هدف از این مطالعه این است به منظور توسعه یک تابو جستجو (TS) روش برای حداکثر مشکل در دسترس محل سکونت تمدید (EMALP). این مشکل محل احتمالاتی شامل محل سرور های سیستم به طوری که انتظار می رود از پوشش تقاضا حداکثر، که در آن یک منطقه تقاضا است گفت: به پوشش داده شود اگر حداقل یک سرور در دسترس در فاصله بحرانی داده شده با احتمال بیشتری نسبت به وجود دارد و یا به یک اعتبار داده شده برابر است. نتایج به دست آمده از این روش به دست آمده با از شبیه سازی بازپخت (SA) روش توسعه یافته توسط Galvão و همکاران مقایسه شده است. برای مشکل مشابه دارد. به بهترین دانش ما، ما از روشهای دیگر پیشنهاد در ادبیات برای حل EMALP آگاه نیست. نتایج محاسباتی نشان می دهد که از نظر کیفیت راه حل، SA کمی بهتر TS برای شبکه های کوچک تر، در حالی که بهتر TS SA برای شبکه های بزرگتر. حداکثر دسته یکی از NP-سخت ترین مسئله بهینه سازی مورد مطالعه در نمودار به دلیل سادگی آن و برنامه های کاربردی متعدد آن است. یک متغیر اکتشافی جستجوی محله اساسی برای حداکثر دسته است که ترکیبی از حریص با آزمون راس simplicial در مرحله نزول آن پیشنهاد شده است و تست شده بر روی مشکلات آزمون استاندارد از ادبیات. با وجود سادگی آن، اکتشافی پیشنهاد بسیاری از روش های راه حل تقریبی شناخته شده بهتر. علاوه بر این، راه حل از کیفیت مساوی به کسانی که از اکتشافی دولت از هنر، از Battiti و Protasi در نیمی از زمان را می دهد. تصمیم محل تسهیلات یک عنصر مهم در برنامه ریزی استراتژیک برای طیف گسترده ای از بخش دولتی و کسب و کار جهان است. حداکثر پوشش محل سکونت مشکل (MCLP) یکی از مدل های شناخته شده برای مشکلات محل تسهیلات است. الگوریتم های بهینه به حل این نوع مشکل مدیریت عملیاتی عملی اغلب از انفجار ترکیبی هنگامی که اندازه سیستم را افزایش می دهد رنج می برند. در این موارد، روش اکتشافی تنها جایگزین مناسب. بسیاری از کار شده است به مطالعه اکتشافی برای MCLP اختصاص داده است. اما فاقد یک مقایسه کامل از روشهای مختلف وجود دارد. در این مقاله، ما به مقایسه عملکرد نسبی پنج روش اکتشافی کارآمد: حرص-اضافه کردن، تبادل، الگوریتم ژنتیک کارآمد (GA)، کارآمد تابو جستجو (TS)، و آنیل شبیه سازی شده کارآمد (SA). نتایج نشان می دهد: حریص-اضافه می تواند راه حل نسبتا خوب در یک زمان بسیار کوتاه رسیدن به؛ GA مبتنی بر الگوریتم انجام به عنوان موفقیت نه به عنوان آن استفاده می شود به انجام این کار در بسیاری از مشکلات ترکیبی. و کارآمد SA همیشه بهترین راه حل در میان تمام پنج الگوریتم باشد. بنابراین، به طور کلی ما ممکن است نتیجه گرفت که کارآمد SA اغلب باید برای اولین بار برای این نوع از مشکلات محاکمه شود.
دانلود رایگان ویدئو کلیپ فیلم آموزشی فارسی دانلود رایگان کد آماده متلب دانلود رایگان پروژه آماده متلب دانلود فایل آموزشی دانلود جزوه کلاسی دانلود مقاله فارسی انگلیسی لاتین دانلود پایان نامه فوق لیسانس کارشناسی ارشد تز دکتری فارسی انگلیسی ایران دانشگاه صنعتی شریف اصفهان تهران  دانشگاه امیرکبیر علم و صنعت شهید بهشتی تربیت مدرس شیراز کلاس تست کنکور کلاس خصوصی دوره های آموزشی انلاین مجازی دانلود جزوه pdf ppt پاورپوینت word داکیومنت ورد