Professional Documents
Culture Documents
ﭼﮑﯿﺪه :ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﮐﺎرﺑﺮدﻫﺎي ﻓﺮاوان ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ازﺟﻤﻠﻪ ﮐﺎرﺑﺮد آن در
ﺗﺮاﻓﯿﮏ ،ﺣﻤﻞوﻧﻘﻞ و اﻗﺘﺼﺎد ،ﺣﻞ اﯾﻦ ﻣﺴﺌﻠﻪ از اﻫﻤﯿﺖ ﺧﺎﺻﯽ ﺑﺮﺧﻮردار اﺳﺖ .روشﻫﺎي
ﻣﺘﺪاول ﺑﺮاي ﺣﻞ ﻣﺴﺌﻠﻪ ﺗﺒﺪﯾﻞ آن ﺑﻪ ﺗﮏ ﺳﻄﺤﯽ ﺑﺮ اﺳﺎس ﺷﺮاﯾﻂ ﺑﻬﯿﻨﮕﯽ ﮐﺎروش –
ﮐﺎﻫﻦ – ﺗﺎﮐﺮ و ﯾﺎ ﺗﻮاﺑﻊ ﺟﺮﯾﻤﻪ اﺳﺖ .اﻣﺎ ﻣﺪلﻫﺎي ﺣﺎﺻﻞ از اﯾﻦ روشﻫﺎ ﺑﺴﯿﺎر ﭘﯿﭽﯿﺪه و
ﺑﻪﺻﻮرت ﻏﯿﺮﺧﻄﯽ ﻇﺎﻫﺮ ﻣﯽﺷﻮﻧﺪ ﺑﻪﻃﻮريﮐﻪ ﺣﻞ آنﻫﺎ ﺧﻮد ﯾﮏ ﭼﺎﻟﺶ ﺟﺪي ﺑﻪﺣﺴﺎب
ﻣﯽآﯾﺪ .در اﯾﻦ ﻣﻘﺎﻟﻪ ،دو روش ﺑﺮاي ﺣﻞ اﯾﻦ ﻣﺴﺌﻠﻪ اراﺋﻪ ﻣﯽﺷﻮد ﮐﻪ روش اول ﯾﮏ روش
اﺑﺘﮑﺎري ﺟﺪﯾﺪ ﺑﻮده و روش دوم ﺑﺮ اﺳﺎس ﻗﻀﺎﯾﺎ و رواﺑﻂ ﺑﯿﻦ ﻣﺴﺌﻠﻪ اوﻟﯿﻪ و دوﮔﺎن ،ﻣﺴﺌﻠﻪ
ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ را ﺗﮏ ﺳﻄﺤﯽ ﻣﯽﮐﻨﺪ .ﺑﺮاي اﺛﺒﺎت ﮐﺎراﯾﯽ روشﻫﺎي اراﺋﻪﺷﺪه ﭼﻨﺪ
ﻣﺜﺎل ﻋﺪدي ﺣﻞﺷﺪه و ﻣﻘﺎﯾﺴﻪاي ﻧﯿﺰ ﺑﯿﻦ ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ از اﯾﻦ روشﻫﺎ ﺑﺎ ﻧﺘﺎﯾﺞ ﺑﻪدﺳﺖآﻣﺪه
از روشﻫﺎي دﯾﮕﺮ ﺻﻮرت ﻣﯽﮔﯿﺮد ﮐﻪ ﮐﺎرا ﺑﻮدن روشﻫﺎي اراﺋﻪﺷﺪه را ﻧﺸﺎن ﻣﯽدﻫﺪ.
واژهﻫﺎي ﮐﻠﯿﺪي :ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ،ﺷﺮاﯾﻂ ﺑﻬﯿﻨﮕﯽ ﮐﺎروش – ﮐﺎﻫﻦ – ﺗﺎﮐﺮ،
روش ﺷﻤﺎرش ﺿﻤﻨﯽ ،ﻣﺴﺌﻠﻪ دوﮔﺎن.
-1آدرس اﻟﮑﺘﺮوﻧﯿﮑﯽ ﻧﻮﯾﺴﻨﺪه ﻣﺴﺌﻮل ﻣﻘﺎﻟﻪ :ﻋﯿﺴﯽ ﻧﺨﻌﯽ ﮐﻤﺎل آﺑﺎدي nakhai@modares.ac.ir
28 ﺗﻮﺳﻌﻪ روشﻫﺎي ﺣﻞ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ﺧﻄﯽ ﺑﺮ اﺳﺎس روش ...
-1ﻣﻘﺪﻣﻪ
ﺗﺮاﮐﻢ ﺗﺮاﻓﯿﮏ ،آﻟﻮدﮔﯽ ﻣﺤﯿﻂزﯾﺴﺖ و آﻟﻮدﮔﯽ ﻫﻮا ،اﻓﺰاﯾﺶ ﺗﺄﺧﯿﺮﻫﺎي ﺗﺮاﻓﯿﮏ و ﻣﺪﯾﺮﯾﺖ
ﻣﺼﺮف اﻧﺮژي از ﻣﺴﺎﺋﻞ ﺟﺪي در ﻣﺪﯾﺮﯾﺖ ﺣﻤﻞوﻧﻘﻞ ﻧﻮاﺣﯽ ﻣﺮﮐﺰي و ﭘﺮﺗﺮاﮐﻢ ﺷﻬﺮﻫﺎي
ﺑﺰرگ ﻣﺎﻧﻨﺪ ﺷﻬﺮ ﺗﻬﺮان اﺳﺖ .ﺑﻪ ﻋﻠﺖ ﻫﺰﯾﻨﻪ ﺑﺎﻻي ﮔﺴﺘﺮش ﺧﯿﺎﺑﺎنﻫﺎي ﻣﻮﺟﻮد ﺑﻪﻣﻨﻈﻮر
اﻓﺰاﯾﺶ ﻇﺮﻓﯿﺖ ﺳﺎﻣﺎﻧﻪ ﺣﻤﻞوﻧﻘﻞ ﺷﻬﺮي ازﯾﮏﻃﺮف و ﺗﻤﺮﮐﺰ ﺑﺮ ﺗﻮﺳﻌﻪ ﻫﻮﺷﻤﻨﺪ ﺳﺎزي
در ﺳﺎﻣﺎﻧﻪﻫﺎي ﺣﻤﻞوﻧﻘﻞ از ﻃﺮف دﯾﮕﺮ ،ﺑﺮﻧﺎﻣﻪ رﯾﺰان ﻣﺪﯾﺮﯾﺖ ﺣﻤﻞوﻧﻘﻞ ﺷﻬﺮي را ﻗﺎدر
ﻣﯽﺳﺎزد ﮐﻪ ﻇﺮﻓﯿﺖ ﻫﺎي ﻣﻮﺟﻮد را ﺑﻬﺘﺮ ﻣﺪﯾﺮﯾﺖ ﻧﻤﻮده و وﺳﺎﯾﻞ ﻧﻘﻠﯿﻪ را ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ
ﺗﺮﺟﯿﺤﺎت ﻣﺘﻔﺎوت آنﻫﺎ ازﻟﺤﺎظ ﻣﯿﺰان اﯾﺠﺎد آﻟﻮدﮔﯽ و ﻣﺼﺮف اﻧﺮژي ،اﻧﺘﺨﺎب زﻣﺎن
ﻣﻨﺎﺳﺐ ،ﮐﺎﻫﺶ ﺗﺄﺧﯿﺮﻫﺎ ،رواﻧﯽ ﺗﺮدد و از اﯾﻦ ﻗﺒﯿﻞ ،ﺑﻪ ﺷﮑﻞ ﻣﺆﺛﺮي ﺑﺮ اﺳﺘﻔﺎده از ﻇﺮﻓﯿﺖ
و ﻓﻀﺎي در دﺳﺘﺮس ﻫﺪاﯾﺖ ﻧﻤﻮد .در اﯾﻦﮔﻮﻧﻪ ﻣﺪﯾﺮﯾﺖ ،از ﯾﮏﺳﻮ ﻣﻮﺿﻮع درآﻣﺪ ﺣﺎﺻﻞ از
ﺻﺪور ﻣﺠﻮز ﺗﺮدد داراي اﻫﻤﯿﺖ ﺑﻮده و از ﺳﻮي دﯾﮕﺮ ﻣﺸﮑﻼت ﻧﺎﺷﯽ از ازدﺣﺎم ﺧﻮدروﻫﺎ،
ﮐﻤﺒﻮد ﻇﺮﻓﯿﺖ ﺗﺮدد و ﺗﻮﻗﻔﮕﺎﻫﯽ و ﻧﯿﺰ ﻫﺰﯾﻨﻪﻫﺎي ﻧﺎﺷﯽ از اﻓﺰاﯾﺶ آﻟﻮدﮔﯽ و ﻫﺪر رﻓﺘﻦ
ﺳﺮﻣﺎﯾﻪﻫﺎي ﻣﺮﺑﻮط ﺑﻪ اﻧﺮژي اﻫﻤﯿﺖ ﻣﯽﯾﺎﺑﺪ .اﻣﺮوزه اﯾﻦ ﻧﻮع ﻣﺴﺎﺋﻞ را ﻣﯽﺗﻮان ﺑﻪﺻﻮرت
ﯾﮏ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي ﭼﻨﺪ ﺳﻄﺤﯽ ﻣﺪلﺑﻨﺪي ﻧﻤﻮد .در اﯾﻦ ﻣﻘﺎﻟﻪ ﻫﺪف اراﺋﻪ روشﻫﺎﯾﯽ
ﻣﺆﺛﺮ ﺑﺮاي ﺣﻞ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ،ﺑﻪﻋﻨﻮان ﺣﺎﻟﺘﯽ ﺧﺎص از ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي
ﭼﻨﺪ ﺳﻄﺤﯽ ﻣﯽﺑﺎﺷﺪ.
ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ﯾﮏ ﻣﺴﺌﻠﻪ از ﻧﻮع ﺑﺮﻧﺎﻣﻪرﯾﺰي رﯾﺎﺿﯽ ﺑﻮده ﮐﻪ ﺷﺎﻣﻞ ﯾﮏ
ﻣﺴﺌﻠﻪ ﺑﻬﯿﻨﻪﺳﺎزي در ﻣﺤﺪودﯾﺖﻫﺎﯾﺶ اﺳﺖ .ﺑﻪﻋﺒﺎرﺗﯽ دﯾﮕﺮ اﯾﻦ ﻣﺴﺌﻠﻪ ﺷﺎﻣﻞ دو ﺳﻄﺢ
اﺳﺖ ﮐﻪ ﺗﺼﻤﯿﻢﮔﯿﺮﻧﺪه ﺳﻄﺢ اول ﺗﺼﻤﯿﻢ ﺧﻮد را ﺑﺮ ﺳﻄﺢ دوم اﻋﻤﺎل ﮐﺮده ،ﻋﮑﺲاﻟﻌﻤﻞ
ﺳﻄﺢ دوم را ﻣﺸﺎﻫﺪه ﻧﻤﻮده و ﻗﺼﺪ دارد ﮐﻪ ﺗﺎﺑﻊ ﻫﺪف ﺧﻮد را ﺑﻬﯿﻨﻪ ﮐﻨﺪ .ﺗﺼﻤﯿﻢﮔﯿﺮﻧﺪه
ﺳﻄﺢ دوم ﻧﯿﺰ ﺗﺼﻤﯿﻢ ﺳﻄﺢ اول را ﻣﺸﺎﻫﺪه ﮐﺮده و ﯾﮏ ﺗﺼﻤﯿﻢ ﻣﻨﻄﻘﯽ را در ﺟﻬﺖ ﺑﻬﯿﻨﻪ
ﻧﻤﻮدن ﺗﺎﺑﻊ ﻫﺪﻓﺶ اﺗﺨﺎذ ﻣﯽﻧﻤﺎﯾﺪ.
ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ﯾﮏ ﻣﺴﺌﻠﻪ NP – hardاﺳﺖ ] .[1اﻣﺎ ﺑﺎاﯾﻦوﺟﻮد ﺑﻪ دﻟﯿﻞ
ﮐﺎرﺑﺮدﻫﺎي ﻓﺮاوان آن در ﻋﻤﻞ روشﻫﺎي زﯾﺎدي ﺑﺮاي ﺣﻞ آن اراﺋﻪﺷﺪه اﺳﺖ .روشﻫﺎي ﺣﻞ
اﯾﻦ ﻣﺴﺌﻠﻪ را ﻣﯽﺗﻮان ﺑﻪ ﭘﻨﺞ دﺳﺘﻪ روشﻫﺎي ﮐﻠﯽ ،روشﻫﺎي ﺷﻤﺎرﺷﯽ ،روشﻫﺎي ﻣﺘﻨﺎﻇﺮ
ﮐﺮدن ﺳﻄﺢ دوم ،روشﻫﺎي ﻓﺎزي ،روشﻫﺎي ﻓﺮا اﺑﺘﮑﺎري ﺗﻘﺴﯿﻢﺑﻨﺪي ﮐﺮد ].[1
اﻗﺒﺎل ﺣﺴﯿﻨﯽ و ﻫﻤﮑﺎران 29
-1-1روشﻫﺎي ﮐﻠﯽ
ﺟﻮابﻫﺎي ﺑﻬﯿﻨﻪ ﻫﻤﻮاره ﻣﯽﺗﻮاﻧﻨﺪ ﻣﺤﻠﯽ ﯾﺎ ﺳﺮاﺳﺮي ﺑﺎﺷﻨﺪ ،ﺟﻮابﻫﺎي ﺑﻬﯿﻨﻪ ﻣﺤﻠﯽ ﺗﻨﻬﺎ در
ﯾﮏ ﺑﺎزه ﻣﺤﺪود و ﺑﻪاﺻﻄﻼح در ﯾﮏ ﻫﻤﺴﺎﯾﮕﯽ ﺑﻬﯿﻨﻪاﻧﺪ .اﻣﺎ ﺟﻮابﻫﺎي ﺳﺮاﺳﺮي در ﮐﻞ
ﻧﺎﺣﯿﻪ ﺷﺪﻧﯽ ،ﺑﻬﯿﻨﻪاﻧﺪ .آن دﺳﺘﻪ از اﻟﮕﻮرﯾﺘﻢﻫﺎﯾﯽ ﮐﻪ در ﺟﻮابﻫﺎي ﺑﻬﯿﻨﻪ ﻣﺤﻠﯽ ﮔﺮﻓﺘﺎر
ﻧﺸﺪه و ﺟﻮابﻫﺎي ﺳﺮاﺳﺮي ﺑﻪ دﺳﺖ ﻣﯽآورﻧﺪ روشﻫﺎي ﺳﺮاﺳﺮي ﯾﺎ ﮐﻠﯽ ﻣﯽﺑﺎﺷﻨﺪ .در
ﺳﺎل 1994ﯾﮏ روش ﮐﻠﯽ ﺑﺮ اﺳﺎس اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ اراﺋﻪ ﺷﺪ ﮐﻪ در آن ﺟﻮابﻫﺎي ﺳﻄﺢ
اول ﺑﻪﻃﻮر ﺗﺼﺎدﻓﯽ از ﺑﯿﻦ ﻣﺠﻤﻮﻋﻪ ﺟﻮابﻫﺎ اﻧﺘﺨﺎبﺷﺪه و ﺳﻄﺢ دوم ﺑﻨﺎ ﺑﺮ روشﻫﺎي ﺧﻄﯽ
ﺣﻞﺷﺪه اﺳﺖ .ﻫﻤﭽﻨﯿﻦ ﻫﺮ ﮐﺮوﻣﺰوم ﺷﺪﻧﯽ ﯾﮏ ﺟﻮاب ﺷﺪﻧﯽ ﻣﺴﺌﻠﻪ اﺳﺖ ﻧﻪ ﯾﮏ ﻧﻘﻄﻪ
راﺳﯽ درﻧﺘﯿﺠﻪ در اﯾﻦ روش ﻣﻨﻄﻘﻪي ﺟﻮاب ﺑﺰرگﺗﺮ اﺳﺖ ].[2
-2-1روشﻫﺎي ﺷﻤﺎرﺷﯽ
در روشﻫﺎي ﺷﻤﺎرﺷﯽ اﯾﺪه ﮐﻠﯽ اﯾﻦ اﺳﺖ ﮐﻪ ﻧﻘﻄﻪ ﺑﻬﯿﻨﻪ ﯾﮑﯽ از ﻧﻘﺎط را ﺳﯽ اﺳﺖ .اﯾﻦ
دﺳﺘﻪ از روشﻫﺎ ﻣﺨﺘﺺ ﻣﺴﺎﺋﻞ ﺑﺮﻧﺎﻣﻪرﯾﺰي ﺧﻄﯽ دوﺳﻄﺤﯽ ﻫﺴﺘﻨﺪ و ﺟﻮاب ﺑﻬﯿﻨﻪ دﻗﯿﻖ را
ﺑﻪ دﺳﺖ ﻣﯽآورﻧﺪ اﻣﺎ ﺑﻪ ﻋﻠﺖ ﭘﯿﭽﯿﺪﮔﯽ ﻣﺤﺎﺳﺒﺎﺗﯽ ﺑﺎﻻ ،ﻣﻘﺎﻻت ﻣﺤﺪودي در اﯾﻦ زﻣﯿﻨﻪ
اراﺋﻪﺷﺪه اﺳﺖ ﮐﻪ ﺑﻪ ﺗﻌﺪادي از آنﻫﺎ اﺷﺎره ﻣﯽﺷﻮد .ﺑﺮ ﻣﺒﻨﺎي ﺷﻤﺎرش ﺿﻤﻨﯽ روﺷﯽ
اراﺋﻪﺷﺪه اﺳﺖ ﮐﻪ از ﯾﮏ ﻧﻘﻄﻪ ﺷﺪﻧﯽ ﺷﺮوع ﮐﺮده اﻣﺎ اﻟﺰاﻣﺎً ﺑﻪ ﯾﮏ ﺟﻮاب ﺑﻬﯿﻨﻪ ﺳﺮاﺳﺮي
ﻧﻤﯽرﺳﺪ؛ ﺑﻠﮑﻪ ﻣﻤﮑﻦ اﺳﺖ در ﯾﮏ ﺟﻮاب ﺑﻬﯿﻨﻪ ﻣﺤﻠﯽ ﻣﺘﻮﻗﻒ ﺷﻮد ] .[3در ﺳﺎلﻫﺎي اﺧﯿﺮ
ﻧﯿﺰ ﯾﮏ روش ﮐﻠﯽ ﺷﻤﺎرﺷﯽ ﺑﺮاي اﯾﻦ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ اراﺋﻪ ﺷﺪ ﮐﻪ ﺟﻮاب
دﻗﯿﻖ ﻣﺴﺌﻠﻪ را ﺑﻪ دﺳﺖ ﻣﯽآورد ].[4
-4-1روشﻫﺎي ﻓﺎزي
اﯾﺪه ﮐﻠﯽ در اﯾﻦ دﺳﺘﻪ از روشﻫﺎ ﺗﻌﺮﯾﻒ ﺗﺎﺑﻊ ﺗﻌﻠﻖ ﺑﺮاي ﺗﺎﺑﻊ ﻫﺪفﻫﺎ ،ﻣﺤﺪودﯾﺖﻫﺎ،
ﻣﺘﻐﯿﺮﻫﺎ و ﯾﺎ ﺗﺮﮐﯿﺒﯽ از آنﻫﺎ در ﻫﺮﮐﺪام از ﺳﻄﺢﻫﺎي ﻣﺴﺌﻠﻪ اﺳﺖ .در 2007ﯾﮏ روش
ﻓﺎزي ﺑﺮ اﺳﺎس ﺗﺎﺑﻊ ﺗﻌﻠﻖ ﺑﺮاي ﺗﺎﺑﻊ ﻫﺪفﻫﺎي ﻫﺮ ﺳﻄﺢ و ﻣﺘﻐﯿﺮﻫﺎي ﺳﻄﺢ اول را اراﺋﻪ ﺷﺪ
] .[9در 2009روﺷﯽ اراﺋﻪ ﺷﺪ ﮐﻪ ﺑﺎ ﺗﻌﺮﯾﻒ ﺗﺎﺑﻊ ﺗﻌﻠﻖﻫﺎﯾﯽ ﺑﺮاي ﺗﺎﺑﻊ ﻫﺪفﻫﺎي ﺳﻄﺢ اول و
دوم ،ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ را ﺣﻞ ﻧﻤﻮد ] .[10در 2012ﻧﯿﺰ روﺷﯽ ﺑﺮاي ﺣﻞ ﻣﺴﺌﻠﻪ
دوﺳﻄﺤﯽ ﺧﻄﯽ در ﺣﺎﻟﺖ ﻓﺎزي اراﺋﻪ ﺷﺪ ].[11
اﺧﯿﺮاً اﺑﺪاع روشﻫﺎي ﻓﺮا اﺑﺘﮑﺎري ﺑﺮاي ﺣﻞ ﻣﺴﺎﺋﻞ NP-hardﮔﺴﺘﺮشﯾﺎﻓﺘﻪ اﺳﺖ .ازﺟﻤﻠﻪ
اﯾﻦ روشﻫﺎ ﻣﯽﺗﻮان ﺑﻪ ﺟﺴﺘﺠﻮي ﻣﻤﻨﻮع ،اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ ،ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ ،اﻟﮕﻮرﯾﺘﻢ
ﭘﺮﻧﺪﮔﺎن و اﻟﮕﻮرﯾﺘﻢ ﻣﻮرﭼﮕﺎن اﺷﺎره ﮐﺮد .اﯾﻦ دﺳﺘﻪ از روشﻫﺎ ﺟﺰو روشﻫﺎي دﻗﯿﻖ ﻧﯿﺴﺘﻨﺪ
و ﯾﮏ ﺟﻮاب ﺗﻘﺮﯾﺒﯽ از ﺟﻮاب ﺑﻬﯿﻨﻪ اراﺋﻪ ﻣﯽدﻫﻨﺪ ﮐﻪ درﻋﯿﻦﺣﺎل داراي ﭘﯿﭽﯿﺪﮔﯽ
ﻣﺤﺎﺳﺒﺎﺗﯽ ﻣﻨﺎﺳﺒﯽ ﻫﺴﺘﻨﺪ .در 2008روﺷﯽ اراﺋﻪ ﺷﺪ ﮐﻪ اﺑﺘﺪا ﺑﺎ اﺳﺘﻔﺎده از ﺷﺮاﯾﻂ ﺑﻬﯿﻨﮕﯽ
KKTﻣﺴﺌﻠﻪ را ﺗﮏ ﺳﻄﺤﯽ ﮐﺮده و ﺳﭙﺲ ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ ﯾﮏ ﺟﻮاب ﺑﻬﯿﻨﻪ
ﺗﻘﺮﯾﺒﯽ را ﺑﺮاي ﻣﺴﺌﻠﻪ ﺑﻪ دﺳﺖ آورد .در اﯾﻦ روش ﺑﺎ اﺳﺘﻔﺎده از روش ﺳﯿﻤﭙﻠﮑﺲ ﻣﻘﺎدﯾﺮ
