[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
داوری تخصصی::
تماس با ما::
امکانات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
پایگاه های نمایه کننده







 
..
آمار سایت
تعداد مشاهده ی مقالات: 3170374

مقالات منتشر شده: 685
نرخ پذیرش: 73.65
نرخ رد: 17.77

میانگین دریافت تا تصمیم‌گیری اولیه: 5 تا 10 روز
میانگین دریافت تا پذیرش: 192 روز
____
..
:: دوره 15، شماره 2 - ( 9-1404 ) ::
دوره 15 شماره 2 صفحات 11-1 برگشت به فهرست نسخه ها
یک رویکرد هوشمند مبتنی بر الگوریتم جامعه مورچگان تقویت‌شده برای تخصیص بهینه وظایف در عملیات امداد و نجات زلزله
ناهید بهرامی ، میثم ارگانی* ، علی درویشی بلورانی ، علیرضا وفائی‌نژاد
چکیده:   (12 مشاهده)
مدیریت مؤثر تیم‌ها یکی از چالش‌های حیاتی در عملیات‌های امداد و نجات به شمار می‌رود. در این شرایط، تصمیم‌گیری سریع، هماهنگی مؤثر و تخصیص بهینه فعالیت­ها، نقش تعیین‌کننده‌ای در موفقیت مأموریت‌ها و کاهش تلفات دارد. از این رو، به‌کارگیری روش‌های علمی و فناورانه برای ارتقای عملکرد تیم‌های امدادی از اهمیت بالایی برخوردار است. پژوهش حاضر با هدف بهبود عملکرد تیم‌های امداد و نجات در زمان وقوع زمین‌لرزه انجام گرفته است. زلزله‌ها به دلیل وسعت خسارات و محدودیت زمانی در نجات مصدومان، از جمله مخاطرات طبیعی بحرانی محسوب می‌شوند. هرگونه بهبود در مدیریت تیم‌های عملیاتی می‌تواند منجر به افزایش سرعت امدادرسانی و در نتیجه نجات جان افراد بیشتری شود. در این پژوهش، برای بهینه‌سازی عملکرد تیم‌های امدادی، از تلفیق علوم نوین مکانی با هوش مصنوعی استفاده شده است. بر اساس مطالعات انجام‌شده، الگوریتم هوش جمعی جامعه مورچگان به عنوان یکی از کارآمدترین روش‌های مبتنی بر رفتار جمعی برای حل مسائل تیمی پیچیده مناسب است. با این حال، برای ارتقای توانایی این الگوریتم روش یادگیری تقویتی  Q-Learning  برای ترکیب با جامعه مورچگان انتخاب شد. این ترکیب موجب شد تا فرآیند تخصیص وظایف و فعالیت­ها به افراد، ارتقا و بهبود یابد. برای اجرا و بررسی عملکرد مدل، ابتدا پارامترهای مؤثر در ساختار تیم‌ها و تخصص افراد، فعالیت­ها، و میزان خسارات، شناسایی و به عنوان ورودی و نیز در توسعه و تدوین روابط ریاضی لحاظ شدند. محدوده‌ی مطالعاتی در ناحیه چهارم منطقه ۳ شهر تهران انتخاب شد و ۷۰ امدادگر در قالب ۱۴ تیم پنج ‌نفره که همگی مطابق با پروتکل‌های هلال احمر ایران آموزش دیده­اند، در عملیات شبیه‌سازی‌شده شرکت داده شدند. در مدل پیشنهادی، توابع پاداش و هزینه با در نظر گرفتن شاخص‌هایی همچون سرعت حرکت، زمان انجام فعالیت­ها، فاصله محل فعالیت­ها و در کل میزان موفقیت در نجات افراد، تعریف و تدوین شدند. نتایج به‌دست‌آمده نشان داد که مدل ترکیبی پیشنهادی توانسته است کارایی کلی عملیات امداد و نجات را در مقایسه با الگوریتم واحد جامعه مورچگان تا حدود ۱۹ درصد افزایش دهد. به طور کلی، یافته‌های پژوهش حاضر نشان می‌دهد که ترکیب روش‌های هوش جمعی با یادگیری تقویتی می‌تواند چارچوبی نوین برای مدیریت هوشمند تیم‌های امدادی در شرایط بحرانی فراهم سازد.
شماره‌ی مقاله: 1
واژه‌های کلیدی: هوش مصنوعی، تخصیص وظایف، امداد و نجات، الگوریتم جامعه مورچگان، یادگیری تقویتی، زلزله.
متن کامل [PDF 762 kb]   (13 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سامانه های اطلاعات مکانی
دریافت: 1404/7/13 | پذیرش: 1404/9/17
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Bahrami N, Argany M, Darvishi Boloorani A, Vafaeinejad A. An Intelligent Approach for Improving Task Allocation Efficiency in Rescue Operations via Reinforced Ant Colony Optimization. JGST 2025; 15 (2) : 1
URL: http://jgst.issgeac.ir/article-1-1239-fa.html

بهرامی ناهید، ارگانی میثم، درویشی بلورانی علی، وفائی‌نژاد علیرضا. یک رویکرد هوشمند مبتنی بر الگوریتم جامعه مورچگان تقویت‌شده برای تخصیص بهینه وظایف در عملیات امداد و نجات زلزله. علوم و فنون نقشه برداری. 1404; 15 (2) :1-11

URL: http://jgst.issgeac.ir/article-1-1239-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 15، شماره 2 - ( 9-1404 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology