19033

۱۹۰۳۳

مكان‌يابي فروشگاه‌هاي زنجيره‌اي با استفاده از روش‌هاي يادگيري ماشين و داده‌هاي سيستم اطلاعات جغرافيايي در تهران

كارشناسي ارشد

بهينه سازي سيستم ها

۹۶-۹۷

۱۳۹۷/۰۳/۲۱

دكتر قوسي

دكتر ماكويي

صنايع

اين تحقيق با هدف مكان‌يابي فروشگاه‌هاي زنجيره‌اي با در نظر گرفتن پيچيدگي‌هاي شهري انجام گرفته است. فرايند مكان‌يابي شامل شبيه‌سازي، توليد نقاط كانديد و مدل خطي برنامه‌ريزي عدد صحيح مي‌باشد. در بخش شبيه‌سازي، هدف رسيدن به حداكثر دقت و در نظر گرفتن بيشترين پيچيدگي‌ها با توجه به داده‌هاي موجود مي‌باشد. بخش شبيه‌سازي شامل ارتباط بين رقبا، ميزان گردشگر جذب شده و تقاضاي جذب شده با توجه به طبقه ي اجتماعي مي‌باشد. بخش توليد نقاط كانديد تلاش دارد بار مدل رياضي را كاهش دهد به‌گونه‌اي كه تعداد معقولي نقطه‌ي كانديد در زمان معقول و با كيفيت مناسب و با در نظر گرفتن رقبا توليد كند تا وارد مدل رياضي شوند. خوشه‌بندي وزن دار، الگوريتم ژنتيك با طول متغير، درخت آر استار و الگوريتم هيوريستيك براي اين منظور استفاده شدند. مدل رياضي رابط بين شبيه‌سازي و مسئله‌ي مكان‌يابي و ساير سياست ها مانند سرمايه‌گذاري، انبارداري و غيره مي‌باشد. هدف اين تحقيق ارائه‌ي يك چرخه ي كامل براي مكان‌يابي و سياست گذاري تجهيزاتي مي‌باشد كه دسترسي ها از طريق برداري ميسر مي‌باشد كه در اين تحقيق مطالعه‌ي موردي درباره ي مكان‌يابي فروشگاه‌هاي زنجيره‌اي در فضاي شهري و راه‌هاي دسترسي خيابان مي‌باشد. عوامل مختلف و مؤثر بر پيش‌پردازش داده‌ها، شبيه‌سازي و توليد نقاط كانديد مورد بررسي قرار گرفته است. بر طبق نتايج، به طور كلي روش خوشه‌بندي وزندار مناسب تشخيص داده نشد درحالي‌كه در نظر گرفتن نواحي شهرداري به عنوان خوشه بر روي مرز كارايي قرار گرفت. درخت آر استار مي‌تواند از پيچيدگي مسئله بكاهد اما با كوچك تر شدن برگ هاي درخت، در نهايت درخت به داده‌هاي اصلي همگرا مي‌شود كه مسئله غيرقابل‌حل از نظر منابع كامپيوتري خواهد شد. روش هيوريستيكي ارائه‌شده بهتر از ساير روش‌هاي عمل مي‌كند زيرا در حالات مختلف همچنان بر روي مرز كارايي قرار مي‌گيرد.

1397/04/06

Locating chain-stores using machine learning techniques and geographic information system data in Tehran

5/21/2019 12:00:00 AM

This research proposes a procedure for locating retailers considering the complexities confronted in city geographic information system environment such competition among chain stores and investment on tourism. The process contains simulation, candidate generation and mathematical modeling. In the simulation section, the goal is to reach the maximum possible accuracy and complexity. The candidate generation section tries to mitigate the burden of the complex simulation by fast generating candidate locations while trying to sustain the quality. Weighted clustering, variable length genetic algorithm, R*tree, and heuristic algorithm are implemented for this purpose. The mathematical model is mixed integer linear model and it is the link between simulation, location problem, and other policies related to investment, internal schedules and etc. The focus of this research is to provide a complete lifecycle for providing a solution for both location problem and internal factors of the located facilities in an environment which the access of facilities is through the streets. The case study of this research is the city of Tehran consisting competitors. Several factors studied which affect the preprocessing, simulation, and candidate generation processes. The results show that generally weighted clustering algorithms are not suitable for the problem while consideration of mayor municipal districts as clusters show merit. Finer R*trees may result better solutions, however, finally R*tree converges into the original location problem which hinders R*tree to provide an efficient solution based on the available computational resources. The proposed heuristic algorithm outperforms