ﺷﺪﻧﯽ ﺑﺮاي اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ ﺑﻪدﺳﺖآﻣﺪه و ﺳﭙﺲ ﺟﻮاب ﺑﻬﯿﻨﻪ اراﺋﻪﺷﺪه اﺳﺖ ] .[12در
2010ﯾﮏ روش ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﺟﺪﯾﺪ ﺑﺮاي ﺣﻞ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي ﺧﻄﯽ دوﺳﻄﺤﯽ اراﺋﻪ
ﺷﺪ ﮐﻪ داراي ﭘﺎﯾﺪاري ﻟﯿﺎﭘﺎﻧﻮف ﺑﻮد ] .[13ﻫﻤﭽﻨﯿﻦ ﯾﮏ اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ ﺑﺮاي ﺣﻞ ﻣﺴﺌﻠﻪ
دوﺳﻄﺤﯽ ﻓﺎزي اراﺋﻪ ﮔﺮدﯾﺪ ] .[14در 2012ﯾﮏ اﻟﮕﻮرﯾﺘﻢ ﺗﺮﮐﯿﺒﯽ ﻫﻮﺷﻤﻨﺪ ﺑﺮ اﺳﺎس
اﻗﺒﺎل ﺣﺴﯿﻨﯽ و ﻫﻤﮑﺎران 31
اﻟﮕﻮرﯾﺘﻢ ذرات اﻧﺒﻮه ﺑﺮاي ﺣﻞ ﻣﺴﺌﻠﻪ دوﺳﻄﺤﯽ ﻏﯿﺮﺧﻄﯽ اراﺋﻪ ﺷﺪ ﮐﻪ اﺑﺘﺪا ﺑﻬﺘﺮﯾﻦ ﻧﻘﺎط
ﺷﺪﻧﯽ ﺳﻄﺢ دوم را ﺑﻪﻋﻨﻮان ﺟﻤﻌﯿﺖ اوﻟﯿﻪ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ و ﺳﭙﺲ ﺑﺎ اﺳﺘﻔﺎده از ﺟﺴﺘﺠﻮي
ﺧﻄﯽ ﺳﻌﯽ در ﯾﺎﻓﺘﻦ ﺟﻮاب ﺑﻬﯿﻨﻪ ﻣﯽﻧﻤﺎﯾﺪ ] .[15در 2013روﺷﯽ دﯾﮕﺮ ﺑﺮاي ﺗﮏ ﺳﻄﺤﯽ
ﻧﻤﻮدن ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ﺑﺮ اﺳﺎس اﻟﮕﻮرﯾﺘﻢ ذرات اﻧﺒﻮه اراﺋﻪﺷﺪه اﺳﺖ ].[16
اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ ﯾﮑﯽ از ﻣﻬﻢﺗﺮﯾﻦ اﻟﮕﻮرﯾﺘﻢﻫﺎي ﻓﺮا اﺑﺘﮑﺎري اﺳﺖ و ﺑﻪ اﯾﻦ ﺻﻮرت ﻋﻤﻞ ﻣﯽ-
ﮐﻨﺪ ﮐﻪ اﺑﺘﺪا ﺗﻌﺪادي ﺟﻮاب ﺷﺪﻧﯽ ﺑﻪﻃﻮر ﺗﺼﺎدﻓﯽ در ﻧﻈﺮ ﮔﺮﻓﺘﻪﺷﺪه و در اداﻣﻪ ﺑﺮ اﺳﺎس
ﻣﻘﺎدﯾﺮ ﺗﺎﺑﻊ ﻫﺪف ﻫﺮﮐﺪام از ﺟﻮابﻫﺎي ﺷﺪﻧﯽ ،ﺗﻌﺪادي از آنﻫﺎ را ﮐﻪ داراي ﻣﻘﺎدﯾﺮ ﺑﻬﺘﺮي
ﻫﺴﺘﻨﺪ اﻧﺘﺨﺎب و ﺑﺎﻫﻢ ﺗﺮﮐﯿﺐ ﮐﺮده و ﺟﻤﻌﯿﺖ ﺟﺪﯾﺪي ﭘﺪﯾﺪ ﻣﯽآورﻧﺪ .در ﻣﺮﺣﻠﻪ ﺑﻌﺪي
ﺟﻤﻌﯿﺖ اوﻟﯿﻪ ﺗﺮﮐﯿﺒﯽ از واﻟﺪﻫﺎ ،ﻓﺮزﻧﺪان و ﺟﻤﻌﯿﺖ اوﻟﯿﻪ اﺳﺖ و اﯾﻦ روﻧﺪ ﺗﺎ زﻣﺎﻧﯽ ﮐﻪ ﺑﻪ
ﯾﮑﯽ از ﻣﻌﯿﺎرﻫﺎي ﺗﻮﻗﻒ ارﺿﺎ ﺷﻮد اداﻣﻪ ﻣﯽﯾﺎﺑﺪ .ﻣﻌﯿﺎر ﺗﻮﻗﻒ ﻣﯽﺗﻮاﻧﺪ ﺗﻌﺪاد ﺗﮑﺮارﻫﺎي از
ﻗﺒﻞ ﺗﻌﯿﯿﻦﺷﺪه ،ﺗﮑﺮار ﺑﻬﺘﺮﯾﻦ ﺟﻮابﻫﺎ و ﯾﺎ زﻣﺎن اﺟﺮاي اﻟﮕﻮرﯾﺘﻢ ﺑﺎﺷﺪ.
در اﯾﻦ ﻣﻘﺎﻟﻪ ﻫﺪف اراﺋﻪ دو روش ﺑﺮاي ﺣﻞ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي ﺧﻄﯽ دوﺳﻄﺤﯽ اﺳﺖ.
روشﻫﺎي اراﺋﻪﺷﺪه در دﺳﺘﻪﻫﺎي اول و دوم از روشﻫﺎي ﺣﻞ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ
ﻗﺮار ﻣﯽﮔﯿﺮﻧﺪ .در روش اول ﺑﺎ ﯾﮏ اﯾﺪه اﺑﺘﮑﺎري ﺗﺎﺑﻊ ﻫﺪف ﺳﻄﺢ دوم در ﻗﺎﻟﺐ ﻣﺘﻐﯿﺮي
ﺟﺪﯾﺪ ﺑﻪ ﺗﺎﺑﻊ ﻫﺪف ﺳﻄﺢ اول اﺿﺎﻓﻪﺷﺪه و ﺑﻪاﯾﻦﺗﺮﺗﯿﺐ ﯾﮏ ﻣﺤﺪودﯾﺖ ﺟﺪﯾﺪ ﺑﻪ ﻣﺴﺌﻠﻪ
اﺿﺎﻓﻪﺷﺪه و ﻣﺴﺌﻠﻪ ﺗﮏ ﺳﻄﺤﯽ ﻣﯽﮔﺮدد .در اداﻣﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺧﻄﯽ ﺑﻮدن ﻣﺴﺌﻠﻪ ﺣﺎﺻﻞ،
ﻣﯽﺗﻮان ﻧﻘﻄﻪ ﺑﻬﯿﻨﻪ را در ﻣﯿﺎن ﻧﻘﺎط راﺳﯽ ﺟﺴﺘﺠﻮ ﮐﺮد .در روش دوم ﺳﻌﯽ ﻣﯽﺷﻮد ﮐﻪ ﺑﺎ
اﺳﺘﻔﺎده از ﻗﻀﺎﯾﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﺴﺎﺋﻞ اوﻟﯿﻪ و دوﮔﺎن ،ﻣﺴﺌﻠﻪ ﺳﻄﺢ دوم را ﺗﻮﺳﻂ ﻣﺤﺪودﯾﺖ-
ﻫﺎي ﻣﺴﺎﺋﻞ اوﻟﯿﻪ و دوﮔﺎن ﺣﺬف ﮐﺮده ،ﺗﺎ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ﺗﮏ ﺳﻄﺤﯽ ﮔﺮدد.
در اداﻣﻪ ،ﻣﺴﺌﻠﻪ ﺣﺎﺻﻞ ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ ﺳﺎده ﺣﻞ ﻣﯽﮔﺮدد .از ﻣﺰاﯾﺎي دو
روش اراﺋﻪﺷﺪه ﺳﺎدﮔﯽ ﻣﺴﺌﻠﻪ ﺗﮏ ﺳﻄﺤﯽ ﺣﺎﺻﻞ ﺑﻌﺪ از اﻋﻤﺎل روشﻫﺎي ﻣﺬﮐﻮر اﺳﺖ
ﺑﻪﻃﻮريﮐﻪ ﺑﺮﺧﻼف دﯾﮕﺮ روشﻫﺎ ﮐﻪ ﻣﺴﺌﻠﻪ ﺗﮏ ﺳﻄﺤﯽ ﺣﺎﺻﻞ ﮐﺎﻣﻼً ﻏﯿﺮﺧﻄﯽ ﻣﯽﺷﻮد،
در روش اول ﻣﺴﺌﻠﻪ ﺗﮏ ﺳﻄﺤﯽ ﺣﺎﺻﻞ ﺧﻄﯽ و در روش دوم ﺗﻨﻬﺎ ﯾﮏ ﻣﺤﺪودﯾﺖ ﻏﯿﺮ-
ﺧﻄﯽ وﺟﻮد دارد .در اداﻣﻪ اﺑﺘﺪا در ﺑﺨﺶ دوم ﺗﻌﺮﯾﻒ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي ﺧﻄﯽ دوﺳﻄﺤﯽ
اراﺋﻪ ﻣﯽﮔﺮدد .در ﺑﺨﺶ ﺳﻮم روش ﭘﯿﺸﻨﻬﺎدي اول و ﻗﻀﺎﯾﺎي ﻣﺮﺑﻮﻃﻪ ﺗﻮﺿﯿﺢ داده ﻣﯽﺷﻮد.
