نوع ساختمان‌ها نیز در نرخ زنده ماندن افراد تاثیر دارد. برای مثال ساختمان‌های بنایی معمولا موجب خفگی می‌شوند. شدت تاثیر هر یک از این انواع بعد از صحبت با متخصص و با توجه به اطلاعات موجود از همه شهرها تعیین می‌گردد.

در نهایت اگر عامل آب و هوا را با و عامل ساختمان را با نمایش دهیم، شکل نهایی بدین صورت خواهد بود:

بدیهی است که اگر بتوانیم با توجه به آب و هوا و نوع ساختمان، نقاط تخمین تابع را به دست آوریم، تخمین بهتری از تابع مورد نظر خواهیم داشت.

۳-۵-۱۰ پیچیدگی مدل و ‌مشکلات جمع‌ آوری اطلاعات

همان‌ طور که مشاهده می کنید این مسئله دارای پارامترهای فراوانی می‌باشد که برای حل مسئله باید تعیین گردند. متاسفانه با توجه به ساختار ضعیف اطلاعاتی کشوری مانند ایران، اطلاعات کمی درباره اکثر این پارامترها موجود می‌باشند. ‌بنابرین‏ تا حد زیادی باید اطلاعات را جمع‌ آوری کنیم. همچنین در بسیار از موارد باید از طریق مشورت با متخصص، پارامترها ساخته شوند. لازم به تذکر است که برای ایجاد ساختار اطلاعاتی مناسب برای حل این مدل در کشوری مانند ایران، کار فراوانی مورد نیاز است. همچنین همکاری متخصصان شهرهای مدل نیز کاملا ضروری است. ‌بنابرین‏ در صورت تمایل برای اجرای این پروژه به یک تیم جمع‌ آوری اطلاعات که قادر به همکاری با شهرهای مدل باشد، نیاز داریم.

در فصل بعد توابع ارئه شده مورد بررسی قرار می گیرند. این کار برای تطبیق این توابع با واقعیت، صورت گرفته است. برای این منظور مثالهایی نیز ارائه خواهد گردید و همچنین به بحث هایی از جمله نحوه محاسبه تعداد افراد نیازمند کمک، نحوه محاسبه نیروهای دردسترس شهر آسیب دیده ، نحوه به دست آوردن نفر-ساعت کار مورد نیاز، نحوه بهبود سیستم نجات و همچنین پارامترهای مورد نیاز برای تعریف مدل یادآوری می‌گردد. سپس الگوریتمی برای شناسایی شهرهای امدادرسان به شهر آسیب دیده ارائه می‌گردد. در نهایت مدل اصلی که مدل تخصیص نیروهای امدادرسان به شهرهای مختلف است ارائه خواهد شد .

فصل چهارم

روش حل مسئله

۴-۱ مقدمه

از آنجا که مدل مسئله ی مکان‌ یابی ایستگاهای امداد و نجات، مورد نظر با بزرگ شدن مسئله، بسیار پیچیده و بزرگ می شود، به دلیل محدودیت های حافظه و بالارفتن زمان حل، نمی توان با بهره گرفتن از روش حل دقیق، جواب مسئله را به دست آورد. به همین منظور الگوریتم حل ابتکاری برای مسئله ی تحت بررسی ارائه شده است. این الگوریتم از دومرحله تشکیل شده است؛ در مرحله ی اول بهترین نحوه توزیع آمبولان سها و تخصیص تقاضاهای موجود به بیمارستان ها و مراکز خدمات فوری تهای پزشکی در هریک از دور ه های زمانی تعیین شده است که در این مرحله از تعریف دو الگوریتم شبیه سازی تبرید به نام های SA1 وSA2 استفاده شد. در مرحله ی دوم برای تعیین بازآرایی مناسب آمبولانس ها بین دوره های متوالی و اینکه آمبولانس ها در صورت نیاز به جابجایی ‌از کدام مرکزEMS به کدام مرکزEMS منتقل شوند، از یک الگوریتم حریصانه^[۶۳]استفاده شده است. از آنجایی که در روش حل ارائه شده از الگوریتم فراابتکاری شبیه سازی تبرید استفاده شده است، توضیح مختصری از این الگوریتم ارائه می شود و سپس به شرح الگوریتم ابتکاری می پردازیم و درخصوص مسئله تخصیص صحیح نیروهای امداد و نجات همان‌ طور که مشاهده می کنید این مسئله دارای پارامترهای فراوانی می‌باشد که برای حل مسئله باید تعیین گردند. متاسفانه با توجه به ساختار ضعیف اطلاعاتی کشوری مانند ایران، اطلاعات کمی درباره اکثر این پارامترها موجود می‌باشند. ‌بنابرین‏ تا حد زیادی باید اطلاعات را جمع‌ آوری کنیم. همچنین در بسیاری از موارد باید از طریق مشورت با متخصص، پارامترها ساخته شوند. لازم به تذکر است که برای ایجاد ساختار اطلاعاتی مناسب برای حل این مدل در کشوری مانند ایران، کار فراوانی مورد نیاز است. همچنین همکاری متخصصان شهرهای مدل نیز کاملا ضروری است. ‌بنابرین‏ در صورت تمایل برای اجرای این پروژه به یک تیم جمع‌ آوری اطلاعات که قادر به همکاری با شهرهای مدل باشد، نیاز داریم.

