| Summary: | Η παρούσα εργασία αποσκοπεί στην ανάπτυξη ενός εργαλείου υπολογισμού βέλτιστης θέσης εγκατάστασης σημειακών υπηρεσιών. Το πρόβλημα της χωροθέτησης προσεγγίζεται με την χρήση του συνεχούς μοντέλου ενώ οι περιπτώσεις που επιλύονται αφορούν σημειακές υπηρεσίες. Οι υπηρεσίες αυτές μπορεί να χρησιμοποιούνται είτε από ανεξάρτητους χρήστες, από ομάδες χρηστών ή να υπόκεινται σε ιεραρχική δομή.
Για τον σκοπό αυτό αναπτύχθηκε μεθοδολογία η οποία συνδέει το πρόγραμμα βελτιστοποίησης με το ΓΣΠ και χρησιμοποιώντας τις λειτουργίες των δύο αυτών εργαλείων επιτυγχάνεται η μοντελοποίηση και η λύση του προβλήματος.
Η μεθοδολογία βελτιστοποίησης τής αντικειμενικής συνάρτησης που χρησιμοποιήθηκε είναι αυτή των Γενετικών Αλγορίθμων. Για το σκοπό αυτό στο περιβάλλον του εμπορικού πακέτου Matlab παραμετροποιήθηκε το εργαλείο Genetic Algorithm Tool (gatool) για τις μελέτες περίπτωσης που αντιμετωπίσαμε.
Το πρόγραμμα των Γενετικών Αλγορίθμων σε κάθε συναρτησιακό υπολογισμό καλεί το ΓΣΠ όπου και γίνεται ο υπολογισμός της τιμής. Ο κώδικας για αυτό το σκοπό έχει γραφτεί σε MapBasic και με την χρήση των εντολών χωρικής ανάλυσης που μας παρέχει το ΓΣΠ, υπολογίζουμε την τιμή της συνάρτησης που προσπαθούμε να ελαχιστοποιήσουμε.
Την μεθοδολογία που αναπτύξαμε την εφαρμόσαμε σε δυο περιπτώσεις μελέτης. Η πρώτη αφορούσε το πρόβλημα του υπολογισμού της βέλτιστης θέσης εγκατάστασης μιας υπηρεσίας που χρησιμοποιείται από ανεξάρτητους χρήστες. Στην περίπτωση μας οι υπηρεσίες είναι τα ταχυδρομεία ενώ η περιοχή μελέτης αποτελείται από τους δήμους του Μοσχάτου, της Καλλιθέας, της Ν. Σμύρνης, του Π. Φαλήρου και του Αγ. Δημητρίου, όπου και υπάρχουν 9 ταχυδρομεία. Στην εφαρμογή που παρουσιάστηκε υπολογίστηκε τόσο η προσθήκη ενός όσο και η προσθήκη δεύτερου ταχυδρομείου. Στην πρώτη περίπτωση επιτεύχθηκε βελτίωση 29% ενώ στην δεύτερη 39%.
Στην δεύτερη μελέτη περίπτωσης και στη ίδια περιοχή μελέτης υπολογίστηκε η βέλτιστη θέση εγκατάστασης μιας ιεραρχικής δομής. Η δομή είχε δυο επίπεδα, ενώ η υπηρεσίες αφορούσαν το τραπεζικό δίκτυο μιας ελληνικής τράπεζας. Στο πρώτο επίπεδο είχαμε τα υποκαταστήματα της τράπεζας (14) και στο δεύτερο τα ΑΤΜ (9). Η εφαρμογή της μεθοδολογίας επέφερε βελτίωση 25% και 12% στην περίπτωση της εισαγωγής ενός νέου υποκαταστήματος και ενός ΑΤΜ αντίστοιχα. === -
|
|---|
