مقاله به کارگیری الگوریتم تبرید تدریجی در مکانیابی مراکز فوریتهای پزشکی

word قابل ویرایش
6 صفحه
دسته : اطلاعیه ها
12700 تومان
127,000 ریال – خرید و دانلود

به کارگیری الگوریتم تبرید تدریجی در مکانیابی مراکز فوریتهای

پزشکی

چکیده

امروزه کاهش تلفات جادهای به عنوان یک هدف استراتژیک در برنامه ریزیهای کلان بسیاری از کشورها شناخته مـیشـود. محـل استقرار پایگاههای خدمات فوریتهای پزشکی نقش بسیار مهمی در عملکرد بهینه آمبولانسها بـه منظـور نجـات جـان بیمـاران اورژانس ایفا میکند. در مسئله مکانیابی مراکز فوریتهای پزشکی، هدف استفاده از کمترین تعداد آمبولانس به منظور رسیدن بـه پوشش حداکثری نقاط تقاضا است. برای حل چنین مسائلی با استفاده از الگوریتمهای متاهیوریستیک میتوان به جوابهای بسـیار نزدیک به جواب بهینه (Local Optimum) در زمان معقولی دست یافت. در این مقاله شیوه تازهای از به کارگیری الگـوریتم شـبیه سازی تبرید تدریجی (Simulated Annealing-SA) در حل مسائل مکانیابی مراکز فوریتهای پزشکی ارائه میگردد. اصـولا اکثـر

الگوریتمهای متاهیوریستیک با الگوگیری و شبیهسازی یکی از قوانین یا روابط موجود در طبیعت بنا نهاده میشوند. الگوریتم تبرید تدریجی با الهام گیری از فرآیند تبرید یا بازپخت فلزات ایجاد و در حل مسائل مختلف بهینه سازی به کارگیری شده است. آنچه در این مقاله آمده است، اعمال این روش موفق بهینه سازی برای حل یک مسئله گسسته مکانیابی است. نتایج کار با نتایج الگـوریتم ژنتیک مقایسه شده و حاکی از موفقیت روش ارائه شده در حل مسائل مکانیابی مراکز فوریتهای پزشکی بوده است.

کلمات کلیدی

مکانیابی پایگاههای خدمات فوریت های پزشکی، الگوریتم شبیه سازی تبرید تدریجی

-۱ مقدمه

معمولاً در سیستمهای پیچیده تعداد زیادی مسئله ایجاد میشـود کـه دارای طبیعت ترکیبی (Combinatorial) استمثلاً. مسیر وسایل حمل و نقل باید تعیین شود، انبارهـا، نقـاط فـروش محصـولات و یـا مراکـز خدماتی و امنیتی باید جایابی شوند، شبکههای ارتباطی بایـد طراحـی شوند؛ همگی این مسائل پیچیده و از نوع ترکیبی هستند. ایـن مسـائل در اندازههای کـاربردی و عملـی خـود بـه قـدری بـزرگ هسـتند کـه نمــیتــوان جــواب بهینــه آنهــا را در مــدت زمــان قابــل پــذیرش

(Polynomial Run-Time) به دست آورد. با این وجود، ایـن مسـائل باید حـل شـوند و بنـابراین چـاره ای نیسـت کـه بـه جـوابهـای زیـر بهینه((Suboptimal و یا بهینههای محلـی (Local Optima) بسـنده نمود به گونهای که دارای کیفیت قابل پذیرش بـوده و در مـدت زمـان قابل پذیرش به دست آیند. ما در این مقالـه در بخـش اول بـه توضـیح مسئله مکان یابی مراکز فوریتهای پزشـکی پرداختـه و در بخـش دوم الگوریتم شبیه سازی تبرید تدریجی را معرفی نموده و در بخـش سـوم نحوه حل مسئله مکانیابی مراکز فوریتهای پزشکی به کمک الگوریتم شبیه سازی تبرید تدریجی را توضیح میدهیم.

