Journal of Geomatics Science and Technology

fa ارائه استراتژی های مکانی برای تخصیص وظایف گروه های عامل مبنا در محیط های بحران زده Presenting Spatial Strategies for Agent-Based Task Allocation in Disaster Environments سامانه های اطلاعات مکانی GIS پژوهشي Research <div style="text-align: justify;">وجود روشی مناسب برای تخصیص صحیح وظایف نقش مهمی در بهبود کارایی و تصمیمگیری در عملیات با محدودهی بزرگ دارد. هدف مقالهی حاضر ارائهی رویکردی برای تخصیص وظایف بین گروهی از عاملها در محیطهای بحرانزده با مدنظر قرار دادن استراتژیهای مکانی مناسب میباشد. نوآوری اصلی ارائهی رویکردی مکانی است که اگر در محیط بحرانزده تخصیص اولیهی وظایف بنابه اختلال موجود در محیط با مشکلی مواجه شود، در تخصیص مجدد یا تخصیصهای آینده شرایط بهتری وجود داشته باشد. رویکرد ارائه شده در طول 5 مرحله اجرا شده و آمادگی برخورد با شرایط عدم اجرای وظایف را فراهم میکند. ترتیبدهی وظایف موجود، یافتن عامل هماهنگ‌کننده، برگزاری مناقصه، اعمال استراتژیهای تخصیص، اجرا و روبرو شدن با اختلالات فرآیند اجرا پنج مرحله روش پیشنهادی میباشد. در مرحله چهارم، 4 استراتژی به ترتیب تخصیص وظایف با اولویت بالاتر، تخصیص وظایف به تمامی عاملها، تخصیص با نگه‌داشتن عاملهای استراتژیک و تخصیص با ایجاد بهترین تراکم در محیط، به روش پروتکل قرارداد شبکه اعمال شد. مقیاسپذیری روش پیشنهادی در قالب 9 سناریو (50، 100 و 200 عامل با 500، 1000 و 2000 وظیفه) در مقایسه با روش پروتکل قرارداد شبکه سنتی<a href="#_ftn1" name="_ftnref1" title="">[1]</a> (CNP) ارزیابی شد. رویکرد پیشنهادی به‌طور متوسط از نظر معیار زمانِ عملیات امداد و نجات نسبت به CNP، دارای حداقل بهبود 12% ، حداکثر بهبود 30% و متوسط درصد بهبود %19 بود. ارزیابیها بر اساس تعداد افراد فوت‌شده و تعداد تخصیصهای اشتباه نیز نشان از قابلیت رویکرد پیشنهادی بود. مقایسه بین استراتژیهای ارائه شده نشان داد که استراتژی چهارم با ماهیت مکانی، نتایج بهتری را ارائه میدهد. در نظر گرفتن استراتژیهای تخصیص به ازای مقادیر مختلف اختلال در اجرای وظایف نیز نشان از برتری استراتژی‌های تخصیص وظایف مکانی بود. اجرای تخصیص وظایف به‌ویژه استراتژیهای مکانی موجب بهینهسازی و انعطافپذیری برنامه شده و شرایط را برای تحمل خطا و ثبات همکاری عامل مبنا ایجاد میکند.</div> <div> <div style="text-align: justify;"></div> <hr align="left" size="1" width="33%" > <div id="ftn1" style="text-align: justify;"><a href="#_ftnref1" name="_ftn1" title="">[1]</a> Contract Net Protocol</div> </div> <div style="text-align: justify;">Proper task allocation among agents enhances a system’s performance and reduces the probability of disorder in resolving a wide range of issues. Appropriate allocations are critical for the efficient implementation of tasks undertaken in natural hazard environments. Task allocation plays an important role in coordinating a multi-agent system (MAS) among a set of agents. Multi-agent systems consist of several automatic and autonomous agents that coordinate their activities to achieve a goal. Agents fail to reach their ultimate goal without the proper assignment of tasks. A proper approach to task allocations plays an important role in decision-making, particularly in urban search and rescue (USAR) operations in crisis-ridden areas. In the last decade, several studies were conducted regarding task allocation and different approaches have been presented to consider assigning tasks in MASs. This paper intends to provide an approach to task allocation in disaster environments through the consideration of appropriate spatial strategies to deal with disturbances. The challenge of this study is to provide the possibility of task reallocation in order to deal with uncertainties and events during the implementation.The main innovation of the study is that it presents an approach to improve conditions during reallocations, or future allocations, when initial allocations face problems due either to available uncertainties, or the addition of a new task. In other words, based on the nature of the implementation environment (natural disaster environments), current allocation is not only considered but it is performed with regard to future allocations. The selected spatial strategies for a change the order of tasks (preparation for reallocation) are different in accordance with the conditions and the studied phenomenon. In general, strategies are selected in such a way that the final cost of the system will not increase abnormally if initial allocations face a problem. For example, building destruction level are uniformly distributed after an earthquake. Therefore, the convergence of rescue groups should be prevented as much as possible and the initial allocation should be done in such way to decrease agent movement in future allocations. The proposed method is presented in five phases: ordering existing tasks, finding coordinating agent, holding an auction, applying allocation strategies and implementation and observation of environmental uncertainties. The scalability of the proposed method was evaluated with the contract net protocol (CNP) method. In comparison with CNP, the standard time of rescue operations in the proposed approach includes at least 12% of improvement and the maximum improvement of 30% and the average percentage of recovery was 19%. Then obtained from the simulation of the proposed approach indicated that the time of rescue operations in the proposed scenarios was always less than the time required in the CNP method. Further, the evaluations based on deceased people and incorrect allocations indicated the feasibility of the proposed approach. The comparison of the proposed strategies at different levels of uncertainty showed that an increase in uncertainty leads to an increased rescue time for CNP. An effective assigning approach should consider strategies for replanning in order to waste the least time during system disruptions. This optimizes planning to achieve better implementation time and provides conditions for fault tolerance. Also, considering strategies in the task allocation process, especially spatial strategies, resulted in the optimization and increased flexibility of the allocation as well as conditions for fault tolerance and agent-based cooperation stability in emergency management.</div> استراتژی مکانی تخصیص, تخصیص وظایف, محیط های بحران‌زده, همکاری بین عاملی, سیستم های چندعاملی Spatial Strategies, Task Allocation, Multi-Agent Systems, Disaster Environments 173 188 http://jgst.issgeac.ir/browse.php?a_code=A-10-154-2&slc_lang=fa&sid=1 N. Hooshangi نوید هوشنگی navid.hooshangi@yahoo.com 10031947532846005700 10031947532846005700 No K.N. Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی A. A. Alesheikh علی اصغر آل شیخ alesheikh@kntu.ac.ir 10031947532846005701 10031947532846005701 Yes K.N. Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی