روشی جدید برای الگوریتم زمانبندی CPU با گردش بنوبت ژنتیکی

اختصاصی از یارا فایل روشی جدید برای الگوریتم زمانبندی CPU با گردش بنوبت ژنتیکی دانلود با لینک مستقیم و پرسرعت .

روشی جدید برای الگوریتم زمانبندی CPU با گردش بنوبت ژنتیکی

45 صفحه در قالب word

به همراه 45 اسلاید آماده ارائه در قالب پاورپوینت

فهرست مطالب

مقدمه ..................................1

فصل اول

چکیده..................................................................2

تاریخچه الگوریتم ژنتیک.....................................3

اهداف ......................................................3

ساختار الگوریتم‏های ژنتیکی................................4

عملگرهای الگوریتم  ژنتیک...............5

روند کلی الگوریتم‏های ژنتیکی............................9

روند کلی بهینه سازی و حل مسائل در الگوریتم ژنتیک :.....................11

شرط پایان الگوریتم..........................................12

    فصل دوم

توضیح الگوریتم ژنتیک  در 12 قدم.......................18

قدم اول :  بدست آوردن تابع هدف (Cost Function) با n متغیر…………...18

قدم دوم : تعیین طول کروموزوم. ................20

قدم سوم : تولید جمعیت اولیه. .......................21

قدم چهارم: تبدیل هر ژن  از کروموزوم به اعدادی در بازه دامنه همان متغیر...............23

قدم پنجم :........................................25

قدم ششم : :.................................................26

قدم هفتم : تعیین تعداد کروموزوم شرکت کننده در عمل پیوند .:.........27

قدم هشتم : انتخاب کروموزومهایی که در عمل پیوند شرکت می کنند .................27

قدم نهم :  پیوند (crossover) . ..........................31

قدم دهم : جهش (mutation)   .................................36

قدم یازدهم : حفظ بهترین کروموزوم 36………………..

قدم دوازدهم : 37………………

فصل سوم

روش پژوهش....................................40

نتایج و بحث:.......................................41

نتیجه گیری و کارهای آینده..............................................50

نتیجه گیری‌ کلی.................................................51

قدر دانی................................................51

منابع.................................................43

مقدمه

یک موضوع جالب در سیستم عامل, زمانبندی CPU است.این زمانبندی به تخصیص CPU مربوط است که فراینده ها را در سیستمی کامپیوتری اجرا میکند.زمانبندی CPU وظیفه ی اصلی سیستم عامل است[1].زمانبندی باید بدرستی برای نگه داشتن بیطرفی و جلوگیری از فرایندهایی که هرگز CPU را تخصیص نمیدهد انجام شود(فرایند گرسنگی).زمانبندی CPU ضروری است , بخصوص در سیستم شبکه ی کامپیوتری که از گروهی از ایستگاههای کاری و سرویس دهندهها تشکیل میشود.سپس,در این سیستم عامل جدید ,کامپیوتر چند وظیفه ای ,یک هدف است و این به الگوریتم برای زمانبندی CPU متکی است.بهمین دلیل CPU بخش موثر یا مهم یک کامپیوتر است.[1].علاوه بر این ,در این عصر به کمک VLSL (در مقیاس بسیار بزرگ مدار مجتمع)ممکن است پردازنده هایی با قدرت بالا تولید کنند.این قدرت شگفت انگیز بایداستفاده شود تا بی فایده نباشد.همزمان با قدرت محاسبه ی پردازنده, در برنامه های کاربردی افزایش وجود دارد که آن قدرت را استفاده میکند. یک معیار که باید بوسیله ی برنامه انجام شود ,به حداقل رساندن میانگین زمان انتظار برای همه ی فرایندها در بدست آوردن تخصیص CPU است.الگوریتمهای مختلفی برای زمانبندی CPU وجود دارد:یکی از آنها گردش بنوبت(RR) است.مفهوم اساسی در RR استفاده از اشتراک گذاری زمان است[3].هر فرایند همان زمان CPU را بدست می آورد یعنی زمان کوانتومی, که بعنوان محدودیت در زمان پردازش ,بطور کلی در محدوده ی 1-100 میلی ثانیه عمل میکند.بعد از اینکه زمان کوانتومی برای فرایندی بپایان رسید,فرایند از اجرای آن متوقف میشود و در صف آماده گذارده میشوند.سپس ,فرایند بعدی انتخاب میشودتا اجرا شود.این مراحل چندین بار اجرا خواهند شد تا زمانیکه همه ی فرایندها بطور کامل بوسیله ی CPU بکار روند.اگر چه محدوده ی مقدار برای زمان کوانتومی وجود دارد,هنوز هیچ استانداردی وجود ندارد. ضمنا اگر زمان کوانتومی بسیار زیاد باشد,زمان مورد نیاز برای پاسخ / انتظار (چقدر زمان مورد نیاز است که آن بکار گرفته شود) کاملا زیاد است.علاوه براین, اگر خیلی کم باشد برای CPU مخارج کلی بوجود می آورد.جستجو برای بهترین زمان کوانتومی هدف دارد که به حداقل رساندن میانگین زمان انتظار برای گروهی از فرایندهاست.امیدواریم که هر فرایند بتواند کارش را در زمان معقول انجام دهد.تسریع کننده  یک فرایند اثرات کارش را در بسیاری از فرایندها بپایان میرساند که میتواند بوسیله ی CPU بکار گرفته شود.این کار به توان عملیاتی بهتری از CPU میرسد برای اینکه همیشه مشغول است و هرگز غیرفعال نیست.براساس مقدمه ی بالا فکر میکنیم برای پیدا کردن بهترین کوانتوم برای بدست آوردن میانگین بهتری از زمان انتظار,مدت زمان صرف شده و حداقل تعویض بستر لازم است.الگوریتم ژنتیکی را پیشنهاد میکنیم که با گردش بنوبت سنتی ترکیب میشود.

به زبان ساده تر

   محدوده کاری الگوریتم ژنتیک  بسیار وسیع می باشد و هر روز با پیشرفت روزافزون علوم و تکنولوژی استفاده از این روش در بهینه سازی و حل مسائل بسیار گسترش یافته است. الگوریتم ژنتیک   یکی از زیر مجموعه های محاسبات تکامل یافته می باشد که رابطه مستقیمی با مبحث هوش مصنوعی دارد در واقع الگوریتم ژنتیک  یکی از زیر مجموعه های هوش مصنوعی می باشد.  الگوریتم ژنتیک را می­توان یک روش جستجوی کلی نامید که از قوانین تکامل بیولوژیک طبیعی تقلید می­کند .الگوریتم ژنتیک برروی یکسری از جواب­های مساله به امید بدست آوردن جوابهای بهتر قانون بقای بهترین را اعمال می کند. درهر نسل به کمک فرآیند انتخابی متناسب با ارزش جواب­ها و تولید مثل جواب-های انتخاب شده به کمک عملگرهایی که از ژنتیک طبیعی تقلید شده­اند ,تقریب­های بهتری از جواب نهایی بدست می­آید. این فرایند باعث می­شود که نسلهای جدید با شرایط مساله سازگارتر باشد.

تاریخچه

   حساب تکاملی ,برای اولین بار در سال 1960 توسط آقای ریچنبرگ ارائه شد که تحقیق وی در مورد استراتژی تکامل بود.بعدها نظریه او توسط محققان زیادی مورد بررسی قرار گرفت تا اینکه الگوریتم ژنتیک  (GA  ) توسط جان هولند(John Holland ) و در سال 1975 در دانشگاه میشیگان ,ارائه شد.

در سال 1992 نیز جان کوزا (John Koza ) از الگوریتم ژنتیک  (GA  ) برای حل و بهینه سازی مسائل مهندسی پیشرفته استفاده کرد و توانست برای اولین بار روند الگوریتم ژنتیک  (GA  )  را به زبان کامپیوتر در آورد و برای آن یک زبان برنامه نویسی ابداع کندکه به این روش برنامه نویسی ,برنامه نویسی ژنتیک (GP ) گویندو نرم افزاری که توسط وی ابداع گردید به نرم افزار LISP مشهور است که هم اکنون نیز این نرم افزار کاربرد زیادی در حل و بهینه سازی مسائل مهندسی پیدا کرده است .

اهداف

تحقیقاتمان اهدافی بشرح زیر دارد:

1. طراحی و پیاده سازی سیستم که میتواند بهترین کوانتوم را برای رسیدن به میانگین بهینه ی زمان انتظار تولید کند.
2. بمنظور بررسی پارامترهای GA که میتواند بهترین راه حل را ارائه کند.
3. تحقیقات قبلی

ساختار الگوریتم‏های ژنتیکی

به طور کلی, الگوریتم‏های ژنتیکی از اجزاء زیر تشکیل می‏شوند:

 کروموزوم[1]

در الگوریتم‏های ژنتیکی, هر کروموزوم نشان دهنده یک نقطه در فضای جستجو و یک راه‏حل ممکن برای مسئله مورد نظر است. خود کروموزوم‏ها (راه حل‏ها) از تعداد ثابتی ژن[2] (متغیر) تشکیل می‏شوند. برای نمایش کروموزوم‏ها, معمولاً از کدگذاری‏های دودویی (رشته‏های بیتی) استفاده می‏شود.

جمعیت[3]

مجموعه‏ای از کروموزوم‏ها یک جمعیت را تشکیل می‏دهند. با تاثیر عملگرهای ژنتیکی  بر روی هر جمعیت, جمعیت جدیدی با همان تعداد کروموزوم تشکیل می‏شود.

تابع برازندگی[4]

به منظور حل هر مسئله با استفاده از الگوریتم‏های ژنتیکی, ابتدا باید یک تابع برازندگی برای آن مسئله ابداع شود. برای هر کروموزوم, این تابع عددی غیر منفی را برمی‏گرداند که نشان دهنده شایستگی یا توانایی فردی آن کروموزوم است.

عملگرهای الگوریتم  ژنتیک

در الگوریتم‏های ژنتیکی, در طی مرحله تولید مثل[5] ازعملگرهای ژنتیکی استفاده می‏شود. با تاثیر این عملگرها بر روی یک جمعیت, نسل[6] بعدی آن جمعیت تولید می‏شود. عملگرهای انتخاب[7] , آمیزش[8]  و جهش[9] معمولاً بیشترین کاربرد را در الگوریتم‏های ژنتیکی دارند.

عملگر انتخاب  (Selection ):

این عملگر از بین کروموزوم‏های موجود در یک جمعیت, تعدادی کروموزوم را برای  تولید مثل انتخاب می‏کند. کروموزوم‏های برازنده‏تر شانس بیشتری دارند تا برای تولید مثل انتخاب شوند.

روش های انتخاب :

• : Elitist Selection (انتخاب نخبگان)
  • مناسب‌ترین عضو هر اجتماع انتخاب می‌شود. با توجه به مقدار شایستگی که از تابع ارزیاب دریافت کرده است.
• نمونه‏برداری به روش چرخ رولت

در این روش, به هر فرد قطعه‏ای از یک چرخ رولت مدور اختصاص داده می‏شود. اندازه این قطعه متناسب با برازندگی آن فرد است. چرخ N بار چرخانده می‏شود که N تعداد افراد در جمعیت است. در هر چرخش, فرد زیر نشانگر چرخ انتخاب می‏شود و در مخزن والدین نسل بعد قرار می‏گیرد. این روش می‏تواند به صورت زیر پیاده‏سازی شود:

• نرخ انتظار کل افراد جمعیت را جمع کنید و حاصل آن را T بنامید.
• مراحل زیر را N بار تکرار کنید:

یک عدد تصادفی r بین 0 و T  انتخاب کنید.

در میان افراد جمعیت بگردید و نرخ‏های انتظار( مقدار شایستگی) آنها را با هم جمع کنید تا این که مجموع بزرگتر یا مساوی r شود. فردی که نرخ انتظارش باعث بیشتر شدن جمع از این حد می‏شود, به عنوان فرد برگزیده انتخاب می‏شود.

ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است

متن کامل را می توانید در ادامه دانلود نمائید

چون فقط تکه هایی از متن برای نمونه در این صفحه درج شده است ولی در فایل دانلودی متن کامل همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است

دانلود پاورپوینت زمانبندی منابع برنامه ها در یک شبکه محاسباتی

اختصاصی از یارا فایل دانلود پاورپوینت زمانبندی منابع برنامه ها در یک شبکه محاسباتی دانلود با لینک مستقیم و پرسرعت .

nیکی از اهداف مهم در شبکه های محاسباتی ، انتخاب منابع مناسب برای اجرای موثر یک Job میباشد.

nزمانبند منابع با مورد بررسی قرار دادن ویژگیهای خاص برنامه های کاربردی (Application) ، تصمیم می گیرد که چه معیارهایی باید بکار روند.

nاین مقاله یک چارچوب (Framework) زمانبندی منابع توزیع شده که اساسا شامل زمانبند کار JS و زمانبند محلی LS میباشد را ارائه میدهد.

nبرای یافتن نیازهای برنامه های کاربردی مختلف ، HGSA ، که بر پایه الگوریتم زمانبندی حریصانه ـ Heuristic میباشد ، و برای زمانبندی Job ها در شبکه است را برگزیده ایم.

nدر این Heuristic از دو معیار ، وزن محاسباتی و فاکتور پیچیدگی حجم کار استفاده می شود.

nاز معیار وزن برای کنترل تاثیر معیار روی برنامه های کاربردی استفاده میشود.

.1چکیده

.2مقدمه

.3کارهای انجام شده در زمینه زمانبندی منابع

.4چارچوب زمانبندی منابع

.5الگوریتم زمانبندی حریصانه HEURISTIC-BASED

.6آزمایشات ، نتایج و نمودارها

.7نتیجه گیری و کارهای آینده

 

 

 شامل 44 اسلاید powerpoint

دانلود مقاله مسئله زمانبندی پروژه

اختصاصی از یارا فایل دانلود مقاله مسئله زمانبندی پروژه دانلود با لینک مستقیم و پرسرعت .

شرح مختصر : الگوریتم جهش ترکیبی قورباغه (SFLA) یک الگوریتم مبتنی بر ممتیک متاهیوریستیکِ است. این الگوریتم در سال‌های اخیر توسط Eusuff و Lansey ایجاد شد. الگوریتم SFLA از نحوه‌ی جستجوی غذای گروه‌های قورباغه سرچشمه می‌گیرد. این الگوریتم برای جستجوی محلی میان زیرگروه‌های قورباغه از روش نمو ممتیک استفاده می‌کند. SFLA از استراتژی ترکیب استفاده می‌کند و امکان مبادله پیام در جستجوی محلی را فراهم می‌سازد. الگوریتم جهش ترکیبی قورباغه مزایای الگوریتم نمو ممتیک و بهینه‌سازی گروه ذرات (PSO) را ترکیب می‌کند. یکی از مسائل مشهور در زمینه کنترل پروژه، زمانبندی پروژه با محدودیت منابع و سایر محدودیتها می باشد که زمان‌بندی پروژه با در نظر گرفتن محدودیت منابع از جمله مسائل دارای پیشینه تحقیقاتی غنی است.   مساله زمان‌بندی پروژه با منابع محدود در واقع کلی¬ترین مساله زمان‌بندی است. مسائل زمان‌بندی کارگاهی ، جریان کارگاهی ، زمان‌بندی و سایر مسائل زمان‌بندی همگی زیر مجموعه ای از این مسئله به حساب می آیند. زمان‌بندی پروژه یکی از وظایف اصلی و فعالیت‌های اصلی در مدیریت پروژه است. وجود محدودیت منابع و همچنین روابط پیش نیازی بین فعالیت‌ها مسئله زمان‌بندی پروژه را امری دشوار می‌سازد. زمان‌بندی پروژه با در نظر گرفتن محدودیت منابع از جمله مسائل با ادبیات غنی در حوزه مسائل تحقیق در عملیات است.این مسئله توجه محققان را در سالهای اخیر بشدت بخود جلب کرده است و تاکنون با الگوریتم های مختلف حل شده است. در این مقاله به بررسی و عملکرد الگوریتم جهش قورباغه (SFLA) در حل مسائل زمانبندی پروژه با محدودت منابع پایه پرداخته می شود که نتایج حاکی از عملکرد مناسب و قوی این الگوریتم فراابتکاری جدید می باشد.