در ﺑﺨﺶ ﭼﻬﺎرم ﭼﻨﺪ ﻗﻀﯿﻪ ﻣﺮﺑﻮط ﺑﻪ ﻣﺴﺎﺋﻞ اوﻟﯿﻪ و دوﮔﺎن ﺑﯿﺎن ﺧﻮاﻫﺪ ﺷﺪ و ﺳﭙﺲ روش
32 ﺗﻮﺳﻌﻪ روشﻫﺎي ﺣﻞ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ﺧﻄﯽ ﺑﺮ اﺳﺎس روش ...
دوم اراﺋﻪﺷﺪه و ﻣﺮاﺣﻞ اﺟﺮاي اﻟﮕﻮرﯾﺘﻢ ﺧﻮاﻫﺪ آﻣﺪ .در ﺑﺨﺶ ﭘﻨﺠﻢ ﻣﺜﺎلﻫﺎي اﺳﺘﺎﻧﺪارد ﺑﺎ
اﺳﺘﻔﺎده از روشﻫﺎي ﭘﯿﺸﻨﻬﺎدي ﺣﻞ ﻣﯽﮔﺮدﻧﺪ و ﻧﺘﺎﯾﺞ ﻣﺤﺎﺳﺒﺎﺗﯽ اراﺋﻪ ﻣﯽﺷﻮد و ﻧﯿﺰ
ﻣﻘﺎﯾﺴﻪاي ﺑﯿﻦ ﻧﺘﺎﯾﺞ ﺣﺎﺻﻠﻪ ﺑﺎ ﻧﺘﺎﯾﺞ روشﻫﺎي دﯾﮕﺮ ﺻﻮرت ﻣﯽﮔﯿﺮد .درﻧﻬﺎﯾﺖ در ﺑﺨﺶ
ﺷﺸﻢ ﻧﺘﯿﺠﻪﮔﯿﺮيﻫﺎ و ﺟﻬﺖﮔﯿﺮيﻫﺎي آﯾﻨﺪه اراﺋﻪ ﺧﻮاﻫﺪ ﺷﺪ.
min aT x bT y
x
f x * .y* d f x, y x, y IR )(5
اﻗﺒﺎل ﺣﺴﯿﻨﯽ و ﻫﻤﮑﺎران 33
ب( ﺑﻪ ﺑﺮﻫﺎن ﺧﻠﻒ ﻓﺮض ﮐﻨﯿﻢ ﮐﻪ . b Xدر اﯾﻦ ﺻﻮرت ،ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺧﺎﺻﯿﺖ اﯾﻨﻔﯿﻤﻢ
ﺑﻮدن ، bﺑﻪ ازاي ﻫﺮ ! kﻧﻘﻄﻪاي ﻣﺎﻧﻨﺪ x Xﻫﺴﺖ ﮐﻪ b x b kزﯾﺮا در
ﻏﯿﺮ اﯾﻦ ﺻﻮرت b kﯾﮏ ﮐﺮان ﭘﺎﯾﯿﻦ Xﺧﻮاﻫﺪ ﺑﻮد و اﯾﻦ ﺑﺎ ﺧﺎﺻﯿﺖ اﯾﻨﻔﯿﻤﻢ ﺑﻮدن b
در ﺗﻨﺎﻗﺾ اﺳﺖ .ﻟﺬا bﯾﮏ ﻧﻘﻄﻪ ﺣﺪي Xﻣﯽﺑﺎﺷﺪ و ﭼﻮن Xﺑﺴﺘﻪ اﺳﺖ ،ﺷﺎﻣﻞ ﻫﺮ
ﻧﻘﻄﻪ ﺣﺪي ﺧﻮد اﺳﺖ .ﺑﻨﺎﺑﺮاﯾﻦ . b X
ﻧﺘﯿﺠﻪ :1اﮔﺮ Xﻣﺠﻤﻮﻋﻪاي ﻧﺎﺗﻬﯽ ،ﺑﺴﺘﻪ و ﮐﺮاندار ﺑﺎﺷﺪ آﻧﮕﺎه:
) min( X ) inf( X ), max( X ) sup( X
ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي ﺧﻄﯽ دوﺳﻄﺤﯽ ) (1را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ ،ﻓﺮض ﮐﻨﯿﺪ ﮐﻪ ﻣﺠﻤﻮﻋﻪ
ﻣﺤﺪودﯾﺖﻫﺎ ، X ،ﮐﺮاندار ﺑﺎﺷﺪ .ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺮم ﻣﺴﺌﻠﻪ X ،ﺑﺴﺘﻪ اﺳﺖ .ﻗﺮار ﻣﯽدﻫﯿﻢ
. z cx dyﭼﻮن در ﻣﺴﺌﻠﻪ ﺳﻄﺢ دوم xﺛﺎﺑﺖ ﺑﻮده و ﺗﻮﺳﻂ ﺳﻄﺢ اول ﺗﻌﯿﯿﻦ ﻣﯽ-
ﮔﺮدد ﺑﻨﺎﺑﺮاﯾﻦ ﺗﻨﻬﺎ ﻣﺘﻐﯿﺮ ﺳﻄﺢ دوم yاﺳﺖ .در اﯾﻦ ﺻﻮرت دارﯾﻢ:
1
y ) ( z cx
d
ﺑﺎ ﺟﺎﯾﮕﺬاري راﺑﻄﻪ اﺧﯿﺮ در ﻣﺴﺌﻠﻪ ) ،(1ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ﺑﻪﺻﻮرت زﯾﺮ ﺗﮏ
ﺳﻄﺤﯽ ﻣﯽﮔﺮدد.
b
min ax )( z cx
d
B
s.t Ax ( z cx) d b, )(8
d
xt
ﻣﺴﺌﻠﻪ ﻓﻮق ﯾﮏ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪ رﯾﺰي ﺗﮏ ﺳﻄﺤﯽ ﺧﻄﯽ اﺳﺖ و ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﯾﻨﮑﻪ ﻧﻘﻄﻪ ﺑﻬﯿﻨﻪ
ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪ رﯾﺰي ﺧﻄﯽ ﯾﮑﯽ از ﻧﻘﺎط راﺳﯽ اﺳﺖ ،ﺑﻨﺎﺑﺮاﯾﻦ ﺑﺮاي ﺣﻞ ﻣﺴﺌﻠﻪ ﮐﺎﻓﯽ اﺳﺖ ﮐﻪ
ﻧﻘﺎط راﺳﯽ ﺑﺎ روش ﺷﻤﺎرش ﺿﻤﻨﯽ ﺑﻪ دﺳﺖ آورده ﺷﻮﻧﺪ .اﻣﺎ ﭼﻮن zﻫﻤﺎن ﺗﺎﺑﻊ ﻫﺪف
ﺳﻄﺢ دوم اﺳﺖ ،ﺑﻨﺎﺑﺮاﯾﻦ ﺑﺎﯾﺪ ﻣﯿﻨﯿﻤﻢ ﮔﺮدد و ﺑﻪاﯾﻦﺗﺮﺗﯿﺐ ﻣﺤﺪودﯾﺘﯽ ﺟﺪﯾﺪ ﺑﻪ ﻣﺴﺌﻠﻪ
اﺿﺎﻓﻪ ﻣﯽﺷﻮد .اﯾﻦ ﻣﺤﺪودﯾﺖ ﺟﺪﯾﺪ )ﻣﯿﻨﯿﻤﻢ ﺷﺪن ( zﺑﺎﻋﺚ ﺣﺬف ﺑﺮﺧﯽ از ﻧﻘﺎط راﺳﯽ
ﻣﯽﮔﺮدد .ﺑﻪﻋﺒﺎرﺗﯽدﯾﮕﺮ ﺗﻨﻬﺎ ﻧﻘﺎط راﺳﯽ ﮐﻪ ﻣﯿﻨﯿﻤﻢ ﺑﻮدن zرا ارﺿﺎ ﻣﯽﮐﻨﻨﺪ در ﻣﺠﻤﻮﻋﻪ
ﻧﻘﺎط راﺳﯽ ﺷﺪﻧﯽ ﻗﺮار ﻣﯽﮔﯿﺮﻧﺪ .ﺗﺸﺨﯿﺺ اﯾﻦ ﻧﻘﺎط ﺑﻪ ﮐﻤﮏ ﻗﻀﺎﯾﺎي اراﺋﻪﺷﺪه در اﯾﻦ
ﺑﺨﺶ اﻣﮑﺎنﭘﺬﯾﺮ اﺳﺖ .درﻧﻬﺎﯾﺖ ﺑﺎ ﺑﻪ دﺳﺖ آوردن ﻧﻘﺎط راﺳﯽ ﺷﺪﻧﯽ و ﯾﺎﻓﺘﻦ ﻣﻘﺪار ﺗﺎﺑﻊ
اﻗﺒﺎل ﺣﺴﯿﻨﯽ و ﻫﻤﮑﺎران 35
ﻫﺪف ﺳﻄﺢ اول ﻣﺘﻨﺎﻇﺮ آنﻫﺎ ﻧﻘﻄﻪ ﺑﻬﯿﻨﻪ ﻣﺴﺌﻠﻪ ﻣﺸﺨﺺ ﻣﯽﮔﺮدد .در اداﻣﻪ ﺟﺰﺋﯿﺎت
اﻟﮕﻮرﯾﺘﻢ اراﺋﻪ ﻣﯽﺷﻮد.
دﺳﺖ ﻣﯽآﯾﺪ را ﺣﻞ ﮐﺮد .ﺑﻪ ﻫﻤﯿﻦ دﻟﯿﻞ ﺑﺮاي رﻓﻊ اﯾﻦ ﻣﺸﮑﻞ از ﻗﻀﺎﯾﺎي ﻣﻮﺟﻮد در آﻧﺎﻟﯿﺰ
رﯾﺎﺿﯽ اﺳﺘﻔﺎدهﺷﺪه اﺳﺖ ﺑﻪاﯾﻦﺗﺮﺗﯿﺐ ﮐﻪ ﺑﺎ اﺳﺘﻔﺎده از ﻗﻀﺎﯾﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﺠﻤﻮﻋﻪﻫﺎي
ﮐﺮاندار ،ﺳﻮﭘﺮﯾﻤﻢ و اﯾﻨﻔﯿﻤﻢ ﻣﯽﺗﻮان ﻧﻘﺎط راﺳﯽ ﺷﺪﻧﯽ ﻣﺴﺌﻠﻪ ﺗﮏ ﺳﻄﺤﯽ ﺣﺎﺻﻞ را ﺑﻪ
دﺳﺖ آورده و ﺑﺎ اﺳﺘﻔﺎده از روش ﺷﻤﺎرش ﺿﻤﻨﯽ دﻗﯿﻘﺎً ﺟﻮاب ﺑﻬﯿﻨﻪ را ﻣﺸﺨﺺ ﻧﻤﻮد.
