منوی کاربری
  • پشتیبانی: ۴۲۲۷۳۷۸۱ - ۰۴۱
  • سبد خرید

ترجمه مقاله الگوریتم تکراری بهینه سازی با برآورد پارامتر برای مشکل مکان یابی آمبولانس - نشریه اشپرینگر

ترجمه مقاله الگوریتم تکراری بهینه سازی با برآورد پارامتر برای مشکل مکان یابی آمبولانس - نشریه اشپرینگر
قیمت خرید این محصول
۴۱,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
الگوریتم تکراری بهینه سازی با برآورد پارامتر برای مشکل مکان یابی آمبولانس
عنوان انگلیسی
Iterative optimization algorithm with parameter estimation for the ambulance location problem
صفحات مقاله فارسی
39
صفحات مقاله انگلیسی
21
سال انتشار
2015
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
اشپرینگر - Springer
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله
بی نازنین
سایز ترجمه مقاله
14
نوع مقاله
ISI
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
2.074 در سال 2019
شاخص H_index مجله
50 در سال 2020
شاخص SJR مجله
0.781 در سال 2019
شناسه ISSN مجله
1386-9620
شاخص Q یا Quartile (چارک)
Q2 در سال 2019
کد محصول
10705
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن
به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
ضمیمه
دارد و ترجمه شده است ✓
بیس
نیست ☓
مدل مفهومی
ندارد ☓
پرسشنامه
ندارد ☓
متغیر
ندارد ☓
رفرنس در ترجمه
در داخل متن و انتهای مقاله درج شده است
رشته های مرتبط با این مقاله
مهندسی صنایع، فناوری اطلاعات و فناوری اطلاعات و ارتباطات
گرایش های مرتبط با این مقاله
برنامه ریزی و تحلیل سیستم ها، مخابرات سیار، اینترنت و شبکه های گسترده، سامانه های شبکه ای
مجله
علوم مدیریت مراقبت های بهداشتی - Health Care Management Science
دانشگاه
گروه اطلاع رسانی و مهندسی صنایع، دانشگاه یونسی، کره
کلمات کلیدی
بهينه سازي، رويكرد تکراری، ابر مکعب، شبيه سازي، سطح اعتبار
کلمات کلیدی انگلیسی
Optimization - Iterative Approach - Hypercube - Simulation - Reliability Level
doi یا شناسه دیجیتال
https://doi.org/10.1007/s10729-015-9332-4
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1. مقدمه
2 بررسی ادبیات
3 مدل سازی مشکل با استفاده از ابر مکعبی
4 الگوریتم بهینه سازی ابر مکعب تکراری
4.1 مدل بهینه سازی برای الگوریتم تکراری
4.2 تنظیمات اولیه
4.3 مدل ابر مکعب برای الگوریتم تکراری
4.4 شرایط خاتمه
4.5 به روز رسانی پارامتر
5 الگوریتم بهینه سازی شبیه سازی تکراری
6 نتایج تجربی
6.1 تایید اعتبار مدل شبیه سازی
6.2 مقایسه آزمایشات HYP-OPT و SIM-OPT
6.3 آزمایشات مقایسه ای SIM-OPT و رویکردهای برنامه ریزی ریاضی
7 نتیجه گیری
8 ضمیمه 1: شبه کد روند به روز رسانی پارامتر
9 ضمیمه 2: چارچوب شبیه سازی
تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)

10705 IranArze     10705 IranArze1     10705 IranArze2

نمونه چکیده متن اصلی انگلیسی
Abstract

The emergency vehicle location problem to determine the number of ambulance vehicles and their locations satisfying a required reliability level is investigated in this study. This is a complex nonlinear issue involving critical decision making that has inherent stochastic characteristics. This paper studies an iterative optimization algorithm with parameter estimation to solve the emergency vehicle location problem. In the suggested algorithm, a linear model determines the locations of ambulances, while a hypercube simulation is used to estimate and provide parameters regarding ambulance locations. First, we suggest an iterative hypercube optimization algorithm in which interaction parameters and rules for the hypercube and optimization are identified. The interaction rules employed in this study enable our algorithm to always find the locations of ambulances satisfying the reliability requirement. We also propose an iterative simulation optimization algorithm in which the hypercube method is replaced by a simulation, to achieve computational efficiency. The computational experiments show that the iterative simulation optimization algorithm performs equivalently to the iterative hypercube optimization. The suggested algorithms are found to outperform existing algorithms suggested in the literature.

