دانلود پروژه رشته ریاضی در مورد مسیریابی خودرو با پنجره های زمانی – قسمت چهارم

دانلود پایان نامه

انتخاب فرایند نورنمت k – راه با بهره گیری از گروه های اشخاص 2 و3 و4 آزمایش می شوند. این ثابت شده می باشد که گروههای 3 که به صورت تصادفی اشخاص را انتخاب می کنند بهترین نتایج را بدست آورده اند، قبل از اینکه تمام پارمترهای دیگر تنظیم شوند. تعداد زمان ها برای اجرای تمام اپراتورهای متغیر به روش تجربی به صورت زیر تنظیم می شوند. اپراتورها در دو بلوک تقسیم می شوند، اول این که گستردگی پژوهش را افزایش می دهد( بلوک A) و دیگری اجازه تراکم و شدت پژوهش را می دهد (بلوک B ). در این کار، تراکم و شدت بخشی برای راه اندازی و اقدام در راه حل کنونی که دریافت و بهره مثبت در مسافت طی شده را تضمین می کند قرار گرفته می باشد. به بیانی دیگر، گسترده سازی برای حرکتهای تصادفی در نظر گرفته می گردد که می تواند راه حل کنونی را برتر کند. اگر یک پژوهش گسترده برتر در GA بهره گیری شده جمعیت به گونه کلی راه حل کوچک محلی باقی می ماند. پیش روی، یک پژوهش با گستردگی اجرائیات معادل با یک پژوهش تصادفی در فضای محتمل راه حل مورد نظر می باشد. در آغاز، تعداد اجراها برای این بلوکها در هر GA بکار می رود که هزینه پیچیدگی زمان، الگوریتم مربوطه تصور می گردد. این روش قادر به یافتن بهترین ضریب برای هر بلوک با بهره گیری از آزمونهای تجربی می باشد. آزمون ها با بهره گیری از انواع متفاوت مسئله بعد از بهترین مقدار دگرگونی برای این دو بلوک انتخاب می شوند، که تعداد اجرا برای هر دگرگونی جدید را تغییر می دهد. این دو مرحله با بهره گیری از مسلئه های متفاوت در دفعات زیاد به صورت متناوب تکرار می شوند. در پایان، تمامی ضرایب پارامترها، طی آزمون راه حل های نمونه ها بدست می آیند. که در جدول 2 و 3 دیده می شوند.

نکته مهم : برای بهره گیری از متن کامل پژوهش یا مقاله می توانید فایل ارجینال آن را از پایین صفحه دانلود کنید. سایت ما حاوی تعداد بسیار زیادی مقاله و پژوهش دانشگاهی در رشته های مختلف می باشد که می توانید آن ها را به رایگان دانلود کنید

4-2 پیامدها و نتایج برای حداقل فاصله کلی

شما می توانید تکه های دیگری از این مطلب را در شماره بندی انتهای صفحه بخوانید              

روش آزمایشی پیشنهاد شده CGH با بهره گیری از 56 مسئله سولمون با 100 مشتری ارزیابی می گردد. گرچه بسیاری از روشهای تجربی با بهره گیری از این مجموعه در آزمایش های سولمون آزمایش شده اند، هیچ اطلاعاتی گرچه بسیاری از روش های تجربی با بهره گیری از این مجموعه در آزمایش های سولمون آزمایش شده اند، هیچ اطلاعاتی درمورد روش های تجربی قبلی که کل مسیر طی شده را بعنوان موضوع اولیه به همراه تعداد و انتگرالها برای مسافت طی شده و ایجاد درمورد روش های تجربی قبلی که کل مسیر طی شده را بعنوان موضوع اولیه به همراه تعداد و انتگرالها برای مسافت طی شده و ایجاد درمورد روش های تجربی قبلی که کل مسیر طی شده را بعنوان موضوع اولیه به همراه تعداد و انتگرالها برای مسافت طی شده و ایجاد امکان مقایسه با راه حل های روش دقیق، وجود ندارد. اگرچه نوع اطلاعات بنظر جدی می آیند، می توانند پیامدها و نتایج را بصورت قابل توجهی تغییر دهند، زیرا که می توانند در نظر بگیرند، که مسیری محتمل می باشد یا نه. این پیامدهای مسئله مانند همبستگی، ظرفیت، تقاضای مشتری و موارد دیگر با 10 چند گانه می شوند و تمام محاسبات زیر مجموعه آن به انتگرال و عدد صحیح، کاهش پیدا می کند.