ﻫﻤﭽﻨﯿﻦ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﮐﺎوش ادﺑﯿﺎت اﻧﺠﺎمﺷﺪه در زﻣﯿﻨﻪ روشﻫﺎي ﺣﻞ ﻣﺴﺎﺋﻞ دوﺳﻄﺤﯽ،
روشﻫﺎي ﮐﻼﺳﯿﮏ ﺑﺴﯿﺎر ﮐﻤﯽ اراﺋﻪﺷﺪه اﺳﺖ .ﺿﻤﻨﺎً ﺑﺮﺧﻼف ﺗﻤﺎم روشﻫﺎي دﯾﮕﺮ در اﯾﻦ
روش از ﺷﺮاﯾﻂ ﺑﻬﯿﻨﮕﯽ ﮐﺎروش – ﮐﺎﻫﻦ – ﺗﺎﮐﺮ اﺳﺘﻔﺎده ﻧﺸﺪه اﺳﺖ و ﺑﻪ ﻧﻈﺮ ﻣﯽرﺳﺪ ﮐﻪ
روش اراﺋﻪﺷﺪه ﺿﻤﻦ دﻗﯿﻖ ﺑﻮدن ﯾﮏ روش ﺑﺪﯾﻊ و ﻣﻨﺤﺼﺮﺑﻪﻓﺮد اﺳﺖ.
-4روش دوﮔﺎن
ﺳﻄﺢ دوم ﻣﺴﺌﻠﻪ ) (1را ﻣﯽﺗﻮان ﺑﻪﺻﻮرت زﯾﺮ ﻧﻮﺷﺖ:
min d T y
y
.2ﯾﮏ ﻣﺴﺌﻠﻪ ﻣﻘﺪار ﺗﺎﺑﻊ ﻫﺪف ﻧﺎﻣﺘﻨﺎﻫﯽ دارد درﺣﺎﻟﯽﮐﻪ دﯾﮕﺮي ﻧﺸﺪﻧﯽ اﺳﺖ.
.3ﻫﺮ دو ﻣﺴﺌﻠﻪ ﻧﺸﺪﻧﯽ ﻫﺴﺘﻨﺪ.
اﺛﺒﺎت :ﺑﯿﺎن و اﺛﺒﺎت اﯾﻦ ﻗﻀﯿﻪ در ] [17اراﺋﻪﺷﺪه اﺳﺖ.
* * *
ﻗﻀﯿﻪ ( x , y ) :5ﺟﻮاب ﺑﻬﯿﻨﻪ ﻣﺴﺌﻠﻪ ) (1و uﺟﻮاب ﺑﻬﯿﻨﻪ ﻣﺴﺌﻠﻪ دوﮔﺎن ﺳﻄﺢ دوم
اﺳﺖ اﮔﺮ و ﺗﻨﻬﺎ اﮔﺮ ) * ( x* , y* , uﺟﻮاب ﻣﺴﺌﻠﻪ زﯾﺮ ﺑﺎﺷﺪ:
min aT x bT y
x
s.t Ax By d r ,
BT u d d , )(11
d y (r Ax) u
T T
x, y t .
اﺛﺒﺎت :ﻃﺮف اول :اﮔﺮ ﺟﻮاب ﺑﻬﯿﻨﻪ ﻣﺴﺎﺋﻞ ) (1و ) (10ﺑﻪ ﺗﺮﺗﯿﺐ ) * u* ,( x* , yﺑﺎﺷﻨﺪ آﻧﮕﺎه
دارﯾﻢ:
* *
ﺑﻨﺎﺑﺮاﯾﻦ ﻣﯿﻨﯿﻤﻢ ﻣﻘﺪار ﺗﺎﺑﻊ ﻫﺪف ﺳﻄﺢ دوم ﻣﺴﺌﻠﻪ ) ( x , y ) ،(1ﻣﯽﺑﺎﺷﺪ و ﭼﻮن ﻣﯿﻨﯿﻤﻢ
ﺷﺪن ﺗﺎﺑﻊ ﻫﺪف ﺳﻄﺢ دوم ﻣﺴﺌﻠﻪ ﺟﺰو ﻣﺤﺪودﯾﺖﻫﺎي ﻣﺴﺌﻠﻪ ) (1اﺳﺖ و ﺑﺎﯾﺪ ارﺿﺎ ﮔﺮدد
* *
ﺑﻨﺎﺑﺮاﯾﻦ ) ( x , yﯾﮏ ﺟﻮاب ﺑﻬﯿﻨﻪ ﻣﺴﺌﻠﻪ ) (1ﻧﯿﺰ ﻫﺴﺖ.
ﭘﺲ ﻣﺴﺌﻠﻪ دوﺳﻄﺤﯽ ) (1ﺑﻪ ﺗﮏ ﺳﻄﺤﯽ ﻓﻮق ﺗﺒﺪﯾﻞ ﻣﯽﮔﺮدد ﺑﻪﻃﻮريﮐﻪ دو ﻣﺴﺌﻠﻪ
ﺟﻮابﻫﺎي ﺑﻬﯿﻨﻪ ﯾﮑﺴﺎن دارﻧﺪ .ﯾﻌﻨﯽ ﻣﯽﺗﻮان ﺑﺠﺎي ﻣﺴﺌﻠﻪ دوﺳﻄﺤﯽ ) (1ﻣﺴﺌﻠﻪ ) (11را
ﺣﻞ ﮐﺮد ﮐﻪ آﺧﺮﯾﻦ ﻣﺤﺪودﯾﺖ آن ﻫﻨﻮز ﻏﯿﺮﺧﻄﯽ اﺳﺖ و ﺑﻪ ﻫﻤﯿﻦ دﻟﯿﻞ ﺑﺮاي ﺣﻞ آن ﺑﺎﯾﺪ
از اﻟﮕﻮرﯾﺘﻢﻫﺎي ﻓﺮا اﺑﺘﮑﺎري اﺳﺘﻔﺎده ﺷﻮد .در اداﻣﻪ ﺑﺮاي ﺣﻞ ﻣﺴﺌﻠﻪ ﺣﺎﺻﻞ ﺗﻮﺳﻂ روش
اراﺋﻪﺷﺪه ،از اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ ﺳﺎده ﺑﺎ ﺗﻐﯿﯿﺮات ﺟﺰﺋﯽ اﺳﺘﻔﺎده ﻣﯽﮔﺮدد و ﺗﻤﺎﻣﯽ ﻣﺤﺎﺳﺒﺎت
ﻧﯿﺰ ﺗﻮﺳﻂ ﻧﺮماﻓﺰار ﻣﻄﻠﺐ 7.1ﺻﻮرت ﮔﺮﻓﺘﻪ اﺳﺖ.
ﮐﺮوﻣﺰوم ذﺧﯿﺮهﺷﺪه در اراﺋﻪ ﮔﺎم ﭘﻨﺠﻢ ﺑﻪﻋﻨﻮان ﺟﻮاب ﺑﻬﯿﻨﻪ ﻣﺴﺌﻠﻪ ) (1ﻣﻌﺮﻓﯽ ﻣﯽﺷﻮد.
ﺑﯿﺸﺘﺮ روشﻫﺎي ﺣﻞ اراﺋﻪﺷﺪه ﺑﺮاي ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ﻣﺴﺘﻘﯿﻤﺎً از ﺷﺮاﯾﻂ
ﺑﻬﯿﻨﮕﯽ ﮐﺎروش – ﮐﺎﻫﻦ – ﺗﺎﮐﺮ ﺑﻪﻣﻨﻈﻮر ﺗﮏ-ﺳﻄﺤﯽ ﻧﻤﻮدن ﻣﺴﺌﻠﻪ اﺳﺘﻔﺎده ﻣﯽﮐﻨﻨﺪ ﻟﺬا
اراﺋﻪ ﯾﮏ روش ﮐﻪ ﺑﺘﻮاﻧﺪ ﺟﺎﯾﮕﺰﯾﻦ ﻣﻨﺎﺳﺒﯽ ﺑﺮاي ﺷﺮاﯾﻂ ﺑﻬﯿﻨﮕﯽ ﮐﺎروش – ﮐﺎﻫﻦ – ﺗﺎﮐﺮ
ﺑﺎﺷﺪ از اﻫﻤﯿﺖ ﺧﺎﺻﯽ ﺑﺮﺧﻮردار اﺳﺖ .در اﯾﻦ ﺑﺨﺶ ﺳﻌﯽ ﺷﺪ ﺑﺎ اﺳﺘﻔﺎده از دوﮔﺎن ﻣﺴﺌﻠﻪ
ﺳﻄﺢ دوم و ﻗﻀﺎﯾﺎي دواﻟﯿﺘﯽ ،ﻣﺴﺌﻠﻪ ﺗﮏ-ﺳﻄﺤﯽ ﺷﻮد .اﯾﻦ روش ﺑﺮاي ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي
دوﺳﻄﺤﯽ ﺧﻄﯽ – ﺧﻄﯽ ﻣﻮرداﺳﺘﻔﺎده واﻗﻊﺷﺪه اﺳﺖ و ﻣﯽداﻧﯿﻢ ﮐﻪ در ﻣﺴﺎﺋﻞ ﺧﻄﯽ
دواﻟﯿﺘﯽ ﮔﭗ ﺻﻔﺮ اﺳﺖ و اﯾﻦ ﯾﮏ ﻣﺰﯾﺖ روش ﻣﺬﮐﻮر ﻣﺤﺴﻮب ﻣﯽﮔﺮدد.
-5ﻧﺘﺎﯾﺞ ﻣﺤﺎﺳﺒﺎﺗﯽ
در اﯾﻦ ﺑﺨﺶ ﭼﻬﺎر ﻣﺜﺎل اﺳﺘﺎﻧﺪارد و ﯾﮏ ﻣﺴﺌﻠﻪ ﻧﻤﻮﻧﻪ ،ﺷﺒﯿﻪﺳﺎزي از ﺗﺮاﻓﯿﮏ ﺗﻬﺮان ،ﺑﺎ
اﻟﮕﻮرﯾﺘﻢﻫﺎي اراﺋﻪﺷﺪه ﺣﻞ ﻣﯽﮔﺮدد و ﻧﺘﯿﺠﻪ ﺑﺎ ﻧﺘﺎﯾﺞ ﺑﻪدﺳﺖآﻣﺪه در ﻣﺮاﺟﻊ ﻣﻘﺎﯾﺴﻪ ﻣﯽ-
ﺷﻮد.