1 Introduction

In an emergency medical service system (EMS), the ambulance location problem (ALP) is a critical issue. Locating ambulances is crucial to providing timely emergency medical services, affecting patients’ lives intimately. The ALP can be defined as the problem to find the number and locations of ambulances needed to provide a certain level of timely service. The location set cover problem (LSCP), which is to minimize the number of vehicles required to cover all demand sites within a specific distance, is an effective approach used to model the ALP. However, the LSCP is not able to capture the most important characteristic of the ALP: unavailability of an ambulance, such as when it is occupied by a patient, which leads to the late arrival of the ambulance at the target location, thus decreasing the patient’s chances of survival. Therefore, it is important to build a reliable ambulance location model.

7 Conclusions

This paper suggested an iterative hypercube and simulation optimization algorithm for the purpose of finding the locations of ambulances that satisfy the reliability requirements. The optimization model of the suggested algorithms finds the number and locations of ambulances using simple linear constraints. The hypercube (simulation) model was used to validate the optimization model results, and a few parameters required to interact between the models for the purpose of validation were identified. These interaction parameters were updated iteratively until satisfaction of the termination conditions, thus ensuring a feasible solution. The comparison experiment of HYP-OPT and SIM-OPT showed that the two algorithms have approximately equivalent performances. The experimental results of SIM-OPT were compared with other mathematical programming algorithms, and it is evident from the statistics presented that the suggested algorithm is efficient in terms of the number of allocated vehicles. That is, it found a lower number of ambulances on average compared to the other algorithms for the cases in which the others found feasible solutions. In the other cases, it employed only 0.3815 more vehicles than the other models on average while satisfying the reliability requirement (computational time per case was observed to be<1 h). The limitations of this paper include the assumption that the required numbers of ambulances per demand node and the maximum utilizations of each ambulance are the same. The rules for updating the parameter zij hyper could be revised to impose a tight boundary on it in the optimization model. Future research is suggested to investigate an iterative algorithm that considers travel time and demand per period.

نمونه چکیده ترجمه متن فارسی
چکیده
مشکل مکان یابی وسیله نقلیه اورژانسی برای تعیین تعداد ماشین های آمبولانس و موقعیت مکانی آن ها که سطح اطمینان مورد نیاز را برآورده می کند، در این مطالعه مورد بررسی قرار گرفته است. این یک مسئله غیر خطی پیچیده شامل تصمیم گیری های بحرانی است که دارای ویژگی های تصادفی ذاتی است. این مقاله یک الگوریتم بهینه سازی تکراری با برآورد پارامتر را برای حل مشکل مکان یابی وسیله نقلیه اورژانسی بررسی می کند. در الگوریتم پیشنهاد شده، یک مدل خطی موقعیت مکانی آمبولانس ها را تعیین می کند، در حالی که یک شبیه سازی ابر مکعبی برای ارزیابی و ارائه پارامترهای مربوط به موقعیت آمبولانس ها استفاده شده است. ما ابتدا یک الگوریتم بهینه سازی تکراری ابر مکعبی پیشنهاد می کنیم که در آن پارامترهای تعامل و قوانین ابر مکعب و بهینه سازی شناسایی شده اند. قوانین تعامل که در این تحقیق استفاده شده اند الگوریتم ما را قادر می سازد تا همیشه موقعیت مکانی آمبولانس ها را به گونه ای پیدا کند که قابلیت اطمینان مورد نیاز را برآورده کند. ما همچنین یک الگوریتم بهینه سازی شبیه سازی تکراری پیشنهاد می کنیم که در آن، روش ابر مکعب به منظور دستیابی به کارایی محاسباتی با یک شبیه سازی جایگزین شده است. آزمایشات محاسباتی نشان می دهند که الگوریتم بهینه سازی شبیه سازی تکراری، به صورت معادل با بهینه سازی ابر مکعب تکراری عمل می کند. الگوریتم های پیشنهادی، عملکرد بهتری نسبت به الگوریتم های موجود در ادبیات ارائه می دهند.