فهرست :

مقدمه

ادبیات موضوع

مساله زمانبندی پروژه با منابع محدود

مدل های ریاضی مسائل RCPSP

روشهای حل مدلهای RCPSP

الگوریتم جهش قورباغه (SFLA) (الگوریتم پیشنهادی در این پژوهش)

الگوریتم ترکیبی جهش قورباغه

تحقیقات داخلی و خارجی صورت گرفته

منابغ

شامل 14 صفحه فایل word

ارایه برنامه زمانبندی حرکت قطار ها با استفاده از الگوریتم ابتکاری بر پایه شاخه و حد با مطالعه موردی از شبکه ایران

اختصاصی از یارا فایل ارایه برنامه زمانبندی حرکت قطار ها با استفاده از الگوریتم ابتکاری بر پایه شاخه و حد با مطالعه موردی از شبکه ایران دانلود با لینک مستقیم و پرسرعت .

چکیده:
هدف اصلی این تحقیق در وهله اول ارائه مدل بومی برای زمانبندی قطارها در شرایط راه آهن ایران و در ثانی تلاش برای به دست آوردن جواب بهینه جهانی با روشی دقیق است. در این تحقیق برای نشان دادن قدرت مدل و راهکارهای ارائه شده، مسیر تهران-تبریز که مثالی واقعی در ابعاد نسبتاً بزرگ است، مورد بررسی قرار گرفت. بدین ترتیب که مسئله زمانبندی حرکت قطارها در مسیر تک خطه در قالب یک مدل برنامه ریزی ریاضی نوشته می شود. پس از کد نویسی مدل ریاضی مربوطه در نرم افزار GAMS، در محیط آن CPLEX به عنوان قوی ترین نرم افزار حل در مسائل برنامه ریزی صفر و یک مخلوط به کار گرفته می شود. نتایج حل مسئله مورد نظر چون ناشی از حل دقیق مسئله است با نتایج زمانبندی ارائه شده از راه آهن مقایسه و مشاهده گردید که طول زمان سفر به میزان چشمگیری کاهش یافته است. در این مقاله به غیر از اینکه زمانبندی راه آهن بهینه می شود، حساسیت مدل نسبت به حد بالای زمان توقف در ایستگاه ها مورد بررسی قرار می‌گیرد. در آخر یک حل دیگری با آزاد گذاشتن زمان های شروع حرکت قطارها برای مسئله زمانبندی قطارها به دست می آید و به خصوصیات این حل اشاره و نتیجه گیری می شود.