ﻣﺜﺎل ) :[13] 1روش ﺷﻤﺎرش ﺿﻤﻨﯽ( :ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي ﺧﻄﯽ دوﺳﻄﺤﯽ زﯾﺮ را در ﻧﻈﺮ
ﺑﮕﯿﺮﯾﺪ.
min x 4 y
x
s.t min y
y
s.t x y t 3,
2x y d ,
2x y d 12,
3 x 2 y d 4,
x, y t .
ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻮﺿﯿﺤﺎت اراﺋﻪﺷﺪه در ﺑﺨﺶ ﺳﻮم ،ﺗﺎﺑﻊ ﻫﺪف ﻣﺴﺌﻠﻪ ﺳﻄﺢ دوم ﺑﻪﻋﻨﻮان ﯾﮏ
ﻣﺘﻐﯿﺮ ﺟﺪﯾﺪ در ﻧﻈﺮ ﻣﯽﺷﻮد .آﻧﮕﺎه ﻣﺴﺌﻠﻪ ﻓﻮق ﺑﻪﺻﻮرت زﯾﺮ ﺗﺒﺪﯾﻞ ﺧﻮاﻫﺪ ﺷﺪ.
40 ﺗﻮﺳﻌﻪ روشﻫﺎي ﺣﻞ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ﺧﻄﯽ ﺑﺮ اﺳﺎس روش ...
min x 4 z
s.t x z t 3,
2x z d ,
2 x z d 12,
3 x 2 z d 4,
xt
ﺗﻤﺎم ﻧﻘﺎط ﺷﺪﻧﯽ راﺳﯽ ﻣﺴﺌﻠﻪ اﺧﯿﺮ ﺑﻨﺎ ﺑﺮ ﮔﺎم 3در ﺑﺨﺶ ﺳﻮم ﻋﺒﺎرتاﻧﺪ از:
)x z 3, 2x z ( x, z ) (1, 2
)x z 3, 3 x 2z 4 ( x, z ) (2,1
2x z 12, 2x z ) ( x, z ) (3, 6
)3 x 2z 4, 2x z 12 ( x, z ) (4, 4
ﺑﺮﺧﯽ از ﻧﻘﺎط راﺳﯽ ﻓﻮق ﺑﺮ ﻃﺒﻖ ﻗﺎﻋﺪه اراﺋﻪﺷﺪه در ﮔﺎم 4ﺑﺨﺶ ﺳﻮم ﻣﻤﮑﻦ اﺳﺖ ﺣﺬف
ﺷﻮﻧﺪ.
(2,1 H ) X (1, 2 H ) X
(4, 4 H ) X (3, 6 H ) X
ﺟﺪول ) :(1ﻣﻘﺎﯾﺴﻪ ﺟﻮاب ﺑﻬﯿﻨﻪ ﻣﺜﺎل 1ﺗﻮﺳﻂ روش ﺷﻤﺎرش ﺿﻤﻨﯽ ﺑﺎ دﯾﮕﺮ روشﻫﺎ در ﻣﺮاﺟﻊ
ﺑﺎ اﺳﺘﻔﺎده از ﻗﻀﯿﻪ ،3ﻧﻘﻄﻪ ) (3،6ﻧﺸﺪﻧﯽ اﺳﺖ .ﺑﻨﺎﺑﺮاﯾﻦ ﻣﺴﺌﻠﻪ ﺗﻨﻬﺎ داراي ﻧﻘﺎط ﺷﺪﻧﯽ
راﺳﯽ زﯾﺮ اﺳﺖ:
)(1،2 )،(2،1 )،(4،4
ﺑﺎ ﻣﺤﺎﺳﺒﻪ ﺗﺎﺑﻊ ﻫﺪف در ﻧﻘﺎط ﺷﺪﻧﯽ ﺑﻪدﺳﺖآﻣﺪه و ﻣﻘﺎﯾﺴﻪ آنﻫﺎ ﻧﻘﻄﻪ ﺑﻬﯿﻨﻪ ﺗﻌﯿﯿﻦ ﻣﯽ-
ﺷﻮد ﮐﻪ ﻧﺘﺎﯾﺞ ﺣﺎﺻﻠﻪ در ﺟﺪول ) (1ﺧﻼﺻﻪﺷﺪه اﺳﺖ.
اﻗﺒﺎل ﺣﺴﯿﻨﯽ و ﻫﻤﮑﺎران 41
ﻣﺜﺎل ) :[13] 2روش ﺷﻤﺎرش ﺿﻤﻨﯽ( :ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي ﺧﻄﯽ دوﺳﻄﺤﯽ زﯾﺮ را در ﻧﻈﺮ
ﺑﮕﯿﺮﯾﺪ.
max 4 x y1 y2
x
s.t max x 3 y1
y
25
s.t x y1 y2 d ,
9
x y1 d 2,
8
y1 y2 d ,
9
z t x,
x, y2 t
، zدر اﯾﻦ ﺻﻮرت ﻣﺴﺌﻠﻪ ﻓﻮق ﺑﻪﺻﻮرت زﯾﺮ ﺗﺒﺪﯾﻞ ﻣﯽﺷﻮد: ﻓﺮض ﮐﻨﯿﺪ ﮐﻪ x 3 y1
ﺑﺮﺧﯽ از ﻧﻘﺎط ﭘﺎﯾﻪاي ﺷﺪﻧﯽ ﻣﺴﺌﻠﻪ اﺧﯿﺮ ﻋﺒﺎرتاﻧﺪ از:
8 25
( , , ),
) ( , , ), (2, , 2),
9 9
7 17 21 20 17 8
) (2, , 2), ( , , ), ( , ,
9 9 27 9 9 9
ﮐﻪ در آن
ﺟﺪول :1ﻣﻘﺎﯾﺴﻪ ﺟﻮاب ﺑﻬﯿﻨﻪ ﻣﺜﺎل 2ﺗﻮﺳﻂ روش ﺷﻤﺎرش ﺿﻤﻨﯽ ﺑﺎ دﯾﮕﺮ روشﻫﺎ در ﻣﺮاﺟﻊ
رﻓﺘﺎر ﻣﺘﻐﯿﺮﻫﺎي ﻣﺜﺎل در ﺣﯿﻦ ﺣﻞ ﺑﺎ روش ﺷﻤﺎرش ﺿﻤﻨﯽ در ﺷﮑﻞ ) (1ﻧﻤﺎﯾﺶ دادهﺷﺪه
اﺳﺖ.
ﺷﮑﻞ :1رﻓﺘﺎر ﻣﺘﻐﯿﺮﻫﺎي ﻣﺜﺎل ) (2ﺑﺎ روش ﺷﻤﺎرش ﺿﻤﻨﯽ در 17ﻫﺰار ﺗﮑﺮار
ﻣﺜﺎل ) :[١٣] ٣روش دوﮔﺎن( :ﻣﺴﺌﻠﻪ ﻣﺜﺎل 1را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ .ﻣﺴﺌﻠﻪ ﺳﻄﺢ دوم را ﻣﯽ-
ﺗﻮان ﺑﻪﺻﻮرت زﯾﺮ ﻧﻮﺷﺖ:
اﻗﺒﺎل ﺣﺴﯿﻨﯽ و ﻫﻤﮑﺎران 43
min y
s.t y t 3 x,
y d 2 x,
y d 12 2 x,
2 y d 4 3 x,
yt .
زﯾﺮا xﺑﺮاي ﻣﺴﺌﻠﻪ ﺳﻄﺢ دوم ﺛﺎﺑﺖ اﺳﺖ .ﺣﺎل دوﮔﺎن ﻣﺴﺌﻠﻪ ﺳﻄﺢ دوم ﻓﻮق ﺑﻪﺻﻮرت زﯾﺮ
ﺧﻮاﻫﺪ ﺑﻮد.
max x 3 u1 2 x u2 12 2 x u3 4 3 x u4
s.t
u1 u2 u3 2u4 d 1,
u1 , u2 , u3 , u4 d .
ﺑﻨﺎ ﺑﻪ اﻟﮕﻮرﯾﺘﻢ دوﮔﺎن اراﺋﻪﺷﺪه ﻣﺴﺌﻠﻪ ﻓﻮق ﻣﻌﺎدل ﻣﺴﺌﻠﻪ زﯾﺮ اﺳﺖ:
min x 4y
s.t
x y t 3,
2 x y d ,
2 x y d 12,
3 x 2y d 4,
y x 3 u1 2 x u2
12 2 x u3 4 3 x u4 ,
u1 u2 u3 2u4 d 1,
x, y t , u1 , u2 , u3 , u4 d .
ﺑﻪﻣﻨﻈﻮر ﺣﻞ ﻣﺴﺌﻠﻪ اﺧﯿﺮ ،اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ ﺳﺎده ﺗﻮﺳﻂ ﻧﺮماﻓﺰار ﻣﻄﻠﺐ 7.1اﻋﻤﺎلﺷﺪه و
ﻧﺘﺎﯾﺞ ﺟﺪول ) (3ﺣﺎﺻﻞ ﻣﯽﮔﺮدد.
44 ﺗﻮﺳﻌﻪ روشﻫﺎي ﺣﻞ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ﺧﻄﯽ ﺑﺮ اﺳﺎس روش ...
ﺟﺪول :3ﻣﻘﺎﯾﺴﻪ ﺟﻮاب ﺑﻬﯿﻨﻪ ﻣﺜﺎل 3ﺗﻮﺳﻂ روش دوﮔﺎن اراﺋﻪﺷﺪه ﺑﺎ دﯾﮕﺮ روشﻫﺎ در ﻣﺮاﺟﻊ
ﻋﻤﻠﮑﺮد ﻣﺘﻐﯿﺮﻫﺎي ﻣﺜﺎل در ﺗﮑﺮارﻫﺎي ﻣﺨﺘﻠﻒ ﺗﻮﺳﻂ روش دوﮔﺎن در ﺷﮑﻞ ) (2آﻣﺪه اﺳﺖ.
ﻣﺜﺎل ) :[18] 4روش دوﮔﺎن( :ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي ﺧﻄﯽ دوﺳﻄﺤﯽ زﯾﺮ را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ.
max 2x 11y
x
s.t max x 3 y
y
s.t x 2 y d 4,
2x y d 24,
3 x 4 y d 96,
x 7 y d 126,
4 x 5 y d 65,
x 4 y t 8,
x, y t .
ﺑﻨﺎ ﺑﻪ اﻟﮕﻮرﯾﺘﻢ اراﺋﻪﺷﺪه ﻣﺴﺌﻠﻪ ﻓﻮق ﻣﻌﺎدل ﻣﺴﺌﻠﻪ زﯾﺮ اﺳﺖ:
اﻗﺒﺎل ﺣﺴﯿﻨﯽ و ﻫﻤﮑﺎران 45
max 2x 11y
s.t
x 2y d 4,
2 x y d 24,
3 x 4y d 96,
x 7 y d 126,
4x 5 y d 65,
x 4y t 8,
x 3 y 4 x u1 24 2 x u2
96 3 x u3 126 x u4 65 4x u5 x 8 u6 ,
2u1 u2 4u3 7u4 5u5 4u6 t 3,
x, y, u1 , u2 , u3 , u4 , u5 , u6 t 0.