-۲ مسئله مکانیابی مراکز فوریتهای پزشکی

گــزارش مشــترک ســازمان بهداشــت جهــانی و بانــک جهــانی در خصوص پیشگیری از صدمات ناشی از تصادفات جـاده ای، مصـرانه بـر این نکته تاکید دارد که تلفات ترافیکی قابل پیشگیری انـد و کشـورها باید این پیشگیریها را در برنامه ریزیهای کلان خود اعمال کنند. هم اکنون کاهش تلفات جادهای به عنوان یک هدف اسـتراتژیک در برنامـه ریزی های بسیاری از کشورها شناخته میشود. در کشورهای مختلـف جهان برای کاستن از عوارض و مرگ و میر ناشی از بیماریها و حوادث اورژانس، سیستمی موفق و کارآمد با عنـوان ” خـدمات فوریـتهـای پزشکی یا ” (Emergency Medical Service) EMS طراحی شـده است که وظیفه این سیستم، ارائـه خـدمات درمـانی بربـالین بیمـار در موارد اورژانس و درصورت نیاز انتقال به مراکز درمانی است. با توجه به رشـد جمعیـت، کمبــود امکانــات و ظرفیـت محــدود پاســخگوئی ایـن سیستم، لازم است تدابیری در این زمینه اندیشـیده شـود تـا حتـی بـا امکانات موجود نیز بتوان از عـوارض و مـرگ و میـر بیمـاران اورژانـس جلوگیری کرد. محل پایگاههای خدمات فوریتهای پزشکی نقش بسیار اساسی در کاهش زمان پاسخ آنها دارد که ایـن کـاهش زمـان پاسـخ عامل مهمی در نجات جان بیماران اورژانـس خواهـد بـود. بـه منظـور مکانیابی پایگاههای فوریتهای پزشکی و تعیین تعداد آمبولانس مورد نیاز در هر مکان، از مدلهای مکانیابی استفاده میشود. در این مدلها معمولاً نقاط تقاضا از هم فزون سازی تقاضای مناطق مختلف (مثلا بـر حسب تعداد تماس در هر روز) بدست میآید و مکان هایی که امکـان احداث پایگاههای خدمات فوریتهای پزشکی در آنهـا وجـود دارد، بـه عنوان نقاط پیشنهادی اولیه (پتانسیل) ارائه میشوند و سعی میشـود با کمترین تعداد ایستگاه (آمبـولانس) بیشـترین پوشـش نقـاط تقاضـا

صورت گیرد.

حداکثر فاصله (زمان) قابل قبول بین یک پایگاه خدمات فوریـت-های پزشکی و یک نقطه تقاضـا بـرای سـرویس دهـی بـه آن، پـارامتر مهمی است که در کشور های مختلف مقادیر متفاوتی برای آن در نظر گرفته میشود. این مقادیر در شبکههای برون شـهری و درون شـهری نیز متفاوت است. پارامتر حـائز اهمیـت دیگـر مطـرح در ایـن زمینـه، قابلیت اطمینان مورد انتظار برای سرویسدهی به نقاط مختلف تقاضا با حداکثر فاصله ( زمان) قابل قبول مشخص است. در کشورهای مختلف مقادیر متفاوتی برای قابلیت اطمینان مورد انتظـار سـرویس دهـی در شبکههای درون شهری و برون شهری در حداکثر فاصله (زمـان) قابـل قبول مشخص، وجود دارد. در ایران، وزارت بهداشت، درمان و آمـوزش پزشــکی موظــف اســت ضــمن حضــور در تمــامی حــوادث راننــدگی اطلاعرسانی شده، زمان رسیدن بر بالین مصدوم را در شهرها در هشتاد درصد (%۸۰) موارد (قابلیـت اطمینـان مـورد انتظـار) بـه کمتـر از ۸ دقیقه(حداکثر زمان قابل قبول بـرای رسـیدن بـه محـل حادثـه) و در جادهها در هشتاد درصد (%۸۰) موارد به کمتر از ۱۵ دقیقه برساند.

به منظور مکانیابی مراکز امدادرسانی در این مقاله از مـدل ارائـه شده در پایان نامه ” ارائه مدل برای مکانیابی مراکز امدادرسانی جهت تامین قابلیت اطمینان موردنظر ” [۱] استفاده شده است. این مـدل از نوع خطی باینری است و تابع هدف، تعـداد آمبـولانسهـای اختصـاص یافته در پایگاهها را برای پوشش نقاط تقاضا کمینه مـیکنـد. در مـدل ضریب اشغال به این صـورت محاسـبه مـیشـود: »جمـع مـدت زمـان تخمینی ماموریتها برای یک نقطه تقاضا « تقسـیم بـر »تعـداد کـل آمبولانسهای قابل دسترس آن نقطه .« لازم به ذکر است کـه در ایـن مدل ضریب اشغال آمبولانسها از پیش محاسبه نمـیشـود، بلکـه حـد بالایی برای آن تعیین می گردد و مدل به گونهای طراحی شده است که این حد بالا به صورت محدودیت مسئله برای تمام آمبولانسهـایی کـه انتخاب خواهند شد، تعریف می شـود و بـه ایـن ترتیـب اگـر در سـطح قابلیت اطمینان مورد نظر ، تعداد حداقل f آمبولانس بـرای پوشـش نقاط در بازه استاندارد لحاظ شده باشد، قابلیت اطمینـان پوشـش هـر نقطه تقاضا حتماً بزرگتر یا مساوی با مقدار معین خواهد بود. تـابع

هدف و محدودیتهای مدل مذکور به صورت زیر است:

تابع هدف: کمینه کردن تعداد آمبولانس بکار گرفته شـده بـرای تامین پوشش امدادی در زمان استاندارد و با قابلیت اطمینان بـرای همه نقاط تقاضا.