مقدمه:
یک برنامه زمانبندی قطار برنامه ریزی زمان های ورود و خروج قطارها را در سکوها، ایستگاه ها و تقاطع ها بیان می کند. از نقطه نظر ادارات راه آهن برنامه زمانی قطارها بعنوان یک داده ورودی اساسی برای استفاده بهینه از لکوموتیوها و فرآیند زمانبندی خدمه می باشد. از طرف دیگر افزایش سطح سرویس قطار فاکتور مهمی است که بر تصمیم مسافر و تصمیمات مربوط به شرکت ها برای انتخاب قطار بعنوان یک مدل حمل و نقل قابل قبول تأثیر می گذارد. پس هدف از زمانبندی قطارها حداقل کردن زمان سیر قطارها از مبدأ به مقصد، جلب رضایت مسافران و صاحبان کالا با کم کردن تاخیرات در ایستگاه ها و حداکثر کردن استفاده از ظرفیت خطوط، ایستگاه ها، ناوگان و خدمه است. یک نگرش با در نظر گرفتن تمام عواملی که در شبکه بر روی زمان حرکت قطارها تأثیر گذار می باشند می تواند ما را به سمت تولید یک برنامه ریزی در جهت نیل به اهداف ذکر شده سوق دهد. رقابت در عرصه حمل و نقل بین المللی، افزایش سهم حمل و نقل ریلی در اقتصاد کشورها و افزایش سرعت کامپیوترها باعث شده که محققان هر روز روش های جدیدی برای حل مسئله ارائه دهند و استفاده از تکنیک های بهینه سازی نیز می تواند برنامه ریزان قطار را در ساخت سریع برنامه های زمانبندی کارآمد برای کاهش هزینه های راه آهن کمک کند.

فهرست مطالب:

چکیده
مقدمه
فصل اول: کلیات
۱-۱-تعریف مسئله
۱-۲-اهداف
۱-۳-اهمیت موضوع
۱-۴-روش تحقیق

فصل دوم: مروری بر مطالعات انجام شده
۲-۱-زمانبندی دوره ای (اولیه ای) قطارها
۲-۱-۱-روش های مبتنی بر مدل سازی ریاضی
۲-۱-۲-روش های مبتنی بر حل ابتکاری مدل های ریاضی
۲-۱-۲-۱-مدل هیگینز
۲-۱-۲-۲-مدل قصیری-مرشد سلوک
۲-۱-۳-روش های شبیه سازی
۲-۱-۴-روش های نوین جستجو
۲-۲-زمانبندی ثانویه حرکت قطارها (اصلاح و بهبود زمانبندی اولیه)
۲-۳-تحلیل و بررسی آماری تحقیقات گذشته

فصل سوم: برنامه ریزی شبکه راه آهن
۳-۱-تعاریف و اصطلاحات
۳-۲-بررسی شبکه های راه آهن
۳-۲-۱-برتری حمل و نقل ریلی در مقابل سایر سیستم های حمل و نقل
۳-۲-۲-شبکه راه آهن جمهوری اسلامی ایران

فصل چهارم: مدل زمانبندی حرکت قطارها
۴-۱-روند کلی برنامه ریزی قطار
۴-۲-نمودار مسافت-زمان
۴-۳-فرضیات حل مسئله
۴-۴-مدل سازی مسئله و نگرش های موجود
۴-۴-۱-تابع هدف
۴-۴-۲-محدودیت های مسئله

فصل پنجم: روش های حل مدل زمان بندی حرکت قطارها
۵-۱-روش های حل متداول جهت حل مسائل ریاضی
۵-۲-برنامه ریزی عدد صحیح و روش های حل آن
۵-۲-۱-برنامه ریزی صفر و یک
۵-۲-۲-برنامه ریزی صفر و یک مخلوط
۵-۳-حل مسئله زمانبندی حرکت قطارها
۵-۳-۱-تولید محدودیت جهت کوچک کردن فضای جستجو
۵-۳-۲-ارائه نامساوی معتبر
۵-۳-۳-ارائه یک روش ابتکاری جهت حد بالا برای تابع هدف

فصل ششم: نتیجه گیری و پیشنهادات
۶-۱-دستاوردهای تحقیق
۶-۱-۱-زمانبندی مسیر تهران-تبریز در شبکه سراسری راه آهن ایران
۶-۱-۲-بهینه کردن زمان بندی ارائه شده توسط اداره سیر و حرکت
۶-۲-نوآوری تحقیق
۶-۲-۱-ارائه مدلی کاربردی
۶-۲-۲-ارائه زمان بندی بهینه مسیر با توجه به زمان های شروع و خاتمه معقول حرکت
۶-۲-۳-کاهش زمان حل مسئله
۶-۳-خروجی های تحقیق
۶-۴-حساسیت مدل به تغییرات حد بالای توقفات ایستگاه ها
۶-۶-ارزیابی نتایج
۶-۷-نتیجه گیری و پیشنهادات