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

جدول 4 نتایج بدست آمده توسط CGH برای تمام مسئله های سولمون با 100 مشتری و نتایج کامل بدست آمده توسط روش های بهینه شده را از هنگامی که شناخته شدند نشان می دهند. عملکردهای موضوعی بکار برده گردید تنها کل TD می باشد. NV موجود در راه حل ها تنها بعنوان مرجع نشان داده شده می باشد، و پیامدهای تأکید شده بصورت پررنگ در جدول 4 نشان دهنده راه حل های دقیق می باشد که توسط CGH بدست آمده اند. خانه های خالی ستون راه حل کامل بدین معنی می باشد که راه حل دقیقی برای این مسئله ها هنوز بدست نیامده می باشد. نتایج CGH نشان دهند. بهترین راه حل، بعد از اجرای 3 الگوریتم می باشد. محدودیت زمان برای اجرا، 60دقیقه می باشد که شامل تعداد زیادی راه حل متوسط MIP می باشد. (بلوک D در شکل 14) . مسئله های Spp ، اگرچه همیشه به صورت مطلوب اجرا می شوند، اما دارای مسیرهای کمی می باشند. و بیانگر یک زمان اختصاص یافته دقیق نیستن. Spp نهایی حل گردید. (بلوک j در شکل 14) می تواند زمان تقریباً بیشتری را علی رغم مجموع R GLOBAL که هنوز کوچک می باشد بپردازد. زمان مورد نیاز این مرحله از زمان محدود شده از زمان محدود شده 60 دقیقه نمی باشد. هیچ محدودیتی در این الگوریتم برای مراحل MIP وارد نشده می باشد، حتی نتایج مسئله Spp که در مرحله آخر، بعد از چند ثانیه کوتاه می آید.

نتایج نشان می دهد که بسیاری از راه حل های بهینه شناخته شده قبل از روش های دقیق بدست آمده اند، 24 مودر از 33 مورد ( 7/72 درصد). به صورت کلی، نتایج میانگین TD تنها 29/0 درصد بیشتر از تصور 33 نمونه می باشد، جایی که راه حل های بهینه شناخته شده اند. در ، تعداد خودروهای بهره گیری شده در راه حل مشابه نیستند. لارسن روش های تجربی را با بهره گیری از TD بعنوان تنها موضوع و معیار تعداد محدود شده در نظر گرفت و بیان نمود، که آن برای مقایسه نتایج بین الگوریتم ها راحت تر می باشد. این امکان دارد که آگاهی اجرا و عملکرد تجربی زیر فرضیه های تجربی عددی اجرا گردد و در موضوع مشابه در کارهای دقیق انتخاب می گردد.

بعلاوه، CGH مشابه تجربی با بهره گیری از تجربه واقعی ( دقت دوگانه) و پیامدهای آن با راه حل های تجربی در متن مقایسه می شوند، که اگر چه کارهای کمی برای مسئله های معیار سولمون برای به حداقل رساندن TD در نظر گرفته می گردد. نتایج در جدول 5 به همراه بهترین راه حل که در این متن شناخته شده می باشد اظهار می گردد. بعضی کارهای TD را بعنوان موضوع اول در نظر می گیرد، و بهترین نتایج قبلی از روش های تجربی به حداقل رساندن تعداد خودروها بعنوان اولین موضوع می آیند که برای مقایسه با نتایج CGH تبدیل شده اند. پیروی از جدول 6 نشان می دهد ه پیامدهای ایجاد شده توسط کلاس مسئله می باشد که شامل نتایج حاصل از کارهای مربوطه دیگر در متن می باشد. در این جدول درصد افزایش یافته از بهترین نتایج برای هر نویسنده نشان داده شده می باشد. CGH بهترین نتایج را بصورت قابل توجهی کاهش داده می باشد. حقیقت جالب دیگر این می باشد که بهترین نتایج قبلی با در نظر گرفتن TD با بهترین نتایجی که با در نظر گرفتن NN برای 10 مسئله ( که با  مشخص شده اند)، در جدول 5 تناسب ندارند. تمام این نتایج از کار و چارت می آید ، که TD بهتری را گزارش دهد، اما NN بدتر با یک خودوری بیشتر ارائه شده در جدول 7 بهره بدست آمده با فرمول سازی Spp در مجموعه مسیرهای R را می بینیم. که این نتایج اعتبار روش دو گانه CGH برای به حداقل رساندن TD در NRPTW را اثبات می کند.
5- نتیجه گیری

این نوشته در ریاضی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.

پاسخی بگذارید