مسئله مدیریت بحران در سالهای اخیر اهمیت شایانی یافته است . با توسعه محیطهای شهری ،هنگام وقوع یک بحران خطرات جانی و مالی زیادی افراد شهر را تهدید می کند .به این دلیل ایجاد سیستم مدیریت بحران مؤثر و سازمان یافته بسیار ضروری است. هر بحران شامل چندین حادثه با درخواست تعداد معینی واحد اورژانسی است .وضعیت نابهنجار زمانی به وجود می آید که مسئله کمبود منابع و رقابت برای منابع مطرح می شود.با اینکه هر بحران درجه شدت متفاوتی دارد، اما واکنش مناسب به درخواست هر بحران بسیار ضروری است. با تخصیص واحدهای اورژانسی به حوادث به طور خودکار ، گام بلندی در جهت حذف خطاهای بشری برداشته شده است .
در این پروژه روشهای هوش ازدحامی برای تخصیص تعداد بهینه از منابع در محیطی با چند بحران پیشنهاد شده است. این روشها تکنیکهای جدیدی در مدل کردن روند بحرانی با جمعیتی از عاملها و تخصیص منابع است به طوری که همه بحرانها بتوانند از منابع موردنظرشان استفاده کنند. هوش ازدحامی سیستمی است متشکل از تعداد زیادی افراد که با یک کنترل نا متمرکز و خودسامانده متعادل و هماهنگ می شوند . هوش ازدحامی ، منبع الهامی جهت توسعه سیاست های تخصیص گردش کار است. الگوریتم هایی که از این رفتار الهام میگیرند به طور موفقیت آمیزی جهت کاهش زمان های تنظیم شده و زمان های عملکرد در تولید زمان بندی صنعتی به کار میرود .
در این پروژه روشهایی برای بهینه سازی تخصیص منابع به وقایع بحرانی مختلف با توجه به محدودیتهایی همچون دسترس پذیری منابع ، وضعیت بحرانی وقایع، تعداد منابع خواسته شده و غیره ارائه شده است. روش پیشنهادی به سمت مدیریت رخداد وقایع بحرانی به طور همزمان در یک محیط از پیش تعریف شده خاص با مراکز تخصیص منبع تعیین شده در همان محل پیش می رود. هدف افزایش بهره وری واحدهای واکنش اضطراری به همراه کاهش زمانهای واکنش است. هدف اصلی از تخصیص خدمات اورژانسی ، بیشینه سازی کارایی واحدهای واکنش اضطراری در دسترس و موجود و کمینه سازی زمان واکنش برای کاهش آثار یک یا چند واقعه است.
آژانس های مختلفی در این زمینه تاسیس شده است از آن جمله آژانس مدیریت اورژانسی فدرال(FEMA) است. همچنین سیستمهایی برای نظارت و تخفیف آثار حوادث طراحی شده است مانند سیستم دریافت و پاسخ (اینفوسفر) و سیستم مدیریت بحران (CMS) .
الگوریتم های زیادی به همراه تعمیمشان برای رسیدن به راه حل های بهینه مسئله تخصیص منبع پیشنهاد شده است. الگوریتم ژنتیک ، تئوری بازیها ، الگوریتم های پویا و... از آن دسته اند.
عملیات نجات روبوکاپ موضوع تعدادی از پیاده سازی های عملی و سودمند است. عملیات نجات روبوکاپ یک محیط شبیه سازی شده برای برنامه ریزی حادثه شامل عاملهای متعدد است.در فصل های بعد به مسائل گفته شده پرداخته می شود.
فصل اول – مقدمه 1
فصل دوم-مدیریت بحران 4
2-1-مقدمه 4
2-2-مدیریت بحران5
2-3-آژانسهای مدیریت بحران8
2-3-1- آژانس مدیریت اضطراری فدرال (FEMA)8
2-3-2-اینفوسفر- سیستم دریافت و پاسخ11
2-3-3-سیستم مدیریت بحران (CMS) 12
2-4-انواع روشهای الگوریتمی تخصیص منابع14
2-4-1-برنامه نویسی پویا 14
2-4-2-برنامه نویسی عدد صحیح 15
2-4-3-روش ضرب کننده لاگرانژ 16
2-4-4-باز پخت شبیه سازی شده 18
2-4-5-الگوریتم ژنتیک 19
2-4-6- انشعاب و کران 21
2-4-7- الگوریتم حریص 21
2-4-8- جستجوی تابو 22
2-4-9- تئوری بازیها 23
2-5-عملیات نجات روبوکاپ23
2-5-1-ساختار سیستم25
2-5-2-ساختار عاملها25
2-5-3-تشکیل تیم27
فصل3 -هوش ازدحامی29
3-1- مقدمه29
3-2-الگوریتم بهینه سازی کلونی مورچه ها(ACO) 31
3-2-1-مورچه ها چگونه می توانند کوتاهترین مسیر را پیدا کنند؟ 32
3-2-2-کاربردهای ACO34
3-3- الگوریتم بهینه سازی انبوه ذرات (PSO) 34
3-3-1-الگوریتم pso 35
3-3-2 کاربردهای pso 37
3-4-الگوریتم ژنتیکGA 37
3-4-1- الگوریتم GA38
3-4-2-کاربردهای GA39
فصل چهارم - استفاده از هوش ازدحامی در مدیریت بحران40
4-1-مقدمه40
4-2-هوش ازدحامی 42
4-3-حوزه مدیریت اورژانسی44
4-4-روش شناسی46
4-5-مکانیزم های تخصیص کار مرسوم46
4-6-روند واکنش اورژانسی 48
4-7-ساخت و ارزیابی مدل49
4-8-روش شبیه سازی51
4-9-طراحی آزمایشات53
4-10-روش مقایسه مکانیزم54
4-11-رتبه بندی55
فصل پنجم-نتیجه گیری و پیشنهادات 58
منابع ومراجع 61
شامل 70 صفحه فایل word