پیوست الف: بررسی انواع فاصله زمانی بین دو قطار
پیوست ب: معرفی نرم افزار Cplex و GAMS
پیوست ج: فلوچارت های حل مسئله
پیوست د:اطلاعات ورودی و اطلاعات شبکه
پیوست ه: خروجی های نرم افزار و گراف
منابع و مأخذ
منابع فارسی
منابع انگلیسی
چکیده انگلیسی

پایان نامه ارشد عمران ارایه برنامه زمانبندی حرکت قطار ها با استفاده از الگوریتم ابتکاری بر پایه شاخه و حد

اختصاصی از یارا فایل پایان نامه ارشد عمران ارایه برنامه زمانبندی حرکت قطار ها با استفاده از الگوریتم ابتکاری بر پایه شاخه و حد دانلود با لینک مستقیم و پرسرعت .

چکیده:
هدف اصلی این تحقیق در وهله اول ارائه مدل بومی برای زمانبندی قطارها در شرایط راه آهن ایران و در ثانی تلاش برای به دست آوردن جواب بهینه جهانی با روشی دقیق است. در این تحقیق برای نشان دادن قدرت مدل و راهکارهای ارائه شده، مسیر تهران-تبریز که مثالی واقعی در ابعاد نسبتاً بزرگ است، مورد بررسی قرار گرفت. بدین ترتیب که مسئله زمانبندی حرکت قطارها در مسیر تک خطه در قالب یک مدل برنامه ریزی ریاضی نوشته می شود. پس از کد نویسی مدل ریاضی مربوطه در نرم افزار GAMS، در محیط آن CPLEX به عنوان قوی ترین نرم افزار حل در مسائل برنامه ریزی صفر و یک مخلوط به کار گرفته می شود. نتایج حل مسئله مورد نظر چون ناشی از حل دقیق مسئله است با نتایج زمانبندی ارائه شده از راه آهن مقایسه و مشاهده گردید که طول زمان سفر به میزان چشمگیری کاهش یافته است. در این مقاله به غیر از اینکه زمانبندی راه آهن بهینه می شود، حساسیت مدل نسبت به حد بالای زمان توقف در ایستگاه ها مورد بررسی قرار می‌گیرد. در آخر یک حل دیگری با آزاد گذاشتن زمان های شروع حرکت قطارها برای مسئله زمانبندی قطارها به دست می آید و به خصوصیات این حل اشاره و نتیجه گیری می شود.

مقدمه:
یک برنامه زمانبندی قطار برنامه ریزی زمان های ورود و خروج قطارها را در سکوها، ایستگاه ها و تقاطع ها بیان می کند. از نقطه نظر ادارات راه آهن برنامه زمانی قطارها بعنوان یک داده ورودی اساسی برای استفاده بهینه از لکوموتیوها و فرآیند زمانبندی خدمه می باشد. از طرف دیگر افزایش سطح سرویس قطار فاکتور مهمی است که بر تصمیم مسافر و تصمیمات مربوط به شرکت ها برای انتخاب قطار بعنوان یک مدل حمل و نقل قابل قبول تأثیر می گذارد. پس هدف از زمانبندی قطارها حداقل کردن زمان سیر قطارها از مبدأ به مقصد، جلب رضایت مسافران و صاحبان کالا با کم کردن تاخیرات در ایستگاه ها و حداکثر کردن استفاده از ظرفیت خطوط، ایستگاه ها، ناوگان و خدمه است. یک نگرش با در نظر گرفتن تمام عواملی که در شبکه بر روی زمان حرکت قطارها تأثیر گذار می باشند می تواند ما را به سمت تولید یک برنامه ریزی در جهت نیل به اهداف ذکر شده سوق دهد. رقابت در عرصه حمل و نقل بین المللی، افزایش سهم حمل و نقل ریلی در اقتصاد کشورها و افزایش سرعت کامپیوترها باعث شده که محققان هر روز روش های جدیدی برای حل مسئله ارائه دهند و استفاده از تکنیک های بهینه سازی نیز می تواند برنامه ریزان قطار را در ساخت سریع برنامه های زمانبندی کارآمد برای کاهش هزینه های راه آهن کمک کند.

