه موارد زیر پیشنهاد میشود: 1-استفاده از سایر الگوریتمهای متاهیوریستیک و مقایسه آن با الگوریتم فعلی 2-توسعه الگوریتمهای ابتکاری یا هیبریدی به منظور حل 3-توسعه مدل با فازی درنظر گرفتن برخی محدودیتها و یا پارامترها 4-اضافه نمودن هدفهای جدیدتر به مسئله 5-استفاده از الگوریتمهای ژنتیک چند هدفه برای حل و تولید مجموعههای پارتویی از جوابهای مربوطه منابع و مآخذ 1مدرس یزدی،محمد،نظریه صف،مرکز نشر دانشگاهی تهران،چاپ اول،0731."