محدودیتها : (۱ تضمین میکند که ضـریب اشـغال تمـام پایگـاه های انتخاب شده از مقدار ضریب اشغال تعیین شده کمتر خواهد بود.

(۲ رابطه بین استقرار یک پایگاه و آمبولانسهای مستقر شـده در آن را نشان میدهد.

(۳ حداقل آمبولانسی که باید هـر نقطـه تقاضـا را پوشـش دهـد، تضمین میکند.

(۴ صفر و یک بودن مقدار متغیر ها را تضمین میکند.

-۱-۲ پیشینه حل مسئله مکانیابی به کمک الگوریتم های متاهیوریستیک

از الگوریتمهای متاهیوریستیک مختلـف در حـل مسـئله مکـان یـابی استفاده شده است. به عنوان مثال نمونههـای فراوانـی از بـه کـارگیری الگوریتم ژنتیک در مسائل مختلف مکانیابی وجود دارد . بیسلی و چـو [۳] در سال ۱۹۹۶ از الگوریتم ژنتیک بـرای حـل یـک مسـئله سـاده مکانیابی استفاده و به نتایج قابل قبولی دست پیدا کردند. آیکلین [ ۴] در سال ۲۰۰۲ نوع خاصی از الگوریتم ژنتیک را برای حل این مسئله به کار گرفت. جیا و همکاران [۵] نیز در سال ۲۰۰۷ الگوریتم ژنتیک را با روشهای ابتکاری دیگر برای حـل مـدل پیشـنهادی خـود مقایسـه نمودند.

الگوریتم شبیه سازی تبرید تدریجی در مسائل مکانیابی، هـم بـه تنهایی و هم به صورت ترکیبی کاربرد فراوانی داشته اسـت. بـه عنـوان مثال مورای و چرچ [۶] در سال ۱۹۹۶ از آن بـرای حـل یـک مسـئله ساده مکانیابی استفاده کردند. ماروین و همکاران [۷] در سـال ۲۰۰۶

عملکرد شبیه سازی تبرید تدریجی را با الگوریتم ژنتیـک و جسـتجوی تابو در مسائل مختلف مکانیابی مقایسه نموده اند.

-۳ معرفی الگوریتم شبیه سازی تبرید تدریجی

الگوریتم تبرید یا شبیه سازی حرارتی، یکی از مجموعـه الگـوریتمهـای متاهیوریستیک (فرا اکتشافی) معروف در زمینه الگـوریتمهـای هـوش مصنوعی است. این الگوریتم در سـال ۱۹۸۰ و توسـط کیرکپاتریـک و همکاران ابداع شده است.[ ۸ ] اصولا اکثر الگوریتمهای متاهیوریستیک با الگوگیری و شبیه سازی یکی از قوانین یا روابط موجود در طبیعت بنا نهاده میشوند. این الگوریتم هم بر مبنـای فرآینـد تبریـد یـا بازپخـت فلزات بنا نهاده شده است. در فرآیند تبرید، ابتدا حـرارت فلـزات را تـا دمای بسیار بـالایی افـزایش داده و سـپس، یـک فرآینـد سردسـازی و کاهش دمای تدریجی بر روی آنها صورت می گیرد. در ایـن فرآینـد در هنگام افزایش حرارت فلز، سرعت جنبش اتمهای آن به شدت افـزایش یافته و در مرحله بعد، کاهش تدریجی دما موجب شکلگیری الگوهـای خاصی در جایگیری اتمهای آن میشود. این تغییر الگوی اتمهـا باعـث بروز خواص ارزشمندی در فلز تبرید شده میگردد که از جمله میتوان به افزایش استحکام آن اشاره نمود.

