Array ( [type] => 2 [message] => mysql_connect(): Headers and client library minor version mismatch. Headers:100337 Library:30121 [file] => /home/viablog/public_html/blog/tag.php [line] => 43 )  بسته بندي اثاثيه منزل در اصفهان كاميون حمل اثاثيه منزل اصفهان بسته بندي اثاثيه منزل در اصفهان كاميون حمل اثاثيه منزل اصفهان

sadraabar

بسته بندي اثاثيه منزل در اصفهان كاميون حمل اثاثيه منزل اصفهان

بسته بندي اثاثيه منزل در اصفهان كاميون حمل اثاثيه منزل اصفهان

بسته بندي اثاثيه منزل در اصفهان

بسته بندي اثاثيه منزل در اصفهان

29.10.1400

رويكرد مورد استفاده در ساير مطالعات طراحي شبكه توزيع از جمله ظرفيت كاميون U را 8 واحد، ظرفيت پايه S را 2 واحد، مقدار A 0 (يعني يك مربع منفرد كه ناحيه بزرگ را نشان مي دهد) يا 50، و مقادير α و β را به ترتيب 1 و 5 در نظر مي گيريم. . در مورد اندازه نمونه ها، N مقادير 3000، 4000، 5000، 6000، 8000 و 10000 را در نظر مي گيريم. و مقادير 20، 30 و 40 M. يك سه گانه از مقادير (A، N، M) در يك مجموعه داده، يك كلاس مشكل را نشان مي دهد كه براي آن 10 نمونه توليد شده به طور تصادفي را حل مي كنيم. ما داده‌هاي تقاضا را با استفاده از ساختار تقاضا توليد مي‌كنيم كه ممكن است كاربردهاي واقعي را با دقت بيشتري منعكس كند. به طور خاص، مي توان با خيال راحت فرض كرد كه حجم بين تعداد نسبتاً كمي از جفت گره ها (مثلاً محموله هاي انبار به انبار) ممكن است بسيار بزرگتر از سايرين باشد. بر اساس اين مشاهدات، مي توان توزيع تقاضا براي كالاها را دسته بندي كرد. براي اين منظور، ما تقاضاهاي (wi) را در سه دسته به نمايندگي از 70٪، 20٪ و 10٪ از كالاها با تقاضاهايي كه به طور تصادفي با استفاده از U[0.1، 0.3]، U(0.3، 0.6] و U(0.6 توليد مي‌شوند، توليد مي‌كنيم. 0.9]، به ترتيب. براي ارزيابي تاثير به كارگيري برش هاي قوي، هر نمونه را با الگوريتم Benders خود، ارائه شده در صفحه نمايش 1، با و بدون برش هاي قوي حل مي كنيم. پيشرفت مقادير UB و LB بر روي تكرارها حول بهينه در شكل 1 نشان داده شده است. واضح است كه استفاده از برش هاي قوي در سرعت بخشيدن به همگرايي بسيار موثر است و بر كيفيت كران هاي بالا و پايين تاثير مي گذارد. اگرچه شكل 1 براي يك نمونه است، اما در مطالعات عددي ما عملكرد بالا مشابهي را در همگرايي با برش هاي قوي در نمونه هاي ديگر مشاهده مي كنيم. در تمام آزمايش‌هاي محاسباتي زير، از برش‌هاي قوي ايجاد شده همانطور كه در بخش 3.3 توضيح داده شده است استفاده مي‌كنيم. نتايج محاسباتي ما در جدول 1 خلاصه شده است كه در آن ميانگين، حداقل و حداكثر زمان حل را بيش از 10 نمونه در هر رديف مربوط به يك كلاس (A، N، M) نشان مي دهيم. تنها با يك استثنا، همه نمونه ها در كمتر از 400 تكرار با بهينه 2٪ حل مي شوند. يك نمونه در كلاس (A, N, M) = (0, 10,000, 40) در 400 تكرار تا 2.07% بهينه حل مي شود. حداكثر زمان اجرا 4435 ثانيه به اين نمونه تعلق دارد. نمونه پرت ديگر در كلاس (A, N, M) = (50, 10,000, 40) با زمان اجرا 4834 رخ مي دهد، همانطور كه در جدول 1 نشان داده شده است، اما براي اين مثال، شكاف بهينه كمتر از 2.0٪ است.

 

 


برچسب:
امتیاز دهید:
رتبه از پنج: <~PostRate~>
بازدید: <~PostViwe~>

+ نوشته شده: 1400/10/29 ساعت: ۱۴ توسط:sadraabar :