@article { author = {کفاش چرندابی, ندا and آل‌شیخ, علی‌اصغر and کامروز خدایار, گلبرگ}, title = {}, journal = {Iranian Journal of Remote Sensing & GIS}, volume = {5}, number = {3}, pages = {-}, year = {2013}, publisher = {Iranian Remote Sensing & GIS Society}, issn = {2008-5966}, eissn = {2588-6185}, doi = {}, abstract = {}, keywords = {GIS,TSP,Ant Colony Optimization,Genetic algorithm,Combinatorial Optimization}, title_fa = {ارائه روشی ترکیبی مبتنی بر بهینه سازی جمعیت مورچه ها و الگوریتم ژنتیک برای حل مسئله فروشنده دوره گرد در GIS}, abstract_fa = {انسان از دیرباز برای حل مسائل پیچیده، از جهان زندة پیرامونش الهام گرفته است. این امر آشکارا در توسعة الگوریتم‌های مختلف تقریبی، از نظریة تکاملی داروین تا الگوریتم‌های مختلف هوش جمعی، دیده می‌شود. مسئلة فروشنده دوره‌گرد از مسائلی است که می‌توان آن را با الگوریتم هوش جمعی به چالش کشید. در پژوهش حاضر ابتدا با ارزیابی و تنظیم صحیح پارامترهای مؤثر در الگوریتم بهینه‌سازی کلونی مورچه‌ها، الگوریتم هوش جمعی بهبود می‌یابد. سپس روشی ترکیبی برای حل دودویی مسئله فروشندة دوره‌گرد در مقیاس بزرگ و برمبنای الگوریتم بهبود‌یافته کلونی مورچه‌ها و عملگرهای الگوریتم ژنتیک ارائه می‌شود. به‌منظور بررسی کیفیت جواب‌های به‌دست‌آمده، نتایج روش پیشنهادی با نتایج دو الگوریتم بهینه‌سازی کلونی مورچه‌ها و الگوریتم ژنتیک در مسیریابی بین مراکز استان‌ها مقایسه می‌شود. این مقایسه بهبود در جواب‌ها، کاهش زمان اجرای الگوریتم، و کاهش حجم لازم برای ذخیره‌سازی جواب‌های به‌دست‌آمده در شرایط گوناگون را نشان می‌دهد. با توجه به پایداری و بهینگی نتایج حاصل از الگوریتم مورچة بهبود‌یافته و اهمیت افزایش خدمات در سامانه اطلاعات مکانی، کاربرد الگوریتم پیشنهادی در صنعت توریسم مطرح می‌شود.}, keywords_fa = {GIS,TSP,الگوریتم بهینه‌سازی کلونی مورچه‌ها,الگوریتم ژنتیک,بهینه‌سازی ترکیبی}, url = {https://gisj.sbu.ac.ir/article_95156.html}, eprint = {https://gisj.sbu.ac.ir/article_95156_a1d5d9bbd93d82defb5fb8d2e10f1a7b.pdf} }