روند کلی کار به این صورت است که در ابتدا یک نقطه دلخـواه از فضای جستجو انتخاب و تابع جریمه در آن حساب میشود . سـپس بـه سیستم یک دمای اولیه (متناظر با انرژی جنبشی ) نسـبت مـیدهـیم. انتخاب مقدار دمای اولیه دلخواه است اما میتوان بسته به اینکه تابع در نقطهی شروع چه رفتاری دارد دمای اولیه را انتخاب کرد. مثلا اگر تابع دارای تغیرات کمی است دمای اولیه کمتر انتخاب میشـود تـا قابلیـت تحرک کمتر باشد و اگر تابع دارای تغییرات زیاد(شیب تند) است دمای اولیه بیشتر انتخاب می شود تا امکان حرکـت و خـارج شـدن از بهینـه های محلی بیشتر شود. سپس یک نقطه از فضـای اطـراف بـرای قـدم بعدی انتخاب میشود. این نحوه ی انتخاب بستگی به مسئله دارد. برای تصمیم در مورد حرکت به سـمت نقطـه ی جدیـد ایـن صـورت عمـل میشود: اگر جواب بهتر شد حرکت کن و اگر نه با احتمال P به سـمت نقطه جدید برو. احتمال P با توجه به دمـای سیسـتم و تغییـردر تـابع جریمه (اختلاف نقطه ی مبدا و مقصد) انتخاب میشود. بعـد از انجـام هر حرکت ، دمای سیستم مقداری کاهش داده میشود (کمی از انرژی جنبشی اش را از دست میدهد). پس از تکـرار زیـاد و از دسـت دادن کامل انرژی جنبشی میتوان انتظار داشت که سیستم بـه پـایین تـرین انرژی پتانسیل (کمترین مقـدار تـابع جریمـه) رسـیده باشـد. توزیـع احتمالی که در این توابع استفاده میشود و نیز نحوه ی کم شدن دمـا، کاملا دلخواه نیستند بلکه باید در شـرایطی صـدق کننـد تـا همگرایـی جواب به سمت بهینه مطلق تضمین شود. انتخاب نحوهی کم شدن دما و نحوهی قدم برداشتن در فضای جستجو و تعریف تابعیت احتمال P از دما، با توجه به خصوصیات مساله نیازمند تجربه و هنرمندی است.

-۴ به کار گیری الگوریتم شبیه سازی تبرید تدریجی در مکانیابی مراکز فوریتهای پزشکی

در این بخش سعی میکنیم الگوریتم شـبیه سـازی تبریـد تـدریجی را روی مسئله مکانیابی مراکز فوریتهای پزشکی اعمال کنیم.

در به کارگیری الگوریتم شبیه سازی تبرید تدریجی ، تعداد نقاط تقاضا را با (Demand Node) DN و تعداد نقاط پتانسیل را با PS

(Potential Station) نشان میدهیم.

-۱-۴ ورودیهای مسئله

-۱ ورودیهای مربوط به مدل:

ماتریس پوشش: یک ماتریس (DN* PS) است که درایههای آن از جنس صفر و یک هستند. به این صورت که اگر آمبولانس j در فاصله S (حداکثر فاصله قابل قبول برای پوشش یک نقطه تقاضـا بوسیله آمبولانس) از نقطه تقاضای i باشـد، درایـه (i,j) مـاتریس پوشش برابر یک خواهد بود و در غیر این صورت برابر صفر خواهد بود،

ماتریس تقاضا: یک ماتریس ( (۱*DN اسـت کـه هـر درایـه آن مقدار تقاضای موجود در هر نقطه تقاضا را بیان میکند،

حداکثر ضریب اشغال هر آمبولانس؛ (ضریب اشغال: نسبت مـدت زمانی از یک شبانه روز است که آمبولانس به هر دلیـل قـادر بـه سرویس دهی نیست)،

حداقل آمبولانسی که باید هر نقطه تقاضا را پوشش دهد.

-۲ ورودیهای مربوط به الگوریتم شبیه سازی تبرید تدریجی: تعداد حداکثر تکرار، دمای اولیه، دمای نهایی، تعداد تکرار در هر دما، تابع کاهش دما

-۲-۴ روش نمایش جوابها (رمز گذاری اطلاعات یا ( Data encoding

هر جواب X از PS عدد المان تشکیل شده است که مـیتواننـد دارای مقادیر صفر و یک باشند. اگر مقدار یک المان جـواب برابـر یـک باشـد بدان معناست که در نقطه پتانسیل معادل بـا آن، ایسـتگاه دایـر شـده است (آمبولانس استقرار داده شده است) و اگر مقدار المان جواب برابـر صفر باشد بدان معناست که در نقطه پتانسیل معـادل بـا آن، ایسـتگاه دایر نشده است.

-۳-۴ ایجاد جواب اولیه

برای ایجاد جواب اولیه از دو روش در حل مسائل استفاده شده است. روش تصادفی نرمال: با استفاده از تابع تولید تصادفی به المانهای
جواب مقادیر صفر و یک تعلق می گیرددر. این روش تقریبـاً نیمـی از المانهای جواب مقدار یک و نیمی دیگر مقدار صفر میگیرند.

این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید
word قابل ویرایش - قیمت 12700 تومان در 6 صفحه
127,000 ریال – خرید و دانلود
سایر مقالات موجود در این موضوع
دیدگاه خود را مطرح فرمایید . وظیفه ماست که به سوالات شما پاسخ دهیم

پاسخ دیدگاه شما ایمیل خواهد شد