جمعیت شماره ۴

…

..

…

…

…

…

جمعیت شماره n

شکل شماتیک یک مثال از مساله انتخاب نوع بهینه تقاطع غیرهمسطح
همانطور که در شکل فوق مشاهده می­ شود، پنج نوع تقاطع غیرهمسطح وجود دارد که هر یک می­بایست عددی مشخص را دریافت نمایند. حل این مساله در حالتی که تعداد حمل و نقل مشخص است تبدیل به یک معادله می­گردد که کافی است کاربر عدد حجم ترافیک را در معادله مربوط به زمان، میزان آلایندگی و مصرف سوخت قرار دهد تا مشخص گردد که در حجم ترافیکی مورد نظر، کدامین نوع تقاطع غیرهمسطح باید انتخاب شود.
لیکن از آنجا که حجم دقیق استفاده­کنندگان از تقاطع­های غیرهمسطح را نمی­ توان همواره با قطعیت مشخص نمود لذا در این تحقیق از مفهوم بازه قابل قبول برای تخمین حجم ترافیکی ورودی به تقاطع،استفاده شده است. بدین منظور در ابتدای اجرای نرم­افزار از کاربر خواسته می­ شود تا حد بالا و حد پایین را مشخص نمایند به عبارت دیگر اگر قرار است V معرف مقدار حجم ترافیکی باشد آنگاه با در اختیار داشتن حد بالا و حد پایین^[۴۷] می­توان به تخمین بازه حجم ترافیکی اقدام نمود.

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

بنابراین مفهوم، هر یک از سطرها معادل با یکی از اعضاء جمعیت است. از این رو هر آرایه نمایشگر میزان وضعیت جمعیت تخصیص یافته به هر یک از انواع تقاطع­های غیرهمسطح خواهد بود.
روند­نمای الگوریتم انبوه ذرات
برای آشنایی بهتر با الگوریتم فراابتکاری انبوه ذرات روند­نمای آن در شکل ۲-۱۰ آورده شده است.
روندنمای الگوریتم انبوه ذرات
الگوریتم بهینه­سازی انبوه ذرات ابتدا با یک گروه از ذرات ( جواب­ها ) به صورت تصادفی آغاز می­ شود ، و در هر مرحله از این الگوریتم ، موقعیت ذرات به هنگام شده و الگوریتم به دنبال جواب بهینه می گردد.ذرات با توجه به سرعت بهترین موقعیتی که هر ذره^[۴۸] داشته و بهترین موقعیتی که همسایگی هر ذره ^[۴۹]داشته است به ­هنگام می­شوند .در صورتی که تمام ذرات گروه به عنوان همسایگی در نظر گرفته شود ، موقعیت بهترین ذره نقطه­ی بهینه­ کلی^[۵۰] است . در اکثر تحقیقات تمام ذرات به عنوان همسایگی در نظر گرفته می­شوند . در این پژوهش نیز به همین صورت در نظر گرفته شده است . قسمت اصلی الگوریتم بهینه­سازی انبوه ذرات به هنگام­سازی سرعت و موقعیت ذرات با توجه به معادلات زیر است : ]۲۶[

( ۲-۶)

( ۲-۷ )

از معادلۀ (۲-۶) بردار سرعت هر ذره با توجه به سرعت ذره در مرحلۀ قبلی ( ) به هنگام می­ شود ، در این معادله نشان دهنده شماره­ ذره، نیز نشان­دهنده سلول­های هر ذره است، بهترین موقعیتی است که ذره تا به حال به دست آورده است و بهترین موقعیتی است که کل ذرات به دست آورده اند ، و و دو عدد تصادفی با توزیع یکنواخت بین ( ۱ ، ۰ ) هستند که مستقل از یکدیگر تولید می­شوند . مقادیر و ضرایب یادگیری هستند و تأثیر و را بر فرایند جستجو کنترل می­ کنند . پس از به­هنگام شدن سرعت ذرات ، موقعیت ذره با بهره گرفتن از معادله ی (۲-۷) به­هنگام می­ شود . ]۲۶ و ۲۰[
محاسبه ی مقدار برازندگی
در الگوریتم بهینه­سازی گروه ذرات، هر ذره ( جواب ) با توجه به معیار­های مشخصی ارزیابی می­ شود، که با توجه به آنها تابع شایستگی تعریف می­ شود، و برای هر ذره مقدار شایستگی بدست می ­آید. معمولاً بهترین تابع برازندگی، تابع هدف آن مسأله است. در الگوریتم انبوه ذرات ،در مسائل بیشینه­سازی تابع برازندگی همان تابع هدف می­باشد و در مسائل کمینه­سازی ،تابع برازندگی بصورت (یک بر تابع هدف) در نظر گرفته می­ شود. ]۶[