• Smith, H.K., Laporte, G., Harper, P.R., Locational analysis: highlights of growth to maturity. Journal of the Operational Research Society, 2009

• Jia, H., Ordóñez, F., Dessouky, M., A modeling framework for facility location of medical services for large-scale emergencies. IIE Transactions,  ۳۹:۱, p41-55, Jan 2007

• Revelle, C.S., Eiselt, H.A., Daskin, M.S., A bibliography for some fundamental problem categories in discrete location science. European Journal of Operational Research 184(3): 817-848 ,2008

• Eiselt, H.A., Sandblom, C.L., Decision analysis, location models, and scheduling problems. Springer 2004: I-XII, 1-457

• Berman, O., Krass, D., Facility location problems with stochastic demands and congestion. Location Analysis: Applications and Theory, Drezner, Z. and Hamacher, H.W. (eds.) pp. 329–۳۷۱. Springer, Berlin, Germany,2002

• Zhang, Y., Berman, O., Verter, V., Incorporating congestion in preventive healthcare facility network design. European Journal of Operational Research 198(3): 922-935 ,2009

• Baron, O., Berman, O., Krass, D., Facility Location with Stochastic Demand and Constraints on Waiting Time. Manufacturing and Service Operations Management, Vol. 10, No. 3, pp. 484-505, 2008

• Berman, O., Krass, D., Wang, J., Locating service facilities to reduce lost demand. IIE Transactions 38, 933–۹۴۶, ۲۰۰۶

• Adan, I., Resing, J., Queueing Theory. Eindhoven Univercity of Technology, 2001.

• Deb, K., Pratap, A., Agarwal, S., Meyarivan, T., A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II. IEEE Trans on evolutionary computation, V6, N2, pp. 182-197,2002

• Deb, K., Multi-Objective Optimization using Evolutionary Algorithm. John Wiley & Sons, Ltd, England, 2001

• A1 Jadaan, O., Rajamani, L., Non-dominated ranked genetic algorithm for solving multi-objective optimization problems: NRGA. Journal of Theoretical and Applied Information Technology, Vol4, No 1, pp 60-67, 2008

• Nunes, L., de Castro, Von Zuben, F.J., Chapter xii: ainet: An artificial immune network for data analysis. In R. A. Sarker and C. S. Newton, editors, Data Mining: A Heuristic Approach, pages 231–۲۵۹–. Idea Group Publishing, USA, 2001.

• Coello Coello, C. A., Cruz Cortés, N., Solving multiobjective optimization problems using an artificial immune system. Genetic Programming and Evolvable Machines. 6(2), 163-190,2005

• Freschi, F., Repetto, M., Multiobjective optimization by a modified artificial immune system algorithm. In 4th International Conference on Artificial Immune Systems (pp. 248-261), 2005

• Gong, M.G., Jiao, L.C., Du, H.F., Bo, L.F., Multiobjective immune algorithm with nondominated neighbor-based selection. Evolutionary Computation 16 (2), 225–۲۵۵,۲۰۰۸

• Wang, Q., Batta, R., Rump, C.M., Algorithms for a facility location problem with stochastic customer demand and immobile servers. Annals of Operations Research 111, 17–۳۴, ۲۰۰۲

پیوست الف: محاسبه معیارهای هشت گانه برای الگوریتم های استفاده شده
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

فاصله نسلی
درجه توازن در رسیدن همزمان به اهداف
مساحت زیر خط رگرسیون
تعداد جواب های غیرمغلوب
فاصله گذاری
گسترش
سرعت همگرائی

نمونه مسئله ۱ ساده
۰.۴۰۷
۷.۴۶۶
۰.۱۷۴
۱۲۷.۲
۰.۰۲۲
۰.۸۰۹
۰.۸۸۶

نمونه مسئله ۱ سخت
۰.۴۳۸
۵.۸۲۲
۰.۱۸۶
۶۸.۲
۰.۰۲۷