در این فصل ابتدا توابع ارئه شده مورد بررسی قرار می گیرند. این کار برای تطبیق این توابع با واقعیت، صورت گرفته است، برای این منظور مثالهایی نیز ارائه گردیده است و همچنین به بحث هایی از جمله نحوه محاسبه تعداد افراد نیازمند کمک، نحوه محاسبه نیروهای دردسترس شهر آسیب دیده ، نحوه به دست آوردن نفر-ساعت کار مورد نیاز، نحوه بهبود سیستم نجات و همچنین پارامترهای مورد نیاز برای تعریف مدل یادآوری می‌گردد. سپس الگوریتمی برای شناسایی شهرهای امدادرسان به شهر آسیب دیده ارائه می‌گردد. در نهایت مدل اصلی که مدل تخصیص نیروهای امدادرسان به شهرهای مختلف است ارائه خواهد شد .

۴- ۲ الگوریتم مورد استفاده در مکان‌ یابی ایستگاه های امداد رسان

مدل مسئله ی مکان‌ یابی ایستگاهای امداد و نجات مورد نظر با بزرگ شدن مسئله، بسیار پیچیده و بزرگ می شود، به دلیل محدودیت های حافظه و بالارفتن زمان حل، نمی توان با بهره گرفتن از روش حل دقیق، جواب مسئله را به دست آورد. به همین منظور الگوریتم حل ابتکاری برای مسئله ی تحت بررسی ارائه شده است. این الگوریتم از دومرحله تشکیل شده است؛ در مرحله ی اول بهترین نحوه توزیع آمبولان سها و تخصیص تقاضاهای موجود به بیمارستان ها و مراکز خدمات فوری تهای پزشکی در هریک از دور ه های زمانی تعیین شده است که در این مرحله از تعریف دو الگوریتم شبیه سازی تبرید به نام های SA1 وSA2 استفاده شد. در مرحله ی دوم برای تعیین بازآرایی مناسب آمبولانس ها بین دوره های متوالی و اینکه آمبولانس ها در صورت نیاز به جابجایی ‌از کدام مرکزEMS به کدام مرکزEMS منتقل شوند، از یک الگوریتم حریصانه^[۶۴]استفاده شده است.

۴-۲-۱ الگوریتم تبرید

شبیه سازی تبرید یک تکنیک محاسباتی تصادفی برای به دست آوردن جواب های نزدیک به بهینه در مسائل بهینه سازی ترکیبی می‌باشد. این روش از فرایند ترمودینامیکی سرد کردن فلزات مذاب برای به دست آوردن کمترین حالت انرژی حاصل می شود.

مزیت اصلی شبیه سازی تبرید، نسبت به روش های جستجوی تصادفی، توانایی آن برای جلوگیری از افتادن در بهینه های محلی هنگام جستجو برای مینیمم محلی است.

در استراتژی جستجوی شبیه سازی تبرید، الگوریتم از یک جواب اولیه آغاز می شود . در هر مرحله جواب های جدید توسط حرکات تصادفی در همسایگی جواب فعلی تولید می‌شوند. اگر جواب جدید مقدار تابع هدف را بهبود دهد، جایگزین جواب فعلی می‌گردد در غیر این صورت جواب جدید با احتمال مشخصی شانس پذیرش دارد. این احتمال به صورت زیر تعریف می شود:

به طوری که است، است ، که x جواب فعلی است، y جواب جدید تولید شده ، C تابع هدف که در اینجا بیشینه سازی درنظر گرفته شده است و Ti دمای تبرید در مرحله i ام و p احتمال پذیرش می‌باشد. استفاده از احتمال فوق در الگوریتم بدین صورت است که در هر مرحله اگر شد، یک عدد تصادفی بین صفر و یک تولید می شود و با احتمال مذکور مقایسه می‌گردد. چنانچه این عدد تصادفی از احتمال کوچکتر بود، جواب جدید پذیرفته می شود.