1. مقدمه
در یک سیستم خدمات اورژانس پزشکی (EMS)، مشکل مکان یابی آمبولانس (ALP) یک مسئله حیاتی است. تعیین موقعیت مکانی آمبولانس ها برای ارائه به موقع خدمات اورژانسی پزشکی، زندگی بیماران را تحت تاثیر قرار می دهد. ALP را می توان به عنوان مشکل تعیین تعداد و موقعیت آمبولانس های مورد نیاز برای ارائه به موقع سطح مشخصی از خدمات تعریف کرد. مشکل پوشش محل (LSCP)، که برای به حداقل رساندن تعداد وسایل نقلیه مورد نیاز برای پوشش همه سایتهای تقاضا در یک فاصله خاص است، یک روش موثر برای مدل سازی ALP می باشد. با این حال، LSCP قادر به کسب مهمترین ویژگی ALP نیست: عدم دسترسی به آمبولانس، مثلا زمانی که آمبولانس توسط یک بیمار اشغال شده باشد، منجر به ورود دیر هنگام آمبولانس در محل هدف شده و در نتیجه شانس بیمار برای زنده ماندن را کاهش می دهد. بنابراین، ایجاد یک مدل قابل اعتماد مکان یابی آمبولانس دارای اهمیت است.
7 نتیجه گیری
این مقاله یک الگوریتم ابر مکعب و بهینه سازی شبیه سازی تکراری به منظور یافتن موقعیت مکانی آمبولانس هایی که الزامات قابلیت اطمینان را برآورده می کنند، پیشنهاد کرده است. مدل بهینه سازی الگوریتم های پیشنهادی، تعداد و موقعیت مکانی آمبولانس ها را با استفاده از محدودیت های خطی ساده پیدا می کند. مدل ابر مکعب (شبیه سازی) برای اعتبار سنجی نتایج مدل بهینه سازی استفاده شد و تعداد کمی از پارامتر های مورد نیاز برای تعامل بین مدل ها با هدف اعتبار سنجی، شناسایی شده اند. این پارامترهای تعامل، تا زمان رضایت کامل از شرایط خاتمه به روز شدند، بنابراین یک راه حل امکان پذیر را تضمین می کنند. آزمایش مقایسه ای HYP-OPT و SIM-OPT نشان داد که این دو الگوریتم کارایی تقریبا یکسانی دارند. نتایج تجربی SIM-OPT با سایر الگوریتم های برنامه ریزی ریاضی مقایسه شده اند و این از آمار ارائه شده مشهود است که الگوریتم پیشنهادی از لحاظ تعداد وسایل نقلیه اختصاص یافته، کارآمد است. این به این معنی است که این الگوریتم برای مواردی که در آن ها دیگر الگوریتم ها به راه حل های عملی دست پیدا کرده اند، تعداد آمبولانس کمتری در مقایسه با سایر الگوریتم ها پیدا کرده است. در موارد دیگر، تنها 0.3815 وسیله نقلیه بیشتر از سایر مدل ها به کار گرفته شده و در عین حال الزامات قابلیت اطمینان برآورده شده است (زمان محاسبه برای هر مورد کمتر از 1 ساعت بود). محدودیت های این مقاله شامل این فرض است که تعداد آمبولانس های مورد نیاز در هر گره تقاضا و حداکثر استفاده از هر آمبولانس یکسان هستند. قوانین به روز رسانی پارامتر zijhyper را می توان در مدل بهینه سازی برای اعمال یک مرز محکم در آن، اصلاح کرد. پیشنهاد شده است که پژوهش های آینده یک الگوریتم تکراری را که مدت زمان سفر و تقاضا را در هر دوره در نظر می گیرد، مورد بررسی قرار دهند.


بدون دیدگاه