ﺑﺎ ﺣﻞ ﻣﺴﺌﻠﻪ اﺧﯿﺮ ﻧﺘﺎﯾﺞ ﺟﺪول ) (4ﺣﺎﺻﻞ ﻣﯽﮔﺮدد .رﻓﺘﺎر ﻣﺘﻐﯿﺮﻫﺎي ﻣﺜﺎل در ﺣﯿﻦ ﺣﻞ
ﻣﺴﺌﻠﻪ ﺑﺎ روش دوﮔﺎن در ﺷﮑﻞ ) (3ﻧﺸﺎن دادهﺷﺪه اﺳﺖ.
ﺟﺪول :4ﻣﻘﺎﯾﺴﻪ ﺟﻮاب ﺑﻬﯿﻨﻪ ﻣﺜﺎل 4ﺗﻮﺳﻂ روش دوﮔﺎن اراﺋﻪﺷﺪه ﺑﺎ دﯾﮕﺮ روشﻫﺎ در ﻣﺮاﺟﻊ
ﻣﺜﺎل ) :[19] 5ﺣﻞ ﺑﺎ روش دوﮔﺎن( :در اﯾﻦ ﻣﺜﺎل ﻣﺪل اﯾﺠﺎدﺷﺪه ﺑﺎ ﯾﮏ ﻣﺴﺌﻠﻪ ﮐﻪ داراي
ﭼﻬﺎر ﮔﺮه و ﻫﻔﺖ ﮐﻤﺎن ﻣﯽﺑﺎﺷﺪ )ﺷﮑﻞ (4ﺑﺮرﺳﯽ ﺧﻮاﻫﺪ ﺷﺪ.
ﺟﺪول :5ﻣﻘﺎﯾﺴﻪ ﺟﻮاب ﺑﻬﯿﻨﻪ ﻣﺜﺎل 5ﺗﻮﺳﻂ روش دوﮔﺎن اراﺋﻪﺷﺪه ﺑﺎ دﯾﮕﺮ روشﻫﺎ در ﻣﺮاﺟﻊ
ﺟﻮاب ﺑﻬﯿﻨﻪ ﺗﻮﺳﻂ روش
دوﮔﺎن اراﺋﻪﺷﺪه در ﻣﺮﺟﻊ ][20
* x12* , x13* , x14* , x23* , x24* , x32* , x34 *z * x12* , x13* , x14* , x23* , x24* , x32* , x34 *z
ﺿﻤﻨﺎً رﻓﺘﺎر ﻣﺘﻐﯿﺮﻫﺎي ﻣﺴﺌﻠﻪ ﺑﺎ روش دوﮔﺎن در ﺷﮑﻞ ) (5ﻧﻤﺎﯾﺶ دادهﺷﺪه اﺳﺖ.
اﯾﻦ ﻣﺜﺎل ﻣﺪﻟﯽ از ﺗﺮاﻓﯿﮏ ﺗﻬﺮان ﺑﻮده و ﺗﻤﺎﻣﯽ ﻓﺎﮐﺘﻮرﻫﺎ ﻣﺎﻧﻨﺪ ﻇﺮﻓﯿﺖ ﻫﺮ ﮐﻤﺎن ،ﻃﻮل
48 ﺗﻮﺳﻌﻪ روشﻫﺎي ﺣﻞ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ﺧﻄﯽ ﺑﺮ اﺳﺎس روش ...
ﮐﻤﺎنﻫﺎ ،ﻓﺎﺻﻠﻪ و زﻣﺎن ﺑﯿﻦ دو ﮔﺮه و ﺟﺰﺋﯿﺎت ﮐﺎﻣﻞ آن در ﻣﺮﺟﻊ ] [19آﻣﺪه اﺳﺖ .درﻧﻬﺎﯾﺖ
ﺑﻪﻣﻨﻈﻮر ﻧﺸﺎن دادن ﮐﺎراﯾﯽ روشﻫﺎي اراﺋﻪﺷﺪه ،ﻣﺜﺎلﻫﺎي ﺑﯿﺸﺘﺮي ﺣﻞﺷﺪه و ﻧﺘﯿﺠﻪ
ﻣﺤﺎﺳﺒﺎﺗﯽ آنﻫﺎ و ﻧﯿﺰ ﻣﻘﺎﯾﺴﻪ ﺑﺎ دﯾﮕﺮ روشﻫﺎ در ﺟﺪاول ) (6و ) (7آﻣﺪه اﺳﺖ .ﻫﻤﺎنﻃﻮر
ﮐﻪ از ﺟﺪولﻫﺎ ﻣﻼﺣﻈﻪ ﻣﯽﮔﺮدد ،در ﺗﻤﺎﻣﯽ ﻣﺜﺎلﻫﺎ ﻧﺘﺎﯾﺞ ﺣﺎﺻﻠﻪ از روشﻫﺎي اراﺋﻪﺷﺪه ﺑﻬﺘﺮ
از ﻧﺘﺎﯾﺞ در ﻣﺮاﺟﻊ اﺳﺖ.
ﺟﺪول :6ﻣﻘﺎﯾﺴﻪ ﺟﻮابﻫﺎي ﺑﻬﯿﻨﻪ ﻣﺜﺎلﻫﺎي ﻣﺨﺘﻠﻒ ﺗﻮﺳﻂ روش دوﮔﺎن اراﺋﻪﺷﺪه ﺑﺎ دﯾﮕﺮ روشﻫﺎ
در ﻣﺮاﺟﻊ
ﺟﻮاب ﺑﻬﯿﻨﻪ ﺟﻮاب ﺑﻬﯿﻨﻪ ﺗﻮﺳﻂ روش ﺟﻮاب ﺑﻬﯿﻨﻪ ﺗﻮﺳﻂ دﯾﮕﺮ روش- ﻣﺜﺎلﻫﺎ
اراﺋﻪﺷﺪه ﻫﺎ در ﻣﺮاﺟﻊ
) *( x* , y ) *( x* , y ) *( x* , y
· § 17 8
¸ ¨ 9 ,9, )(١/٨٨٩,٠/٨٨٨,٠ )(١/٨٨,٠/٨٩,٠/٠٠۴ ﻣﺜﺎل [21] 5
© ¹
)(٠,٠ )(٠,٠ )(٠,٠ ﻣﺜﺎل [10] 6
)(١,٠ )(١,٠ )(١,٠ ﻣﺜﺎل [5] 7
)(٠,٠/٧۵,٠,٠/۵,٠ )(٠٠٠١,٠/٧٣,٠,٠/۵۴,٠ )(٠,٠/٧۵,٠,٠/۵,٠ ﻣﺜﺎل [22] 8
ﺟﺪول :7ﻣﻘﺎﯾﺴﻪ ﺟﻮابﻫﺎي ﺑﻬﯿﻨﻪ ﻣﺜﺎلﻫﺎي ﻣﺨﺘﻠﻒ ﺗﻮﺳﻂ روش ﺷﻤﺎرش ﺿﻤﻨﯽ ﺑﺎ دﯾﮕﺮ روشﻫﺎ
در ﻣﺮاﺟﻊ
ﺟﻮاب ﺑﻬﯿﻨﻪ ﺗﻮﺳﻂ روش اراﺋﻪﺷﺪه ﺟﻮاب ﺑﻬﯿﻨﻪ ﺗﻮﺳﻂ دﯾﮕﺮ روشﻫﺎ در ﻣﺮاﺟﻊ ﻣﺜﺎلﻫﺎ
) *( x* , y ) *( x* , y *z
*z
در ﺟﺪول ) (8ﻣﻘﺎﯾﺴﻪاي ﺑﯿﻦ ﺟﻮاب ﺑﻬﯿﻨﻪ ﺣﺎﺻﻞ و ﺗﻌﺪاد ﺗﮑﺮارﻫﺎي ﻻزم ﺑﺮاي رﺳﯿﺪن ﺑﻪ
ﺟﻮاب ﺗﻮﺳﻂ دو روش اراﺋﻪﺷﺪه ﺻﻮرت ﮔﺮﻓﺘﻪ اﺳﺖ ﮐﻪ ﺑﺮﺗﺮي ﻧﺴﺒﯽ روش ﺷﻤﺎرش ﺿﻤﻨﯽ
را ﻧﺸﺎن ﻣﯽدﻫﺪ .درﻣﺠﻤﻮع اﮔﺮﭼﻪ روش ﺷﻤﺎرش ﺿﻤﻨﯽ ﺑﻬﺘﺮ ﺑﻪ ﻧﻈﺮ ﻣﯽرﺳﺪ اﻣﺎ ﺑﺮاي ﺣﻞ
اﻗﺒﺎل ﺣﺴﯿﻨﯽ و ﻫﻤﮑﺎران 49
ﻣﺴﺎﺋﻞ ﺑﺎ اﺑﻌﺎد ﺑﺰرگ ﻣﻨﺎﺳﺐ ﻧﯿﺴﺖ وﻟﯽ روش دوﮔﺎن ﺑﺮاي ﺣﻞ ﻣﺴﺌﻠﻪ ﺑﺎ اﺑﻌﺎد ﺑﺰرگ ﻧﯿﺰ
ﺟﻮاب ﻗﺎﺑﻞﻗﺒﻮل ﺑﻪ دﺳﺖ ﻣﯽدﻫﺪ.
ﺟﺪول :8ﻣﻘﺎﯾﺴﻪ زﻣﺎن رﺳﯿﺪن ﺑﻪ ﺟﻮاب ﺑﻬﯿﻨﻪي ﻣﺜﺎل) 3ﺑﺮﺣﺴﺐ ﺛﺎﻧﯿﻪ( ﺗﻮﺳﻂ روش
دوﮔﺎن و روش ﺷﺒﮑﻪ ﻋﺼﺒﯽ در ﻣﺮﺟﻊ ][10
زﻣﺎن ﻻزم ﺑﺮ ﺛﺎﻧﯿﻪ در
روش دوﮔﺎن اراﺋﻪﺷﺪه ﻣﺮﺟﻊ ] [10ﺑﺎ H 0 / 0001 ﻣﺮﺟﻊ ] [10ﺑﺎ H 0 / 001 ﻣﺜﺎل
0/26 2/21 1/15 ﻣﺜﺎل [13] 3
-6ﻧﺘﯿﺠﻪﮔﯿﺮي
در اﯾﻦ ﻣﻘﺎﻟﻪ دو اﻟﮕﻮرﯾﺘﻢ ﺑﺮاي ﺣﻞ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي ﺧﻄﯽ دوﺳﻄﺤﯽ اراﺋﻪ ﺷﺪ ﮐﻪ در
اﻟﮕﻮرﯾﺘﻢ اول ﺗﻮﺳﻂ ﻣﺤﺪودﯾﺖﻫﺎي ﻣﺴﺌﻠﻪ ﺳﻄﺢ دوم و ﻧﯿﺰ دوﮔﺎن آن ﺗﺎﺑﻊ ﻫﺪف ﺳﻄﺢ دوم
ﻣﺴﺌﻠﻪ ﺑﻪ ﻣﺤﺪودﯾﺘﯽ ﺑﺮاي ﺳﻄﺢ اول ﺗﺒﺪﯾﻞﺷﺪه و درﻧﺘﯿﺠﻪ ﻣﺴﺌﻠﻪ ﺗﮏ ﺳﻄﺤﯽ ﻣﯽﮔﺮدد.
