Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!
  • Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  Network Design Problem
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W artykule pokazano próbę rozwiązania problemu optymalnego kształtu sieci połączeń regionalnych. Problem rozwiązywano na przykładzie sieci połączeń wojewódzkich w województwie Lubelskim. Danymi wejściowymi do rozwiązywanego problemu były dane o sieci transportowej, oraz rozmieszczeniu ludności. Złożony problem optymalizacyjny próbowano uprościć przyjętą heurystyką opartą o metody zaczerpnięte z teorii grafów. Za pomocą nieanalitycznych metod optymalizacyjnych rozwiązano wielokryterialny problem określenia kształtu sieci. Wybrano kilkanaście potencjalnych kandydatów, których oceniono na podstawie kolejnych kryteriów dodatkowych i wybrano optymalne rozwiązania.
EN
Paper shows an approach to solve Transit Network Design Problem. Considered problem covers regional transport system (Lublin region in Poland). Input data were GIS transport network and population distribution. Complex optimization problem was simplified by means of graph theory methods. Final optimization problem was poli-criterial genetic algorithm. Result of solving problem was Pareto frontier, being a set of non-dominated solutions.
EN
This paper presents an improved Genetic Algorithm to solve the Transportation Network Design Problem (CTNDP) with interactions among different links. The CTNDP is formulated in an optimal design as a bi-level programming model. A key factor in the present approach is the combination of diploid based complex-encoding with meiosis specific features. The novel mutation operator proposed is another improvement that leads to a better robustness and convergence stability. The computational results obtained by comparing the performance of the proposed algorithm and other Genetic Algorithms for a test network demonstrates its better local searching ability, as well as its high efficiency. Finally, suggestions for further research and extensions are given.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.