فهرست مطالب:

چکیده
مقدمه
فصل اول: کلیات
۱-۱-تعریف مسئله
۱-۲-اهداف
۱-۳-اهمیت موضوع
۱-۴-روش تحقیق

فصل دوم: مروری بر مطالعات انجام شده
۲-۱-زمانبندی دوره ای (اولیه ای) قطارها
۲-۱-۱-روش های مبتنی بر مدل سازی ریاضی
۲-۱-۲-روش های مبتنی بر حل ابتکاری مدل های ریاضی
۲-۱-۲-۱-مدل هیگینز
۲-۱-۲-۲-مدل قصیری-مرشد سلوک
۲-۱-۳-روش های شبیه سازی
۲-۱-۴-روش های نوین جستجو
۲-۲-زمانبندی ثانویه حرکت قطارها (اصلاح و بهبود زمانبندی اولیه)
۲-۳-تحلیل و بررسی آماری تحقیقات گذشته

فصل سوم: برنامه ریزی شبکه راه آهن
۳-۱-تعاریف و اصطلاحات
۳-۲-بررسی شبکه های راه آهن
۳-۲-۱-برتری حمل و نقل ریلی در مقابل سایر سیستم های حمل و نقل
۳-۲-۲-شبکه راه آهن جمهوری اسلامی ایران

فصل چهارم: مدل زمانبندی حرکت قطارها
۴-۱-روند کلی برنامه ریزی قطار
۴-۲-نمودار مسافت-زمان
۴-۳-فرضیات حل مسئله
۴-۴-مدل سازی مسئله و نگرش های موجود
۴-۴-۱-تابع هدف
۴-۴-۲-محدودیت های مسئله

فصل پنجم: روش های حل مدل زمان بندی حرکت قطارها
۵-۱-روش های حل متداول جهت حل مسائل ریاضی
۵-۲-برنامه ریزی عدد صحیح و روش های حل آن
۵-۲-۱-برنامه ریزی صفر و یک
۵-۲-۲-برنامه ریزی صفر و یک مخلوط
۵-۳-حل مسئله زمانبندی حرکت قطارها
۵-۳-۱-تولید محدودیت جهت کوچک کردن فضای جستجو
۵-۳-۲-ارائه نامساوی معتبر
۵-۳-۳-ارائه یک روش ابتکاری جهت حد بالا برای تابع هدف

فصل ششم: نتیجه گیری و پیشنهادات
۶-۱-دستاوردهای تحقیق
۶-۱-۱-زمانبندی مسیر تهران-تبریز در شبکه سراسری راه آهن ایران
۶-۱-۲-بهینه کردن زمان بندی ارائه شده توسط اداره سیر و حرکت
۶-۲-نوآوری تحقیق
۶-۲-۱-ارائه مدلی کاربردی
۶-۲-۲-ارائه زمان بندی بهینه مسیر با توجه به زمان های شروع و خاتمه معقول حرکت
۶-۲-۳-کاهش زمان حل مسئله
۶-۳-خروجی های تحقیق
۶-۴-حساسیت مدل به تغییرات حد بالای توقفات ایستگاه ها
۶-۶-ارزیابی نتایج
۶-۷-نتیجه گیری و پیشنهادات

پیوست الف: بررسی انواع فاصله زمانی بین دو قطار
پیوست ب: معرفی نرم افزار Cplex و GAMS
پیوست ج: فلوچارت های حل مسئله
پیوست د:اطلاعات ورودی و اطلاعات شبکه
پیوست ه: خروجی های نرم افزار و گراف
منابع و مأخذ
منابع فارسی
منابع انگلیسی
چکیده انگلیسی