در اﻟﮕﻮرﯾﺘﻢ دوم ﺗﺎﺑﻊ ﻫﺪف ﻣﺴﺌﻠﻪ ﺳﻄﺢ دوم در ﻗﺎﻟﺐ ﯾﮏ ﻣﺘﻐﯿﺮ ﺟﺪﯾﺪ ﺑﻪ ﻣﺴﺌﻠﻪ اﺿﺎﻓﻪ
ﻣﯽﮔﺮدد و ﺑﻪاﯾﻦﺗﺮﺗﯿﺐ ﻣﺴﺌﻠﻪ ﺗﮏ ﺳﻄﺤﯽ ﻣﯽﺷﻮد .از ﻣﺰاﯾﺎي اﯾﻦ روش ﺧﻄﯽ ﻣﺎﻧﺪن
ﻣﺴﺌﻠﻪ ﺗﮏ ﺳﻄﺤﯽ ﺣﺎﺻﻞ اﺳﺖ .ﺑﻪﻋﻨﻮان ﭘﯿﺸﻨﻬﺎد در ﮐﺎرﻫﺎي آﯾﻨﺪه ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﯾﻨﮑﻪ
اﻟﮕﻮرﯾﺘﻢﻫﺎي اراﺋﻪﺷﺪه ،ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي ﺧﻄﯽ دوﺳﻄﺤﯽ را ﺑﻪ ﯾﮏ ﻣﺴﺌﻠﻪ ﺗﮏ ﺳﻄﺤﯽ
ﺧﻄﯽ و ﯾﺎ ﻣﺴﺌﻠﻪاي ﮐﻪ ﺗﻨﻬﺎ ﯾﮏ ﻣﺤﺪودﯾﺖ ﻏﯿﺮﺧﻄﯽ دارد ﺗﺒﺪﯾﻞ ﻣﯽﮐﻨﻨﺪ ،ﺑﺮاي ﺣﻞ
ﻣﺴﺌﻠﻪ ﺣﺎﺻﻠﻪ ﻣﯽﺗﻮان ﺑﺎ ﺣﺬف اﯾﻦ ﻣﺤﺪودﯾﺖ ،ﻣﺴﺌﻠﻪ را ﮐﺎﻣﻼً ﺧﻄﯽ ﻧﻤﻮده و ﺑﻪاﯾﻦﺗﺮﺗﯿﺐ
ﯾﮏ ﻓﺮم آزادﺷﺪه ﺧﻄﯽ ﺑﺮاي ﻣﺴﺌﻠﻪ اﯾﺠﺎد ﮐﺮد و ﺑﺎ ﺣﻞ آن ﺗﻮﺳﻂ اﻟﮕﻮرﯾﺘﻢﻫﺎي ﺧﻄﯽ ﻣﺜﻼً
اﻟﮕﻮرﯾﺘﻢ ﺳﯿﻤﭙﻠﮑﺲ ﺟﻮاب ﺑﻬﯿﻨﻪ ﻓﺮم آزادﺷﺪه ﻣﺬﮐﻮر را ﺑﻪ دﺳﺖ آورده ﮐﻪ ﯾﮏ ﺟﻮاب
ﻧﺰدﯾﮏ ﺑﻪ ﺟﻮاب ﺑﻬﯿﻨﻪ ﻣﺴﺌﻠﻪ دوﺳﻄﺤﯽ اﺳﺖ .ﻫﻤﭽﻨﯿﻦ ﻣﯽﺗﻮان اﻟﮕﻮرﯾﺘﻢﻫﺎي اراﺋﻪﺷﺪه را
ﺑﺮاي ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي ﻏﯿﺮﺧﻄﯽ دوﺳﻄﺤﯽ ﻣﺤﺪب ﺑﮑﺎر ﺑﺮد .زﯾﺮا اﺳﺘﻔﺎده از روشﻫﺎي
دﯾﮕﺮ ﺑﺮاي ﺗﺒﺪﯾﻞ ﻣﺴﺌﻠﻪ ﻏﯿﺮﺧﻄﯽ دوﺳﻄﺤﯽ ﻣﺤﺪب ﺑﻪ ﺗﮏ ﺳﻄﺤﯽ ،ﻣﺴﺌﻠﻪ را ﻏﯿﺮ ﻣﺤﺪب
ﻣﯽﮐﻨﺪ .اﻣﺎ اﺳﺘﻔﺎده از اﯾﻦ اﻟﮕﻮرﯾﺘﻢﻫﺎ ﻣﻤﮑﻦ اﺳﺖ ﻣﺤﺪب ﺑﻮدن را ﺣﻔﻆ ﮐﻨﺪ و اﻣﮑﺎن
اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢﻫﺎي ﺣﻞ ﻣﺴﺎﺋﻞ ﻏﯿﺮﺧﻄﯽ ﻣﺤﺪب را ﻓﺮاﻫﻢ آورد.
50 ... ﺗﻮﺳﻌﻪ روشﻫﺎي ﺣﻞ ﻣﺴﺌﻠﻪ ﺑﺮﻧﺎﻣﻪرﯾﺰي دوﺳﻄﺤﯽ ﺧﻄﯽ ﺑﺮ اﺳﺎس روش
ﻣﺮاﺟﻊ
[1] Bard, J.F. (1991). Some properties of the bi-level linear
programming, Journal of Optimization Theory and Applications, 68,
371–378.
[2] Mathieu, R., Pittard, L. and Anandalingam, G. (1994). Genetic
algorithm based approach to bi-level Linear Programming,
Operations Research, 28, 1–21.
[3] L. Vicente, L., Savard, G. and Judice, J. (1994). Descent approaches
for quadratic bi-level programming, Journal of Optimization Theory
and Applications, 81, 379–399.
[4] Wang, G., Jiang, B. and Zhu, K. (2010). Global convergent algorithm
for the bi-level linear fractional-linear programming based on
modified convex simplex method, Journal of Systems Engineering
and Electronics, 21, 239–243.
[5] Yibing, Lv., Tiesong, Hu., Guangmin, Wang. and Zhongping, Wan
(2007). A penalty function method Based on Kuhn–Tucker
condition for solving linear bi-level programming, Applied
Mathematics and Computation, 188, 808–813.
[6] Zhongping, W. and Guangmin, W. (2011). A Dual-Relax Penalty
Function Approach for Solving Non- Linear Bi-Level Programming
with Linear Lower Level Problem, Acta Mathematica Scientia, 31,
652–660.
[7] Allende, G. B. and Still, G. (2012). Solving bi-level programs with
the KKT-approach, Springer and Mathematical Programming
Society, 131, 37–48.
[8] Dempe, S. and Zemkoho, A.B. (2012). On the Karush–Kuhn–Tucker
reformulation of the bi-level optimization problem, Nonlinear
Analysis, 75, 1202–1218.
[9] Arora, S.R. and Gupta, R. (2007). Interactive fuzzy goal
programming approach for bi-level programming problem,
European Journal of Operational Research, 176, 1151–1166.
اﻗﺒﺎل ﺣﺴﯿﻨﯽ و ﻫﻤﮑﺎران 51
اراﺋﻪ ﻣﺪل ﺳﻪ،( رﺳﺎﻟﻪ دﮐﺘﺮي ﻣﻬﻨﺪﺳﯽ ﺻﻨﺎﯾﻊ – ﺻﻨﺎﯾﻊ1391) [ ﻏﻼﻣﺮﺿﺎ ﻣﺮوﺟﯽ19 ]
،ﺳﻄﺤﯽ ﻗﯿﻤﺖﮔﺬاري و ﺗﻌﯿﯿﻦ ﺗﺮاﮐﻢ ﺑﺎر ﺗﺮاﻓﯿﮑﯽ ﺑﺮاي ﻣﺤﺪودهﻫﺎي ﻃﺮح ﺗﺮاﻓﯿﮏ
. داﻧﺸﮕﺎه ﺗﺮﺑﯿﺖ ﻣﺪرس، دﮐﺘﺮ ﻋﯿﺴﯽ ﻧﺨﻌﯽ ﮐﻤﺎل آﺑﺎدي:اﺳﺘﺎد راﻫﻨﻤﺎ
[20] Hejazia, S.R., Memariania, A., Jahanshahloo, G. and Sepehria,
M.M. (2002). Linear bi-level programming solution by genetic
algorithm, Computers and Operations Research, 29, 1913–1925.
[21] Zhongping, W. and Guangmin, W. (2008). An interactive fuzzy
decision making method for a class of bi-level programming, Fifth
International Conference on Fuzzy Systems and Knowledge
Discovery.
[22] Kuen-Ming, L., Ue-Pyng.W. and Hsu-Shih, S. (2007). A hybrid
neural network approach to bi-level programming problems, Applied
Mathematics Letters, 20, 880–884.
[23] Yibing, Lv. and Tiesong, Hu. (2010). A neural network approach for
solving nonlinear bi-level programming problem, Computers and
Mathematics with Applications, 55, 2823–2829.
[24] Dempe, S. and Dutta, Is bi-level programming a special case of a
mathematical program with J. h complementarity constraints?
Springer and Mathematical Programming Society.
اﻗﺒﺎل ﺣﺴﯿﻨﯽ و ﻫﻤﮑﺎران 53
Abstract
The bi-level programming problem (BLPP), have received much interest
from researchers because of their application in several areas such as
economic, traffic, transportation and so on. There are several known
algorithms to solve BLPP as an NP-hard problem. Almost all proposed
algorithms in references have been used the Karush-Kuhn–Tucker to
convert the BLPP into the single level problem which the obtained
problem is complicated. In this paper, we attempt to develop two
effective approaches, one based on enumeration method and the other
based on duality characteristic for solving the linear BLPP. In these
approaches, the BLPP is solved without using the Karush-Kuhn–Tucker
conditions. The presented approaches achieve an efficient and feasible
solution in an appropriate time, which has been evaluated by comparing
to references and test problems.
Keywords: Bi-level programming problem, KKT conditions,
Enumeration method, Dual problem.
Mathematics Subject Classification (2010): 90B08, 90C04.